Investigadores de la Universidad de Valladolid han creado un modelo computacional basado en redes neuronales que prevé en qué provincias españolas pueden aparecer casos de corrupción con mayor probabilidad, así como las condiciones que favorecen su aparición. Este sistema de alerta confirma que las posibilidades aumentan cuando el Gobierno de un mismo partido permanece más años en el poder.
Dos investigadores de la Universidad de Valladolid han desarrollado un modelo con redes neuronales artificiales para predecir en qué provincias españolas podrían aparecer casos de corrupción con más probabilidad, a uno, dos y hasta tres años vista.
El estudio, publicado en la revista Social Indicators Research, no menciona las provincias más propensas a la corrupción para no generar polémica, según explica a Sinc uno de los autores, Iván Pastor, quien recuerda que, en cualquier caso, “una mayor propensión o alta probabilidad no implica que efectivamente vaya a ocurrir”.
Los datos indican que el impuesto de bienes inmuebles, el incremento exagerado en el precio de la vivienda, la apertura de oficinas bancarias y la nueva creación de empresas son algunas de las variables que parecen inducir a la corrupción pública, y cuando se suman en una región conviene tenerlo en cuenta para realizar un control más riguroso de las cuentas públicas.
“Además, como podría esperarse, nuestro modelo confirma que el aumento del número de años en el Gobierno del mismo partido político incrementa las posibilidades de que exista corrupción, independientemente de si gobierna o no en mayoría”, apunta Pastor.
Una predicción más optimista para los próximos años
“De todas formas, afortunadamente –añade–, para los próximos años este sistema de alerta predice menores indicios de corrupción en nuestro país. Esto se debe fundamentalmente a la mayor presión pública sobre este tema y a que la situación económica ha empeorado notablemente durante los años de la crisis”.
Para realizar el estudio, los autores se han basado en todos los casos de corrupción que aparecieron en España entre el año 2000 y el 2012, como el caso Mercasevilla (en el que fueron imputados los gestores de esta empresa pública del Ayuntamiento de Sevilla) y el caso Baltar (donde el presidente de la Diputación de Ourense fue sentenciado por más de un centenar de contrataciones “que no siguieron los cauces legales”).
La recopilación y análisis de toda esta información se ha realizado con las redes neuronales, que muestran los factores más predictivos de la corrupción. “Es novedoso tanto el uso de esta técnica de inteligencia artificial, como el de una base de datos con casos reales, ya que hasta ahora se empleaban índices de percepción de la corrupción, unas puntuaciones más o menos subjetivas asignadas a cada país por agencias como Transparencia Internacional, que se basan en encuestas a empresarios y analistas nacionales”, destaca Pastor.
Los autores esperan que este estudio contribuya a dirigir mejor los esfuerzos para acabar con la corrupción, enfocándolos hacia aquellas zonas con mayor propensión a que aparezca, además de seguir avanzando para trasladar su modelo a escala internacional.
Referencia bibliográfica:
Félix J. López-Iturriaga e Iván Pastor Sanz. “Predicting Public Corruption with Neural Networks: An Analysis of Spanish Provinces”. Social Indicators Research, noviembre de 2017.
Solo para medios:
Si eres periodista y quieres el contacto con los investigadores, regístrate en SINC como periodista.
Un equipo de investigadores del Instituto INGENIO (CSIC-UPV) y la Universidad de Oslo han analizado un total de 103 regiones europeas y ha concluido que aunque en general la desigualdad parece disminuir al aumentar las habilidades digitales de la población, si se analiza por grupos concretos, esta disminución solo se da entre las clases media y alta.
El crecimiento económico suele considerarse una forma segura de aumentar el bienestar de las personas en los países menos desarrollados. Sin embargo, un estudio dirigido por la Universidad Autónoma de Barcelona y la Universidad McGill de Canadá sugiere que existen buenas razones para cuestionar esta suposición.
