Boulos tem 26%; Nunes, 25%; e Marçal, 10%, aponta agregador EXAME/IDEIA

O deputado federal e pré-candidato à prefeitura de São Paulo, Guilherme Boulos (PSOL), 26% das intenções de votos na capital e o atual prefeito, Ricardo Nunes (MDB), 25%, de acordo com o agregador de intenções de voto EXAME/IDEIA.

Na sequência, o influenciador Pablo Marçal (PRTB) aparece com 10%, seguido pelo apresentador José Luiz Datena (PSDB) com 9% e a deputada Tabata Amaral com 8%. Marina Helena (NOVO) e Kim Kataguiri (União) aparecem com 4% cada. Os outros pré-candidatos somados chegam a 10%.

• Ricardo Nunes (MDB): 26%
• Guilherme Boulos (PSOL): 25%
• Pablo Marçal (PRTB): 10%
• Datena (PSDB): 9%
• Tabata Amaral (PSB): 9%
• Kim Kataguiri (União): 4%
• Marina Helena (NOVO): 3%
• Outros: 7%

O agregador serve para harmonizar as curvas das pesquisas eleitorais e mostrar tendências, mas não é uma média dos resultados das pesquisas. O levantamento do Ideia, realizado no último dia 2 de julho, contabilizou 18 pesquisas de opinião de voto estimulada para as eleições para a prefeitura de São Paulo em 2024. Foram contabilizadas pesquisas dos Institutos: Paraná Pesquisas, Futura Pesquisas, Atlas Intel, Real Time Big Data, Datafolha, Badra, GERP e Quaest.

Segundo os dados, a disputa aponta para um protagonismo dividido entre Boulos e Nunes, que formam um primeiro pelotão. Boulos manteve a ponta ao longo dos seis primeiros meses do ano, mas foi perdendo força e, na versão mais recentes deste agregador, viu Nunes ultrapassá-lo.

O segundo pelotão é formado por Marçal, Datena e Tabata, com o influenciador ligeiramente à frente. Marçal, que foi incluído no agregador desde abril, apresenta um crescimento contínuo nos últimos meses, ultrapassando Tabata, Kim e Datena.

O que é um agregador de pesquisa

É um algoritmo que harmoniza as curvas das pesquisas eleitorais e mostra tendências, mas não é uma média das pesquisas. Os agregadores do Ideia fazem uma “correção” dos dados utilizando o “dyad ratios algorithm”, modelo desenvolvido por James A. Stimson, da University of North Carolina. O algoritmo resolve o problema da falta de regularidade no lançamento de pesquisas ao preencher eventuais lacunas no tempo. O modelo também agrega pesquisas realizadas no mesmo intervalo temporal.