Wie werde ich mit Kandidat*innen gematched?

Was steckt hinter dem Matching-Algorithmus? Es ist kein Machine-Learning oder eine Black-Box, sondern ein leicht verständlicher und transparenter Mechanismus. Hier erklären wir, wie er funktioniert, und warum wir diesen Algorithmus gewählt haben. 

Wie vergleicht man die Antworten von zwei Personen, sprich der Antwort der jeweiligen Kandidat*innen/Partei und derer der VOTO Nutzer*innen am besten? Es gibt verschiedene Ansätze, die alle ihre Vor- und Nachteile haben. Dabei gibt es zwei Hauptansätze.
Während in einem Proximity Modell vor allem der Abstand zwischen den politischen Alternativen zählt, ist es im direktionalen Modell für Wähler*innen und die jeweilige kandidierende Person/die Partei am wichtigsten, auf der der „richtigen Seite“ des Arguments stehen. Wie das jeweils im Detail aussieht ersparen wir euch an dieser Stelle (wenn ihr mehr darüber wissen wollt, schaut mal hier hier auf Seite 52). 

Wir haben uns dafür entschieden einen Mittelweg zwischen den beiden Alternativen zu gehen. Es soll sowohl wichtig sein, wie nah sich die Antworten von Kandidat*innen und Nutzer*innen sind, als auch, ob sie die gleiche Richtung haben, also beide beispielsweise einer These zustimmen.

Das Modell basiert auf fünf Antwortmöglichkeiten: -stimme voll zu, – stimme eher zu,- neutral,- stimme weniger zu, – stimme überhaupt nicht zu. Wenn jetzt die Personen A und B zu einer These Y eine Aussage treffen (A: stimme voll zu, B: stimme überhaupt nicht zu) können wir berechnen, wie einig sie sich sind. Das haben wir hier in einer Matrix dargestellt:

Berechnungslogik
  CA A N D CD
CA 1 0,5 0 -0,5 -1
A 0,5 0,625 0,25 -0,125 -0,5
N 0 0,25 0,5 0,25 0
D -0,5 -0,125 0,5 0,625 0,5
CD -1 -0,5 0 0,5 1
Legende: CA – stimme voll zu  
  A – stimme eher zu  
N – neutral
  D – stimme weniger zu  
  CD – stimme überhaupt nicht zu   

Wenn wir also beim Beispiel von oben bleiben, nehmen wir die Übereinstimmung von A und B als -1 an. In dieser Tabelle kann der Algorithmus dann für jede Frage nachschauen, wie die Übereinstimmung zwischen A und B ist. Am Ende zählt er alle Werte zusammen und zeigt den Nutzer*innen mit welchen Kandidat*innen/Parteien, die größte Übereinstimmung besteht. 

Das ganze zeigen wir jetzt noch an einem Beispiel mit zwei Kandidat*iinnen und fügen eine weitere Möglichkeit für die Nutzer*innen hinzu. Sie können die Themen, die Ihnen besonders wichtig sind, doppelt zählen lassen. 

In der Tabelle kann man sehen ,wie die Kandidat*innen Max Mustermann und Eva Musterfrau die Thesen eins, zwei und drei beantwortet haben. Auf der rechten Seite sind die Antworten von Bürger*in 1. Ganz rechts steht die Übereinstimmung, die sich für jede einzelne These ergibt. Bei T1 ist die Antwort von Max und Bürger*in 1 jeweils: stimme zu. Daraus ergibt sich eine Übereinstimmung von 0,625. Weil Bürger*in 1 die T1 doppelt gewichtet, zählt der Score hier doppelt. Insgesamt ergibt sich dann eine Übereinstimmung von 1,25. 

In der App sieht die nutzende Person am Ende eine Liste von Kandidat*innen. Bei Bürger*in 1 würde jetzt Kandidat Max Mustermann vor Kandidatin Eva Musterfrau stehen.