[ENG]
The study of polarization as a social phenomenon has inspired a rich literature on methods and socio-demographic features to characterize them. Although there are propositions to capture polarization in geographies, such as mapping inequality or rural population in territories, those alternatives lack the ability to represent variations of political polarization over time. Here we introduce the Election Polarization Index (EPI), an agnostic method to map polarization in geographies from election outcomes. First, we show that traditional polarization methods lack the ability to capture polarization from election data. Then, using presidential election data in France, Chile, and the United States, we find that the EPI encompasses the effects of socio-demographic characteristics associated with polarization and also provides new information about the variations of polarization within and between geographies over time. To conclude, we find that this method is robust to quantify polarization by using two elections held on the same day or aggregating the data on any geographical scale.
[ESP]
El estudio de la polarización como fenómeno social ha inspirado una amplia literatura sobre métodos y características socio-demográficas para caracterizarla. Aunque existen propuestas para capturar la polarización en regiones geograficas, como el mapeo de la desigualdad o la población rural en los territorios, esas alternativas carecen de la capacidad para representar las variaciones de la polarización política a lo largo del tiempo. Aquí presentamos el Índice de Polarización Electoral (IPE), un método agnóstico para mapear la polarización en regiones geograficas a partir de los resultados electorales. Primero, mostramos que los métodos tradicionales de polarización carecen de la capacidad para capturar la polarización a partir de los datos electorales. Luego, utilizando los datos de elecciones presidenciales en Francia, Chile y Estados Unidos, encontramos que el IPE abarca los efectos de las características socio-demográficas asociadas con la polarización y también proporciona nueva información sobre las variaciones de la polarización dentro y entre regiones geograficas a lo largo del tiempo. En conclusión, encontramos que este método es robusto para cuantificar la polarización mediante el uso de dos elecciones celebradas el mismo día o agregando los datos en cualquier escala geográfica. (Traducido por ChatGPT).
Carlos Navarrete is a Ph.D. candidate in Computer Science at the University of Toulouse. His research is focused on understanding how computational methods contribute to identify divisiveness and polarization in society, positionating his focus in the intersection of political and computer science.