Enligt Världsbanken, korruptionsskandaler hämtar mer än 2 biljoner dollar per år från den globala ekonomin, gör korruption till en av de främsta orsakerna till långsam ekonomisk tillväxt och socioekonomisk ojämlikhet. Nu i en ny studie, Forskare har visat att det kan vara möjligt att förutse vem som kommer att spela en roll i framtida skandaler genom att modellera nuvarande skandaler med hjälp av nätverk. Resultaten kan ge ett verktyg för att upptäcka korruption och minska de höga kostnaderna för korruption för samhället.

Forskarna, ledd av Matjaž Perc vid universitetet i Maribor i Slovenien och Complexity Science Hub Wien i Österrike, tillsammans med Haroldo V. Ribeiro från University of Maringá och medförfattare från två andra universitet i Brasilien, har publicerat ett papper om deras analys av politisk korruption med hjälp av nätverksvetenskap i en ny utgåva av Journal of Complex Networks .

I sitt arbete, forskarna byggde upp ett dynamiskt nätverk av 27 års politiska korruptionsskandaler i Brasilien, och använde tidsserieanalys för att studera hur nätverket utvecklas under åren. Modellen involverar mer än 400 noder som representerar individer, tillsammans med länkar som förbinder individer som var inblandade i samma skandal, för totalt 65 väldokumenterade skandaler. Övergripande, resultaten visade att sådana nätverk avslöjar en hel del information om skandalernas krångligheter.

"Trots alla odds, gå emot den slöja av sekretess som omger korruption, och går emot de människor som gör sitt bästa för att förbli anonyma och oupptäckta, vi visar att tillämpning av metoder för nätverksvetenskap avslöjar kärnan i politiskt korrupt beteende, " berättade Perc Phys.org .

Bland resultaten är att politiska skandaler vanligtvis stiger och faller i takt med valcykler, att skandaler ofta involverar små grupper om 8 eller så personer (förmodligen för att mindre grupper är lättare att dölja), och att det är möjligt att identifiera individer som har spelat centrala roller i flera skandaler.

För att testa nätverkets prediktiva kraft, forskarna använde flera olika algoritmer för att förutsäga saknade länkar baserat på likheten mellan noder. De fann att de bästa algoritmerna har statistiskt signifikant prediktiv kraft, med mer än 25 % av de 10 förutsedda länkarna som kommer att dyka upp i framtida stadier av korruptionsnätverket.

"Vi visar empiriskt att korruption kokar ner till ett eget beteende i små grupper som existerar i hierarkiska småvärldsnätverk, ", sa Perc. "Vi observerar att antalet politiker inblandade i korruption ökar med en oscillerande våg som är kopplad till den fyraåriga valcykeln i Brasilien. Vi finner också att endast ett fåtal vällänkade individer dominerar en modulär nätverksstruktur, som ofta ändras plötsligt när regeringen ändrar sig. Och slutligen, vi visar att framtida "partners in crime" kan förutsägas korrekt baserat på korruptionsnätverkens dynamiska struktur. Kortfattat, vi visar att politiskt korrupt beteende ger bort nästan alla dess hemligheter när det analyseras i sfären av korruptionsnätverk."

I framtiden, forskarna planerar att tillämpa dessa tekniker på ett problem som de är alltför bekanta med:etiken kring forskningsfinansiering, särskilt i Slovenien.

"Den största utmaningen ligger i att få heltäckande och tillförlitlig data, ", sa Perc. "Vi kan därför titta på relativt överblickbara offentliga verksamheter i Slovenien, från statligt finansierad forskning till det nationella prissystemet, som tycks vara borta från gångjärnen de senaste åren. Dessa operationer misslyckas med att stödja kapabla unga människor i utbyte mot att de håller helt värdelösa men politiskt lojala individer och institutioner lyckliga. Förhoppningsvis, vår forskning kommer att hjälpa till med övergången till en hållbar och mer meritokratisk användning av offentliga forskningsmedel."

© 2018 Phys.org