Un desarrollador ha creado un modelo de machine learning para predecir el ganador de la nueva temporada de Survivor, utilizando datos históricos de la serie. La herramienta, basada en regresión logística, analiza variables como la edad, el número de ventajas obtenidas y la frecuencia de votos recibidos para estimar la probabilidad de victoria o eliminación de cada participante. El modelo identifica a los contendientes más fuertes y permite a los espectadores evaluar estrategias de juego antes de que se hagan evidentes en la narrativa principal.
El sistema opera con dos modelos separados: uno que predice quién será eliminado en el próximo episodio y otro que estima quién ganará la temporada final. Aunque la cantidad de datos es limitada, dado que solo hay 50 ganadores en la historia de Survivor en Estados Unidos, el modelo supera a la azar en un factor de dos. En promedio, elige al ganador final con un 20% de precisión, frente al 10% esperado por la suerte. Además, el orden de clasificación del modelo resulta más informativo que las probabilidades numéricas exactas, ya que los jugadores clasificados como favoritos tienen una mayor probabilidad real de victoria en las fases finales. La herramienta destaca por identificar tendencias estratégicas, como las decisiones de Cirie en el episodio 11, que reflejan la complejidad del juego social y la suerte involucrada en la producción.