Volgens de Wereldbank, corruptieschandalen zuigen meer dan $ 2 biljoen per jaar uit de wereldeconomie, corruptie tot een van de belangrijkste oorzaken van trage economische groei en sociaaleconomische ongelijkheid maken. Nu in een nieuwe studie, onderzoekers hebben aangetoond dat het mogelijk is om te voorspellen wie een rol zal spelen in toekomstige schandalen door huidige schandalen te modelleren met behulp van netwerken. De resultaten kunnen een hulpmiddel zijn om corruptiepraktijken op te sporen en de hoge kosten van corruptie voor de samenleving te verminderen.

De onderzoekers, geleid door Matjaž Perc aan de Universiteit van Maribor in Slovenië en de Complexity Science Hub Wenen in Oostenrijk, samen met Haroldo V. Ribeiro van de Universiteit van Maringá en co-auteurs van twee andere universiteiten in Brazilië, hebben een paper gepubliceerd over hun analyse van politieke corruptie met behulp van netwerkwetenschap in een recent nummer van de Tijdschrift voor complexe netwerken .

In hun werk, bouwden de onderzoekers een dynamisch netwerk van 27 jaar aan politieke corruptieschandalen in Brazilië, en gebruikte tijdreeksanalyse om te bestuderen hoe het netwerk door de jaren heen evolueert. Het model omvat meer dan 400 knooppunten die individuen vertegenwoordigen, samen met links die individuen verbinden die betrokken waren bij hetzelfde schandaal, voor in totaal 65 goed gedocumenteerde schandalen. Algemeen, de resultaten toonden aan dat dergelijke netwerken veel informatie onthullen over de fijne kneepjes van de schandalen.

"Ondanks alle kansen, tegen de sluier van geheimhouding in die corruptie omgeeft, en tegen de mensen ingaan die hun best doen om anoniem en onopgemerkt te blijven, laten we zien dat het toepassen van methoden van netwerkwetenschap de kern van politiek corrupt gedrag blootlegt, Perc vertelde Phys.org .

Een van de bevindingen is dat politieke schandalen doorgaans stijgen en dalen met de verkiezingscycli, dat bij schandalen vaak kleine groepen van ongeveer 8 mensen betrokken zijn (vermoedelijk omdat kleinere groepen gemakkelijker te verbergen zijn), en dat het mogelijk is om personen te identificeren die een centrale rol hebben gespeeld in meerdere schandalen.

Om de voorspellende kracht van het netwerk te testen, de onderzoekers pasten verschillende algoritmen toe om ontbrekende schakels te voorspellen op basis van de gelijkenis tussen knooppunten. Ze ontdekten dat de beste algoritmen een statistisch significant voorspellend vermogen hebben, met meer dan 25% van de top 10 voorspelde links die verschijnen in toekomstige stadia van het corruptienetwerk.

"We laten empirisch zien dat corruptie neerkomt op gedrag uit eigenbelang in kleine groepen die bestaan ​​in hiërarchische netwerken van kleine werelden, " Zei Perc. "We merken dat het aantal politici dat betrokken is bij corruptie toeneemt met een oscillerende golving die verband houdt met de vierjarige verkiezingscyclus in Brazilië. We vinden ook dat slechts een paar goed verbonden individuen een modulaire netwerkstructuur domineren, die vaak plotseling verandert als de regering verandert. En uiteindelijk, we laten zien dat toekomstige 'partners in crime' nauwkeurig kunnen worden voorspeld op basis van de dynamische structuur van corruptienetwerken. Kortom, we laten zien dat politiek corrupt gedrag bijna al zijn geheimen prijsgeeft wanneer het wordt geanalyseerd op het gebied van corruptienetwerken."

In de toekomst, de wetenschappers zijn van plan deze technieken toe te passen op een probleem dat ze maar al te goed kennen:de ethiek van onderzoeksfinanciering, vooral in Slovenië.

"De grootste uitdaging ligt in het verkrijgen van uitgebreide en betrouwbare gegevens, Perc zei. "We kunnen daarom kijken naar relatief overzienbare operaties in de publieke sector in Slovenië, van door de staat gefinancierd onderzoek tot het nationale beloningssysteem, die de laatste jaren uit de hand lijken te lopen. Deze operaties slagen er niet in om capabele jonge mensen te ondersteunen in ruil voor het tevreden houden van volkomen nutteloze maar politiek loyale individuen en instellingen. Hopelijk, ons onderzoek zal helpen bij de transitie naar een duurzame en meer meritocratische besteding van publieke onderzoeksgelden."

© 2018 Fys.org