Vještačka inteligencija može da otkrije ko je među državnim službenicima sklon korupciji

Istraživači sa Bečkog univerziteta za ekonomiju i poslovanje (Wirtschaftsuniversität Wien – WU) analizirali su, uz pomoć vještačke inteligencije, sklonost državnih službenika ka korupciji širom svijeta. Rezultati pokazuju da su individualni stavovi prema demokratiji, konkurenciji i liderstvu značajniji pokazatelji od obrazovanja ili prihoda, saopštila je Kancelarija Grada Beča u Beogradu.

Istraživači sa Bečkog univerziteta za ekonomiju, Moric Šmid i Jurgen Vilems, su uz pomoć vještačke inteligencije ispitali u kojoj mjeri se sklonost državnih službenika ka korupciji može predvidjeti na osnovu njihovih ličnih stavova i koji su faktori pri tome najvažniji.

- Naši rezultati dovode u pitanje široko rasprostranjenu pretpostavku: sklonost državnih službenika ka korupciji ne predviđaju najbolje prihodi ili obrazovanje, već njihove vrijednosti i stavovi - kaže Moric Šmid sa Instituta za javni menadžment i upravljanje. Posebno se pokazalo da je snažna orijentacija ka demokratskim vrijednostima povezana sa manjom sklonošću ka korupciji.

Rezultati se zasnivaju na podacima prikupljenim od 18.000 državnih službenika iz 90 zemalja o njihovim kulturnim vrijednostima i stavovima prema temama kao što su porodica, religija, društvena tolerancija i povjerenje u institucije. Korišćeni podaci ne prikazuju stvarne slučajeve korupcije. Umjesto toga, sklonost ka korupciji procjenjuje se na osnovu stavova ispitanika o opravdanosti davanja mita, utaje poreza i nezakonitog ostvarivanja prava na državne beneficije.

- Koruptivno ponašanje je veoma teško posmatrati na individualnom nivou. Zato koristimo stavove kao mjerljiv pokazatelj sklonosti ka korupciji - kaže Šmid.

Osim klasičnih regresionih modela, istraživački tim primijenio je više metoda objašnjivog mašinskog učenja kako bi predvidio sklonost državnih službenika ka korupciji. Ovi modeli ne samo da su ostvarili veću preciznost u predviđanju, već su omogućili i sistematsko poređenje značaja više od 100 potencijalnih faktora uticaja.