El IIIA-CSIC aplicó un algoritmo tipo "mochila" a votos reales del presupuesto participativo de Barcelona (Eixample, Gràcia), mostrando hasta un 92% más de propuestas respaldadas por euro frente a la selección por ranking estándar.
89.73 %
Apoyo ciudadano captado por el método de optimización de mochila (Eixample)
84.15 %
Apoyo ciudadano captado por el método rank-and-select realmente utilizado (Eixample)
70 %
Apoyo ciudadano captado por el método de optimización de mochila (Gràcia)
63.86 %
Apoyo ciudadano captado por el método rank-and-select realmente utilizado (Gràcia)
91.8 %
Votos respaldados adicionales con un presupuesto simulado de 60.000 € en Gràcia (mochila vs. rank-and-select)
5 vs 2
Propuestas financiadas adicionales con un presupuesto simulado de 60.000 € en Gràcia (mochila vs. rank-and-select)
Detalles
Promotor
Ajuntament de Barcelona / IIIA-CSIC
Período
2016-2018 pilots; study published 2019
Región (NUTS)
ES511
Palabras clave
participatory budgeting, digital democracy, algorithmic optimisation, public finance
Contexto
La plataforma Decidim de Barcelona gestiona el proceso de presupuestos participativos de la ciudad: los residentes presentan propuestas, una revisión técnica las filtra por viabilidad, y los ciudadanos votan una lista corta que se financia de forma descendente según el número de votos ('rank and select') hasta agotar el presupuesto. Investigadores del Instituto de Investigación en Inteligencia Artificial (IIIA-CSIC) y de la Universidad de Barcelona argumentaron que este método desperdicia presupuesto en remanentes parcialmente financiados y infra-selecciona propuestas más pequeñas con un apoyo similar.
Objetivos
En el marco del proyecto 'Decidim Intel·ligent', los investigadores reformularon la selección de propuestas como un problema de mochila de elección múltiple — un programa lineal entero que maximiza el apoyo ciudadano total sujeto al límite presupuestario.
Actividades
El método se probó de forma retrospectiva con datos reales de votación de dos proyectos piloto municipales: Eixample (presupuesto de 500.000 €, 200 propuestas presentadas, 22 en la votación final, 17 financiadas, de octubre de 2016 a mayo de 2018) y Gràcia (presupuesto de 150.000 €, 14 propuestas finalistas).
Resultados
En los resultados reales de Eixample, el método de optimización alcanzó el 89,73% del apoyo ciudadano máximo posible, frente al 84,15% del método rank-and-select realmente utilizado; en Gràcia alcanzó el 70% frente al 63,86%. Al aplicarse a un rango de presupuestos hipotéticos, la diferencia se amplió aún más — por ejemplo, un 91,8% más de votos respaldados y un 150% más de propuestas financiadas (5 frente a 2) en Gràcia con un presupuesto simulado de 60.000 €, sin ningún aumento del gasto total.
Conclusiones
Se trata de una simulación retrospectiva revisada por pares y validada frente a resultados históricos reales, no de un sistema desplegado en producción. El artículo propone como siguiente paso una futura agrupación de propuestas mediante PLN, y el presupuesto participativo de Barcelona ha seguido funcionando con el método rank-and-select habitual desde entonces — no existe evidencia confirmada de que el modelo de optimización lo haya sustituido operativamente.
Implementación
Coste indicativo
Bajo (< 50 000 €)
Tiempo hasta resultados
Corto (< 1 año)
Personal y competencias
IIIA-CSIC and University of Barcelona research team, under the 'Decidim Intel·ligent' project
Condiciones para el éxito
Retrospective validation against real historical vote data from multiple pilot districts before any live use
Requires digitised proposal/vote data compatible with the Decidim platform
Modos de fallo comunes
Remains unadopted operationally — Barcelona continued using rank-and-select after the study, with no confirmed transition to the optimisation method
Habitualmente financiado por
National / regional programmes
Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.
¿Usted implementa esta práctica?
Reivindíquela —
los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.
Fuentes de datos
De dónde se obtuvo la información de esta práctica, y cuándo.