8 variables para predecir la corrupción mediante inteligencia artificial

Iván Pastor Sánz y Félix J. López-Iturriaga son dos investigadores de la Universidad de Valladolid que han usado redes neuronales para predecir la posibilidad de casos de corrupción. 

Su trabajo ha sido publicado recientemente en la revista científica Social Indicators Research. Aunque "para no meterse en líos políticos" —como han indicado a Business Insider—, han preferido no mostrar sus resultados de corrupción política por provincias, ni asociados a partidos políticos. 

Como indican en su estudio, el número de casos de corrupción está directamente relacionado con la actividad económica en una región. También influyen de manera directa el número de políticos presentes en esa zona. 

Al igual que se hace en la mayoría de los estudios de carácter demográfico, en este miden la corrupción en función del número de casos detectados de corrupción por cada 100.000 habitantes. Para indexar todos los acaecidos en España entre 2000 y 2012 usaron un mapa de la corrupción política publicado por elmundo.es en 2014, además del número de condenas por estos delitos. 

El marco temporal de este fenómeno es complejo, así que utilizan previsiones a 1, 2  y 3 años vista. "Nuestro modelo sería capaz de detectar el 84,30% de los casos de corrupción en un horizonte temporal de 3 años, el 75% en un horizonte de 2 años y un 74,17% a 1 año", asegura Ivan Pastor a Business Insider. 

Lo curioso, prosigue, "es que en modelos de predicción es más sencillo que salga al revés, cuanto más cerca es el horizonte temporal de la predicción, mejor se acierta". El investigador tiene una explicación para este fenómeno: "esto se debe a que la corrupción puede detectarse en 3 años pero realmente el hecho se llevará produciendo durante más tiempo, por eso a corto plazo es más difícil de acertar".

Estas son las ocho variables que su método emplea para detectar la corrupción con inteligencia artificial, interpretadas por el autor principal del estudio. 

Por: Vicente Cano