Politiske korruptionskandaler kan forudsiges af netværksvidenskab

Ifølge Verdensbanken, korruptionskandaler hæver mere end $ 2 billioner om året fra den globale økonomi, at gøre korruption til en af ​​hovedårsagerne til langsom økonomisk vækst og socioøkonomisk ulighed. Nu i en ny undersøgelse, forskere har demonstreret, at det kan være muligt at forudsige, hvem der vil spille en rolle i fremtidige skandaler ved at modellere aktuelle skandaler ved hjælp af netværk. Resultaterne kan være et værktøj til at opdage korrupt praksis og reducere de høje omkostninger ved korruption for samfundet.

Forskerne, ledet af Matjaž Perc ved University of Maribor i Slovenien og Complexity Science Hub Wien i Østrig, sammen med Haroldo V. Ribeiro fra University of Maringá og medforfattere fra to andre universiteter i Brasilien, har offentliggjort et papir om deres analyse af politisk korruption ved hjælp af netværksvidenskab i et nyligt nummer af Journal of Complex Networks .

I deres arbejde, forskerne konstruerede et dynamisk netværk med 27 års værdier af politiske korruptionskandaler i Brasilien, og brugte tidsserieanalyser til at studere, hvordan netværket udvikler sig gennem årene. Modellen involverer mere end 400 noder, der repræsenterer individer, sammen med links, der forbinder personer, der var involveret i den samme skandale, for i alt 65 veldokumenterede skandaler. Samlet set, resultaterne viste, at sådanne netværk afslører en masse information om skandalernes finurligheder.

"På trods af alle odds, går imod hemmeligholdelsens slør, der omgiver korruption, og går imod de mennesker, der gør deres bedste for at forblive anonyme og uopdagede, vi viser, at anvendelse af netværksvidenskabelige metoder afdækker kernen i politisk korrupt adfærd, "Fortalte Perc Phys.org .

Blandt fundene er, at politiske skandaler typisk stiger og falder i takt med valgcyklusser, at skandaler ofte involverer små grupper på 8 eller deromkring (formodentlig fordi mindre grupper er lettere at skjule), og at det er muligt at identificere personer, der har spillet centrale roller i flere skandaler.

For at teste netværkets forudsigelseskraft, forskerne anvendte flere forskellige algoritmer til at forudsige manglende links baseret på ligheden mellem noder. De fandt ud af, at de bedste algoritmer har statistisk signifikant forudsigelseskraft, med mere end 25% af de top 10 forudsagte links, der vises i fremtidige faser af korruptionsnetværket.

"Vi viser empirisk, at korruption bunder i egeninteresseret adfærd i små grupper, der findes i hierarkiske småverdenenetværk, "Perc sagde." Vi observerer, at antallet af politikere, der er involveret i korruption, stiger med en oscillerende bølge, der er knyttet til den fireårige valgcyklus i Brasilien. Vi finder også, at kun få velkædede individer dominerer en modulær netværksstruktur, som ofte pludselig ændrer sig, efterhånden som regeringen skifter. Og i sidste ende, vi viser, at fremtidige 'partnere i kriminalitet' kan forudsiges præcist baseret på den dynamiske struktur i korruptionsnetværk. Kort sagt, vi viser, at politisk korrupt adfærd giver næsten alle dens hemmeligheder væk, når den analyseres inden for korruptionsnetværk. "

I fremtiden, forskerne planlægger at anvende disse teknikker på et problem, som de alt for godt kender til:forskningsmidlernes etik, især i Slovenien.

"Den største udfordring ligger i at indhente omfattende og pålidelige data, "Sagde Perc." Vi kan derfor derefter se på relativt overskuelige operationer i den offentlige sektor i Slovenien, fra statsfinansieret forskning til det nationale tildelingssystem, som synes at være ude af deres hængsler i de seneste år. Disse operationer understøtter ikke dygtige unge i bytte for at holde aldeles ubrugelige men politisk loyale individer og institutioner lykkelige. Forhåbentlig, vores forskning vil hjælpe med overgangen til et bæredygtigt og mere meritokratisk forbrug af offentlige forskningsmidler. "

© 2018 Phys.org