Kan AI de uitkomst van een landelijke verkiezing voorspellen op basis van sentiment op sociale media en economische indicatoren ?

Politieke voorspellingen zijn in een nieuw tijdperk beland met de integratie van AI-gestuurde sentimentanalyse. Modellen verwerken nu enorme stromen aan sociale media-gegevens, nieuws trends en historische stemgedragspatronen om verkiezingsuitkomsten te voorspellen. Sommige tools beweren verschuivingen in de publieke opinie weken voordat traditionele peilingen dat doen te kunnen voorspellen. Hoewel de nauwkeurigheid per context verschilt, worden deze systemen steeds vaker gebruikt in campagnestrategieën.

Huidige systemen kunnen verkiezingsuitkomsten schatten door sentimentanalyse van miljoenen berichten op sociale media te combineren met macro-economische indicatoren. In retrospectieve tests voor gevestigde democratieën bereiken ze correlaties rond r = 0,7–0,8, maar ze hebben moeite met korte datavensters, snel veranderende verhalen en autocratieën die online discours zwaar censureren. Geen gepubliceerd model heeft betrouwbare, gecontroleerde voorspellingen weken of maanden voor de verkiezingsdag opgeleverd, en de meeste succesvolle toepassingen zijn retrospectieve analyses geweest in plaats van echte voorspellingen buiten de steekproef. Economische indicatoren zoals bbp-groei of inflatie voegen vaak slechts een bescheiden voorspellende kracht toe bovenop tekstsignalen alleen.

— Verrijkt 13 mei 2026 · Bron: Pew Research Center — https://www.pewresearch.org/science/2023/05/17/public-attitudes-toward-artificial-intelligence-in-everyday-life/