Alliance Dynamics and Vote Outcome Prediction in the Brazilian Chamber of Deputies

• Pedro Natanael Firmino da Silva Universidade de Pernambuco (UPE)
• Dimas Cassimiro Nascimento Universidade Federal do Agreste de Pernambuco (UFAPE)
• Bruno Nogueira Universidade Federal de Alagoas (UFAL)

DOI: https://doi.org/10.5753/sbbd_estendido.2026.249529

Resumo

Registros de votações nominais mostram como representantes se alinham em decisões institucionalmente relevantes. Em contextos multipartidários como o da Câmara dos Deputados, contudo, sessões pouco polarizadas e arestas ruidosas podem ocultar coalizões, enquanto vazamento temporal pode superestimar modelos preditivos. Esta dissertação apresenta um framework com dois objetivos complementares. Primeiro, redes anuais de similaridade e detecção de comunidades identificam blocos interpretáveis como alianças. Filtragem de proposições sensível à polarização e poda de arestas antes do algoritmo de Leiden permitem comunidades mais claras e análise longitudinal de 2004 a 2023. Segundo, o VOTE-RAP prediz resultados no nível da proposição sob avaliação estritamente cronológica. Os resultados mostram ganho de 10,95% em modularidade sobre um baseline de backbone e predição livre de vazamento com AUROC 0,908 e F1 0,703 para proposições rejeitadas.

Palavras-chave: vote outcome, prediction, Leiden, vote similarity

Referências

Albuquerque, P. C. C. and Cajueiro, D. O. (2025). Forecasting political voting: A high dimensional machine learning approach. Machine Learning with Applications, 22:100739.

Bovens, M. (2007). Analysing and assessing accountability: A conceptual framework. European Law Journal, 13(4):447–468.

Brito, A. C. M., Silva, F. N., and Amancio, D. R. (2020). A complex network approach to political analysis: Application to the brazilian chamber of deputies. PLOS ONE, 15(3):e0229928.

Cherepnalkoski, D., Karpf, A., Mozetič, I., and Grčar, M. (2016). Cohesion and coalition formation in the european parliament: Roll-call votes and twitter activities. PLOS ONE, 11(11):e0166586.

da Silva, P. N. F., Nascimento, D. C., and Nogueira, B. (2025). Community detection and analysis of political alliances in the brazilian congress voting network. In Anais do XXI Simpósio Brasileiro de Sistemas de Informação, pages 535–544, Porto Alegre, RS, Brasil. Sociedade Brasileira de Computação.

Dal Maso, C., Pompa, G., Puliga, M., Riotta, G., and Chessa, A. (2014). Voting behavior, coalitions and government strength through a complex network analysis. PLOS ONE, 9(12):e116046.

Janssen, M., Charalabidis, Y., and Zuiderwijk, A. (2012). Benefits, adoption barriers and myths of open data and open government. In Proceedings of the 2012 International Conference on Electronic Government, pages 258–269.

Serrano, M. Á., Boguñá, M., and Vespignani, A. (2009). Extracting the multiscale back-bone of complex weighted networks. Proceedings of the National Academy of Sciences, 106(16):6483–6488.

Traag, V. A., Waltman, L., and van Eck, N. J. (2019). From louvain to leiden: Guaranteeing well-connected communities. Scientific Reports, 9(1):5233.