Predicting election results: An improved popularity index Prédire les résultats électoraux : Une amélioration des indices de popularité

In the last decade, the growing influence of social medias on the political sphere has opened an interesting field for predicting election results. This is achieved by computing a popularity index of election candidates, based on sentiment analysis in data collected from Twitter. Our paper contributes to this literature by proposing an improvement of the existing indices. This improvement consists in penalizing the indices by a potential subjectivity that can be observed in users' comments. We then apply these penalized indices to predict the 2018 DRC presidential election results using ARIMA modeling, and compare their accuracies to those of non-penalized indices. The results show that penalization substantially increases the accuracy metrics in predicting candidates popularity. Au cours de la décennie passée, l’influence croissante des médias sociaux sur la sphère politique a ouvert un champ intéressant relatif à la prédiction des résultats électoraux. Pour ce faire, l’on procède par le calcul d’un indice de popularité des candidats aux élections, basé sur l’analyse des sentiments dans les données collectées sur Twitter. Notre article contribue à cette littérature en proposant une amélioration des indices existants. Cette amélioration consiste à pénaliser les indices par une potentielle subjectivité susceptible d’être observée dans les commentaires des internautes. Nous appliquons ensuite ces indices pénalisés pour prédire les résultats de l’élection présidentielle de 2018 en RDC à l’aide de la modélisation ARIMA, et comparons leur précision à celle des indices non-pénalisés. Les résultats indiquent que la pénalisation augmente substantiellement la précision pour prédire la popularité des candidats.