Использование искусственного интеллекта в вопросах выявления и противодействия коррупции: обзор международного опыта
Ключевые слова:
Коррупция, искусственный интеллект, машинное обучение, выявление коррупции, международный опыт, методы борьбы с коррупцией, тенденции использования искусственного интеллектаАннотация
В статье авторы на основе ряда зарубежных эмпирических исследований по использованию искусственного интеллекта и машинного обучения выделяют ряд особенностей в вопросах выявления и противодействия коррупции и приходят к заключению о том, что освещаемые в зарубежных источниках механизмы коррупционного мониторинга, основанные на использовании передовых информационных технологий и алгоритмах, обладают разной потенциальной эффективностью и не всегда релевантно интерпретируются. По мнению авторов, наиболее перспективным применением из представленных интеллектуальных систем в сфере выявления коррупции является их использование для обнаружения латентных взаимосвязей и вычисления сговоров (картелей) в системе государственных закупок, электронных торгах, организуемых компаниями, обеспечения прозрачности государственных процедур (электронно-цифровых услуг). Анализ ряда статей об использовании искусственного интеллекта для создания визуализированных карт на основе учета количества публикаций по коррупционной тематике в средствах массовой информации (СМИ) в различных территориальных образованиях позволил сделать вывод о недостаточной информативности предложенного инструмента для сопоставительной оценки реального уровня коррупции. Авторы обращают внимание на то, что большое количество подобных публикаций может быть обусловлено не только возросшим уровнем коррупции в данной локации. Необходимо учитывать влияние таких факторов, как рост антикоррупционной активности публичной власти и гражданского общества, возможная необъективность точек зрения некоторых журналистов, недостаточная компетентность некоторых СМИ по проблемам борьбы с коррупцией, использование в публикациях недостоверной информации. Данные карты скорее наглядно иллюстрируют как уровень интереса общества и СМИ к проблеме борьбы с коррупцией, так и интенсивность борьбы с коррупцией, активность гражданского контроля со стороны СМИ.
Библиографические ссылки
Попов Е.В., Семячков К.А. Проблемы экономической безопасности цифрового обществав условиях глобализации // региона. 2018. Т. 14. Вып. 4. С. 1088–1101. DOI: 10.17059/2018-4-3.
Adam I., Fazekas M. Are Emerging Technologies Helping Win the Fight against Corruption in Developing Countries? // Pathways for Prosperity Commission Background Paper Series. 2018. No. 21. DOI: http://dx.doi.org/10.13140/RG.2.2.17930.52162.
Berru Y.T., Batista V.F.L., Torres-Carrión P., Jimenez M.G. Artificial Intelligence Techniques to Detect and Prevent Corruption in Procurement: A Systematic Literature Review // Communications in Computer and Information Science. 2020. Vol. 1194. P. 254–268. DOI: https://doi.org/10.1007/978-3-030-42520-3.
Goel R., Nelson M., Naretta M. The Internet as an Indicator of Corruption Awareness // European Journal of Political Economy. 2012. Vol. 28. Is. 1. P. 64–75. DOI: https://doi.org/10.1016/j.ejpoleco.2011.08.003.
Hlatshwayo S., Oeking A., Ghazanshyan M., Corvino D., Shukla A., Leigh L.Y. The Measurement and Macro-Relevance of Corruption: A Big Data Approach // International Monetary Fund Working Papers WP/18/195. 2018. DOI: http://dx.doi.org/10.5089/9781484373095.001.
Lima M., Delen D. Predicting and Explaining Corruption across Countries: A Machine Learning Approach // Government Information Quarterly. 2019. Vol. 37. Is. 1.DOI: https://doi.org/10.1016/j.giq.2019.101407.
Lio M.-Ch., Liu M.-Ch., Ou Y.-P. (2011) Can the Internet Reduce Corruption? A Cross-Country Study Based on Dynamic Panel Data Models // Government Information Quarterly. 2011. Vol. 28. Is. 1. Р. 47–53. DOI: https://doi.org/10.1016/j.giq.2010.01.005.
López-Iturriaga F.J., Sanz I.P. Predicting Public Corruption with Neural Networks: An Analysis of Spanish Provinces // Social Indicators Research. 2018. Vol. 140. No. 3. P. 975–998. DOI: 10.1007/s11205-017-1802-2.
Noerlina R.D., Mursitama T., Fairianti Sh., Kristin D., Sasmoko S., Muqsith A., Krishti N., Makalew B. Development of a Web Based Corruption Case Mapping Using Machine Learning with Artificial Neural Network // 2018 International Conference on Information Management and Technology (ICIMTech). 2018. P. 400–405. DOI: 10.1109/ICIMTECH.2018.8528150.
Ralha C., Silva C.A Multi-Agent Data Mining System for Cartel Detection in Brazilian Government Procurement // Expert Systems with Applications. 2012. Vol. 39. Is. 14. Р. 11642–11656. DOI: https://doi.org/10.1016/j.eswa.2012.04.037.
Загрузки
Опубликован
Как цитировать
Похожие статьи
- Ефимова Екатерина Андреевна, Формирование новейших отраслей экономики: мировые тенденции и положение в России , Государственное управление. Электронный вестник: № 98 (2023)
- Лактаева Надежда Евгеньевна, Купцова Ирина Валентиновна, Перспективы использования концепции экономики счастья в оценке социально-экономического развития макрорегиона , Государственное управление. Электронный вестник: № 101 (2023)
- Кичигин Олег Эмильевич, К вопросу о классификации институциональной ренты как социально-экономической категории рентных отношений: методологический аспект , Государственное управление. Электронный вестник: № 107 (2024)
- Молчанов Игорь Николаевич, Молчанова Наталья Петровна, Государственное финансовое регулирование в период усиления глобальной нестабильности , Государственное управление. Электронный вестник: № 85 (2021)
- Ведута Елена Николаевна, Ерицян Григор Артурович, Кибернетическое планирование в системе обеспечения экологической и экономической безопасности , Государственное управление. Электронный вестник: № 99 (2023)
- Батоврина Екатерина Викторовна, Черняева Галина Владимировна, Тренинговые инструменты в современной HR-аналитике , Государственное управление. Электронный вестник: № 97 (2023)
- Петрунин Юрий Юрьевич, Коллизии методологии и эпистемологии в науке о данных , Государственное управление. Электронный вестник: № 107 (2024)
- Щербаков Артем Сергеевич, Преимущества фактической модели оценки человеческого капитала в целях государственного управления , Государственное управление. Электронный вестник: № 98 (2023)
- Коновалов Максим Анатольевич, Преимущества использования цифровых технологий при подборе персонала , Государственное управление. Электронный вестник: № 94 (2022)
- Панова Екатерина Александровна, Андрюшина Евгения Владимировна, Социально-трудовые конфликты в современном российском обществе , Государственное управление. Электронный вестник: № 97 (2023)
Вы также можете начать расширеннвй поиск похожих статей для этой статьи.