Alfavita Newsroom Σύμφωνα με την Παγκόσμια Τράπεζα τα σκάνδαλα διαφθοράς μεταγγίζουν περισσότερα από 2 τρισεκατομμύρια δολάρια από την παγκόσμια οικονομία, καθιστώντας την διαφθορά μια από τις κύριες αιτίες της επιβράδυνσης της οικονομικής ανάπτυξης και κοινωνικο-οικονομικής ανισότητας. Τώρα σε μια νέα μελέτη, ερευνητές έχουν δείξει ότι ίσως είναι δυνατό να προβλεφθεί ποιος θα παίξει ρόλο σε μελλοντικά σκάνδαλα με μοντελοποίηση των τρεχουσών σκανδάλων χρησιμοποιώντας τα δίκτυα. Τα αποτελέσματα μπορεί να αποδώσουν ένα εργαλείο για την ανίχνευση πρακτικών διαφθοράς και για τη μείωση του υψηλού κόστους της διαφθοράς στην κοινωνία.
Ερευνητές, υπό την ηγεσία του Matjaž Perc στο Πανεπιστήμιο του Maribor στη Σλοβενία και το Κέντρο Επιστήμης της Πολυπλότητας στη Βιέννη, στην Αυστρία, μαζί με τον Haroldo V. Ribeiro, από το Πανεπιστήμιο της Maringá (στη Βραζιλία) και συνεργάτες-συγγραφείς από άλλα δυο πανεπιστήμια της Βραζιλίας, δημοσίευσαν μελέτη της ανάλυσης της πολιτικής διαφθοράς χρησιμοποιώντας επιστήμη του δικτύου στο πρόσφατο τεύχος του Journal of Complex Networks.
Στην εργασία τους, οι ερευνητές κατασκεύασαν ένα δυναμικό δίκτυο των, 27 χρόνων, σκανδάλων πολιτικής διαφθοράς στην Βραζιλία και χρησιμοποίησαν ανάλυση χρονοσειρών για να μελετήσουν πώς εξελίσσεται το δίκτυο κατά τη πορεία των χρόνων. Το μοντέλο περιλαμβάνει περισσότερους από 400 κόμβους που αναπαριστούν άτομα, μαζί με συνδέσμους που συνδέουν τα άτομα που ενεπλάκησαν στα ίδια σκάνδαλα, για ένα σύνολο 65 καλά τεκμηριωμένων σκανδάλων. Συνολικά, τα αποτελέσματα έδειξαν ότι τέτοια δίκτυα αποκαλύπτουν μια πληθώρα πληροφοριών σχετικά με την περιπλοκή των σκανδάλων.
Πολύπλοκο δίκτυο ατόμων που ενεπλάκησαν σε σκάνδαλα διαφθοράς στη Βραζιλία από το 1987 μέχρι το 2014. Κάθε κορυφή αναπαριστάνει ένα άτομο και τα όρια μεταξύ των κορυφών δείχνουν ότι και τα δυο άτομα συμμετείχαν στο ίδιο σκάνδαλο διαφθοράς. (Credit: Ribeiro et al. 2018 Journal of Complex Networks)
Σύμφωνα με τους ερευνητές αυτό που παρατηρήθηκε είναι ότι εφαρμόζοντας τις μεθόδους της Επιστήμης του Δικτύων αποκαλύπτεται η κεντρική τάση της συμπεριφοράς του πολιτικά διεφθαρμένου. Μεταξύ των ευρημάτων είναι ότι τα πολιτικά σκάνδαλα τυπικά έχουν άνοδο και πτώση σε χρόνο που σχετίζεται με τους εκλογικούς κύκλους, ότι τα σκάνδαλα συνήθως εμπλέκουν μικρές ομάδες των 8 προσώπων κατά προσέγγιση (μάλλον επειδή οι μικρότερες ομάδες είναι ευκολότερο να κρυφτούν) και ότι είναι δυνατό να προσδιοριστούν τα άτομα που έχουν παίξει κεντρικούς ρόλους σε πολλαπλά σκάνδαλα.
Για να ελέγξουν την προβλεπτική ισχύ του δικτύου, ο ερευνητές εφάρμοσαν διάφορους αλγορίθμους για να προβλέψουν ελλείποντες συνδέσμους με βάση την ομοιότητα μεταξύ των κόμβων. Βρήκαν ότι οι καλύτεροι αλγόριθμοι έχουν στατιστικά σημαντική προβλεπτική ισχύ, με περισσότερο από 25% των 10 κορυφαίων συνδέσμων που προβλέφθηκαν να εμφανίζονται σε μελλοντικά στάδια του δικτύου διαφθοράς.
Όπως αναφέρεται από τον επικεφαλής της έρευνας πέρα από την ύπαρξη λειτουργία των μικρών ομάδων, παρατηρήθηκε ότι ο αριθμός των πολιτικών που εμπλέκονταν σε διαφθορά αυξάνεται με μια ταλαντευόμενη διακύμανση που συνδέεται με τον τετραετή εκλογικό κύκλο της Βραζιλίας. Η αρθρωτά διαμορφωμένη δικτυακή δομή, των λίγων συνδεδεμένων ατόμων, παρουσιάζεται να αλλάζει ξαφνικά καθώς αλλάζει η κυβέρνηση, ενώ μελλοντικοί «συνεργάτες στο έγκλημα» μπορούν να προβλεφτούν ακριβώς, με βάση της δυναμικής δομής του δικτύου διαφθοράς. Φαίνεται πως η έρευνα δείχνει ότι η συμπεριφορά πολιτικής διαφθοράς «προδίδει» όλα τα μυστικά της όταν αναλύεται στο πλαίσιο των δικτύων διαφθοράς.
Στο μέλλον ο επιστήμονες σχεδιάζουν να εφαρμόσουν τις τεχνικές αυτές για ένα πρόβλημα με το οποίο όλοι τους είναι τόσο εξοικειωμένοι: με τη δεοντολογία της χρηματοδότησης της έρευνας, ιδίως στην Σλοβενία.
Πηγή: Phys.org μέσω egno.gr
Περισσότερα στη (προ)δημοσίευση: The dynamical structure of political corruption networks. arXiv. (Υποβλήθηκε στις 5 Ιανουαρίου 2018)
Όλες οι σημαντικές ειδήσεις
Πίνακες εκπαιδευτικών: Οι καλύτερες ώρες για την αίτηση στο ΑΣΕΠ
Προκηρύξεις εκπαιδευτικών 2026: Πώς θα δεις πρώτος τους πίνακες μέσω google
