Вештачката интелигенција открива кои ставови најмногу укажуваат на склоност кон корупција кај јавните службеници
Истражувачи од Виенскиот универзитет за економија и бизнис, со помош на вештачка интелигенција, анализирале кои фактори најмногу ја предвидуваат склоноста кон корупција кај јавните службеници низ светот. Според резултатите, личните ставови кон демократијата, конкуренцијата и лидерството се поважни показатели од образованието или приходите.
Досегашните истражувања за причините за корупцијата најчесто се фокусирале на институционални, демографски и културни фактори, како и на разликите меѓу државите. Но, прашањето колку индивидуалните вредности и ставови влијаат врз подготвеноста на државните службеници да оправдаат коруптивно однесување досега ретко било систематски анализирано.
Истражувачите Мориц Шмид и Јирген Вилемс од Виенскиот универзитет за економија испитувале во која мера склоноста кон корупција може да се предвиди врз основа на личните ставови на службениците и кои фактори имаат најголемо влијание.
„Нашите резултати ја доведуваат во прашање широко распространетата претпоставка дека приходите или образованието се најдобрите показатели за склоност кон корупција. Наместо тоа, најважни се вредностите и ставовите“, вели Мориц Шмид од Институтот за јавен менаџмент и управување.
Особено значајно е што, според анализата, силната ориентација кон демократски вредности е поврзана со помала склоност кон корупција.
Истражувањето се заснова на податоци од 18.000 јавни службеници од 90 земји, кои одговарале на прашања поврзани со културни вредности и ставови за семејството, религијата, општествената толеранција и довербата во институциите.
Податоците не се однесуваат на реални случаи на корупција, туку на ставовите на испитаниците за тоа дали сметаат дека се оправдани практики како давање мито, затајување данок или незаконско користење државни бенефиции.
„Коруптивното однесување е многу тешко да се набљудува на индивидуално ниво. Затоа ги користиме ставовите како мерлив показател за склоност кон корупција“, објаснува Шмид.
Покрај класичните регресивни модели, истражувачкиот тим применил и повеќе методи на објасниво машинско учење. Овие модели не само што овозможиле поголема прецизност во предвидувањето, туку и систематско споредување на значењето на повеќе од 100 потенцијални фактори што можат да влијаат врз склоноста кон корупција кај јавните службеници.
