공식 선거 결과 · AI 예측 비교

AI 예측은 정당 지지율과 지역주의 가중치를 크게 반영했습니다. 일부 기초단체장 선거의 오차는 현직 구청장·시장 또는 지역 인지도가 높은 후보의 개인 경쟁력을 충분히 반영하지 못했을 가능성이 있습니다.

• 후보명 적중률이 정당 적중률보다 낮아, 정당 방향은 맞았더라도 후보별 득표율 배분에서 오차가 있었던 것으로 추정됩니다.
• 기초단체장 선거는 광역 선거보다 생활 행정 평가와 지역 브랜드 영향이 커질 수 있다는 가설을 다음 모델에서 검증할 필요가 있습니다.

다음 시뮬레이터에서는 현직 프리미엄, 구정 평가, 지역 인지도, 후보 교체 리스크를 별도 계수 후보로 분리해 정당 지표와 독립적으로 검증합니다.

수도권 및 대도시 기초 선거구에서는 재개발, 주거비, 보유세·재산세 같은 생활 비용 이슈가 정당 지지율보다 강하게 작동했을 가능성이 있습니다.

• 오차 큰 지역 목록에 수도권·대도시 생활권 선거구가 반복적으로 포함되는 경향이 관찰됩니다.
• 기존 모델의 경제 정책 항목은 전국 단위 정책 신뢰도 중심이라, 지역별 부동산·세금 민감도를 세분화하지 못했을 가능성이 있습니다.

지역별 주택가격 변동, 재개발·재건축 이슈, 지방세 부담 민감도, 전세·월세 부담 지표를 별도 입력 자료 후보로 추가해 검증합니다.

기존 예측은 2022년 투표율을 주요 기준으로 삼았습니다. 실제 2026년 투표율과 세대별 참여 차이가 지역별로 다르게 나타났다면 득표율 오차가 커졌을 수 있습니다.

• 실제 득표율과 AI 예측 득표율 차이가 큰 지역은 단순 당선 정당 비교보다 득표율 예측에서 더 크게 흔들린 것으로 보입니다.
• 세대별 투표율은 공식 개표 표만으로 직접 확인할 수 없어 현재 모델의 불확실성 요인으로 남습니다.

사전투표율, 최종 투표율, 연령대별 인구 구조, 청년층·고령층 참여율 추정치를 지역 단위로 분리해 검증합니다.

공식 결과와 앱 내부 비교 단위가 완전히 같지 않은 지역이 있어, 전남광주통합특별시처럼 통합 비교 단위를 별도 처리했습니다.

• 광역 비교 단위는 공식 조회와 앱 데이터가 공통으로 제공하는 16개 단위로 계산했습니다.
• 기초 3곳은 무투표 당선 지역이라 VCCP09 개표 표에는 득표수가 없지만, 당선자/정당 비교에는 포함하고 득표율 오차 계산에서는 제외했습니다.

선거 전 행정구역 코드와 공식 선거구 코드를 독립 테이블로 관리하고, 통합·분리 지역은 비교 정책을 사전에 고정하는 방안을 검토합니다.