Estudio publicado en la revista Information (MDPI) que ofrece una encuesta del estado de adopción del voto electrónico en el mundo y analiza qué factores socioeconómicos la explican. Distingue entre e-voting (tecnología en el colegio electoral tradicional) e i-voting (voto remoto por internet desde dispositivos personales) y modela los determinantes de adopción mediante machine learning.

Qué aporta

Su valor diferencial es doble. Frente a la literatura previa —dominada por estudios de país único o retos técnicos puntuales— construye un dataset propio que cubre todos los países reconocidos y aplica un modelo de random forest para predecir la adopción a partir de cinco indicadores (superficie, población, PIB, uso de internet e Índice de Democracia), alcanzando más de 79% de exactitud (hasta 0.937 en un esquema de cascada de dos etapas). Aporta hallazgos originales: la superficie del país predice si se adopta alguna forma de voto electrónico, mientras el Índice de Democracia discrimina entre e-voting e i-voting. El dataset se publica abiertamente.

Audiencia

Altamente relevante para responsables de organismos electorales, formuladores de políticas de gobierno digital, investigadores en tecnología electoral y analistas de ciencia política cuantitativa interesados en determinantes de adopción. Baja relevancia para quienes buscan detalles técnicos de arquitectura, criptografía, verificabilidad o ciberseguridad de sistemas concretos, que el paper no desarrolla.

Limitaciones

Análisis transversal (datos de 2021, e Índice de Democracia 2022), sin dimensión longitudinal ni inferencia causal. La clasificación de adopción se apoya en una encuesta internacional preexistente y solo tres clases (no adopción, voto electrónico (e-voting), voto por internet (i-voting)), sin capturar grados ni fiabilidad de cada implementación. Excluye explícitamente aspectos éticos, de privacidad, ciberseguridad e IA, reconocidos como pendientes. El texto reporta de forma inconsistente la exactitud del random forest (‘exceeding 90’).