Desarrollan red neuronal para predecir corrupción pública

Si el contenido te gustó, ayúdanos compartiendo.

Share on facebook
Share on linkedin
Share on twitter
Share on email

Las redes neuronales son un conjunto de algoritmos que están diseñados para identificar patrones; esa facultad les permite establecer correlaciones y, por lo tanto, realizar análisis predictivos.

 

Bajo la premisa que sostiene que la corrupción debe detectarse lo antes posible, a fin que se puedan tomar medidas correctivas y preventivas, científicos de la Universidad de Valladolid, en España, han desarrollado un modelo de redes neuronales que, basándose en factores económicos y políticos, permite la predicción de hechos de corrupción en la administración pública.

 

El modelo proporciona diferentes perfiles de riesgo de corrupción, dependiendo de las condiciones económicas de una región condicional en el momento de la predicción.

 

A diferencia de investigaciones anteriores, que se basan en la percepción de corrupción, los investigadores utilizaron datos reales sobre casos de corrupción. Aplicaron el modelo a las provincias españolas en las que se reportaron casos de corrupción ante los tribunales, entre el año 2000 y 2012.

 

Los investigadores evidenciaron que la tributación de los bienes inmuebles, el crecimiento económico, el aumento de los precios de la vivienda y el creciente número de instituciones de depósito y sociedades no financieras, pueden ser factores que inducen a la corrupción pública. Del mismo modo se pudo establecer una relación directa entre el tiempo que permanece en el poder el mismo partido gobernante con los hechos de corrupción.

 

El enfoque de esta investigación puede resultar atractivo tanto para los académicos, ya que proporciona una forma innovadora de predecir la corrupción pública utilizando redes neuronales, como para las autoridades públicas, al facilitar un modelo que mejora la eficiencia de las medidas destinadas a combatir la corrupción.

 

El tema de la corrupción es una preocupación global. El informe del 2016 que presentó la organización no gubernamental Transparencia Internacional (TI) muestra el alto índice de percepción de la corrupción en América Latina, donde solo 3 países se encuentran en el top 50 de 176 de los menos corruptos: Uruguay (21°), Chile (24°) y Costa Rica (41°).

 

El peor de América Latina sigue siendo Venezuela, que con apenas 17 puntos (de 100 posibles) se ubica 166° sobre 176 a nivel mundial. Apenas mejor están Haití (159°), Nicaragua (145°), Guatemala (136°), Honduras (123°), México (123°) y Paraguay (123°). El de México es un caso preocupante, porque bajó 5 lugares respecto al 2015. Fuente: www.transparency.org/cpi2016

 

¿Será el uso de redes neuronales la solución a la corrupción pública? Esperamos que sí.

 

Explora más artículos.

Sin categoría

Automatización: Captura de datos.

La automatización digital puede mover información casi instantáneamente, hasta que encuentra un documento. Es en ese momento, cuando el procesamiento manual de documentos reduce el ritmo de la velocidad digital a la analógica. Pero no podemos evitarlos. Los documentos transfieren información esencial entre personas tanto

Sin categoría

¿Cómo comenzar con la automatización?

¿Cómo comenzar con la automatización mediante herramientas RPA impulsadas por IA?    Se prevé que el mercado de RPA alcance los 10,600 millones de dólares estadounidenses en 2027. Así es como Horses for Sources (HfS) lio resumó en un estudio cualitativo de las empresas que se publicará próximamente

Oficinas

  • Edificio Altreca, Avenida San Jerónimo #300
  • Go offices (pendiente)
  • MTY +52 812 568 6867
  • CDMX +55 4161 0860​
  • contacto@akubica.com

Trabaja con nosotros

  • Bolsa de trabajo

Demos

  • IBM Watson
  • IBM BAW
  • Datacap
  • FileNet
  • ODM
  • RPA

Sectores

  • Retail & CPG
  • Manufactura
  • Sector Salud
  • Banca y Finanzas
  • MiFirma
  • Easycap