Public Release: 

Los científicos han aprendido a predecir la corrupción pública a través de redes neuronales, usando el caso de España

National Research University Higher School of Economics

Investigadores de la Escuela Superior de Economía, Rusia (la HSE) y la Universidad de Valladolid han desarrollado una red neuronal para modelizar y predecir la corrupción pública basándose en factores económicos y políticos. El estudio ha sido publicado en la revista Social Indicators Research.

Los científicos coinciden en que la corrupción debe detectarse en las etapas más tempranas posibles para tomar medidas correctivas y preventivas. Dado que los recursos públicos para combatir la corrupción son limitados, es necesario centrar los esfuerzos en aquellas áreas que serán afectadas por la corrupción con mayor probabilidad. Los investigadores utilizaron una base de datos de casos de corrupción política única en España. Desarrollaron un modelo de alerta temprana y pronóstico de la corrupción en las regiones de España sobre la base de factores macroeconómicos y políticos. Este modelo ofrece diferentes opciones para los riesgos de corrupción, dependiendo de la situación económica de la región y el momento del pronóstico.

Los científicos de la HSE y la Universidad de Valladolid utilizaron mapas autoorganizados basados en redes neuronales para predecir casos de corrupción en diferentes horizontes de pronóstico. Los mapas autoorganizados son un tipo de redes neuronales artificiales que imitan las funciones del cerebro. Dichas mapas pueden asignar patrones repetitivos a partir de grandes cantidades de información sin necesidad de explicitar las relaciones subyacentes a ellos. Transforman las relaciones no lineales entre datos multidimensionales en relaciones geométricas simples. Gracias a estas capacidades, los mapas autoorganizados son un instrumento adecuado para identificar patrones de comportamiento y obtener una representación gráfica de grandes cantidades de datos. Por lo tanto, pueden ser una buena forma de predecir la corrupción.

De acuerdo con los resultados del estudio, los factores económicos pueden usarse para predecir la corrupción. Los científicos han revelado que la corrupción puede venir estimulada por el crecimiento económico, el aumento de los precios de la vivienda, así como un aumento en el número de entidades de depósito y las empresas no financieras. También resultó que el crecimiento de la corrupción está relacionado con la permanencia en el poder de un mismo partido político. Los investigadores pueden predecir la ocurrencia de casos de corrupción en un periodo de hasta tres años, dependiendo de las características de una región en particular. Mientras que en algunas regiones, la corrupción puede ser predicha mucho antes de su ocurrencia y así adoptar medidas preventivas, en otros casos el período de pronóstico es mucho más pequeño y requiere medidas urgentes de política para eliminarlo. El método de los científicos consiste en un complejo algoritmo con un conjunto de conexiones no lineales, en el que los factores de predisposición a la corrupción cambian con el tiempo.

"Hemos desarrollado un nuevo enfoque, que tiene tres características. En primer lugar, en contraste con estudios anteriores que se basan principalmente en la percepción de la corrupción, hemos utilizado los datos sobre casos reales de corrupción - dice uno de los autores del estudio - Felix J. López-Iturriaga, investigador de la Escuela Superior de Economía y la Universidad de Valladolid. - En segundo lugar, hemos usado redes neuronales, y este método es muy adecuado en este caso, ya que no hace suposiciones sobre la distribución de datos. Las redes neuronales son un instrumento de modelización potente y flexible que no implica limitar las hipótesis sobre el proceso de creación de datos o leyes estadísticas con respecto a las variables relevantes. En tercer lugar, proponemos la previsión de casos de corrupción para diferentes horizontes de tiempo, de modo que sea posible desarrollar medidas anticorrupción con diferente antelación. Nuestro modelo nos permite desarrollar esquemas para la aparición de la corrupción para diferentes horizontes de previsión".

Dado que la corrupción sigue siendo un problema común en todo el mundo, el punto clave en el estudio es la posibilidad de extender el modelo y las medidas propuestas en otros países. Los científicos han utilizado variables macroeconómicas y políticas bastante generalizadas que están disponibles en fuentes abiertas en muchos países. Por lo tanto, este modelo se puede aplicar en diferentes regiones. Por supuesto, también se puede diseñar incluyendo otros factores específicos de un país o región en particular.

Este enfoque es de interés tanto para los científicos como para las autoridades públicas. Científicamente, los investigadores han propuesto una forma innovadora de predecir la corrupción a través de redes neuronales. Este método se utiliza a menudo para predecir los problemas financieros en empresas y otros fenómenos económicos, pero es un intento pionero de utilización de las redes neuronales para detectar casos de corrupción. Por lo tanto, los científicos han ampliado el campo de aplicación de las redes neuronales. Desde el punto de vista de las autoridades públicas, se les ofrece un modelo para aumentar la efectividad de las medidas anticorrupción. Puesto que los recursos para combatir la corrupción son siempre limitados, las autoridades pueden utilizar el sistema de alerta temprana de corrupción, que clasifica cada región de acuerdo con su perfil de corrupción. Esto permitirá concentrar los esfuerzos e introducir medidas de prevención y corrección de manera más efectiva. Además, este modelo permite predecir la corrupción mucho antes de su manifestación, lo que permite introducir medidas preventivas. Este modelo puede ser especialmente útil en países con el mayor nivel de corrupción. Las autoridades de la Unión Europea expresan su preocupación por la extención de la corrupción en ciertos países y pueden utilizar este enfoque para prevenirla.

###

El estudio se realizó con apoyo financiero (Proyecto ECO2014-56102-P) del Ministerio de Economía, Industria y Competitividad de España. Este artículo también se preparó como parte del Programa de Investigación Básica de la HSE.

Disclaimer: AAAS and EurekAlert! are not responsible for the accuracy of news releases posted to EurekAlert! by contributing institutions or for the use of any information through the EurekAlert system.