Methodik

Datenerhebung

Um eine aussagekräftige Empfehlung abgeben zu können, brauchten wir zunächst einen passenden Datensatz. Diesen fanden wir im „ESS Data Portal“ mit der European Social Survey aus dem Jahr 2020. Er beinhaltete Daten von über 45.000 Teilnehmenden aus 29 europäischen Ländern und zahlreiche Variablen, die wir anschließend analysierten und die für unsere Zwecke interessantesten Variablen auswählten. Die 21 ausgewählten Einstellungs-Items lauten wie folgt:

1. Vertrauen in das europäische Parlament

2. Die meisten Menschen versuchen, dich auszunutzen, oder versuchen, fair zu sein

3. Den meisten Menschen kann man trauen, oder man kann nicht vorsichtig genug sein

4. Die meiste Zeit sind die Menschen hilfsbereit oder sie kümmern sich hauptsächlich um sich selbst

5. Platzierung im linken oder rechten politischen Spektrum

6. Stärke der emotionalen Verbundenheit mit Europa

7. Zufriedenheit mit dem Leben als Ganzes

8. Wie glücklich ist man generell

9. Wie oft trifft man sich privat mit Freunden, Verwandten oder Kollegen

10. Wie wichtig ist es, Freunden gegenüber loyal zu sein und sich den Menschen zu widmen, die einem nahe stehen

11. Wie wichtig ist es, eine gute Zeit zu haben

12. Wie wichtig ist es, in einer sicheren Umgebung zu leben

13. Wie wichtig ist es, Menschen zu helfen und sich um das Wohlergehen anderer zu kümmern

14. Wie wichtig ist es, Spaß und Dinge zu suchen, die Freude bereiten

15. Wie wichtig ist es, andere Menschen zu verstehen

16. Wie wichtig ist es, sich korrekt zu verhalten

17. Wie wichtig ist es, Traditionen und Bräuche einzuhalten

18. Wie wichtig ist es, von anderen respektiert zu werden

19. Man plant für die Zukunft oder nimmt jeden Tag, wie er kommt

20. Zugehörigkeit zu einer Religion

21. Boykott einiger Produkte in den letzten 12 Monaten

Die folgenden 29 Länder waren im Datensatz vertreten und haben wir demnach einbezogen: Österreich, Belgien, Bulgarien, Schweiz, Zypern, Tschechien, Deutschland, Dänemark, Estland, Spanien, Finnland, Frankreich, Großbritannien, Kroatien, Ungarn, Irland, Island, Italien, Litauen, Lettland, Montenegro, Niederlande, Norwegen, Polen, Portugal, Serbien, Schweden, Slowenien, Slowakei

Datenverarbeitung & Modellierung

Nach dem Verkleinern des Datensatzes standardisierten wir die verbliebenen Variablen. Dabei nutzten wir die Z-Standardisierung. Im nächsten Schritt entwickelten wir ein Modell mit Python in Google Colab, das die Person anhand ihrer eingegebenen Werte dem eigenen Land zuordnet. Man sieht in der Confusion Matrix [siehe Screenshot], dass unser Modell ziemlich gut die Personen aus den jeweiligen Ländern auch als solche erkennt und zuordnet. In den Fällen, in denen eine Fehlklassifikation aufgetreten ist, wurde die Person häufig einem Nachbarland zugewiesen. Nach der Testung verschiedener Algorithmen (Random Forest Classification und XGBoost mit den Hyperparametern n_estimators, max_depth, min_samples_split und min_samples_leaf) haben wir uns für den XGBoost Algorithmus ohne Hyperparameter-Tuning entschieden, da dieser die höchste Genauigkeit (35%) aufwies. Eine Vorhersage mit dem XGBoost inkl. Grid Search der vier Hyperparameter ergab keine Verbesserung der Vorhersagegenauigkeit. 

Das XGModell haben wir im Anschluss abgespeichert und war dann bereit, auf neue Daten angewendet zu werden.

Länder-Vorhersage

Das Interface bauten wir mit Streamlit. Wir clusterten die Einstellungs-Items nach Kategorien, wie zum Beispiel Soziale Kontakte & Beziehungen, Religion & Weltanschauung sowie Mentalität & Werte. Nach der Eingabe und Klicken auf einen Ergebnisbutton werden die drei Länder mit der höchsten Übereinstimmung ausgegeben - als Auflistung, mit Prozentwerten und visualisiert auf einer Europakarte. Bei der Vorhersage wird das Land, das man als Herkunftsland angibt, nun jedoch übersprungen und nicht wie bei der Modellerstellung vorhergesagt.

Screenshot aus unserer App: