Inteligencia artificial para detectar corrupción en la administración pública municipal de Colombia

Esta investigación busca evaluar el uso de algoritmos de aprendizaje de máquinas en la detección temprana de actos de corrupción en la administración pública municipal de Colombia. Esto se desarrolla a partir de dos enfoques: (i) una evaluación de algoritmos de aprendizaje supervisado para la predicción directa de variables relacionadas con la corrupción y, (ii) una evaluación de aprendizaje no supervisado para la segmentación de riesgo relativo de corrupción. Los resultados indican que, pese a que se obtienen resultados satisfactorios en la evaluación de aprendizaje supervisado, el aprendizaje no supervisado se perfila como la herramienta más útil para la detección temprana de corrupción municipal en Colombia. A partir de estos hallazgos, se crea un Índice de Riesgo Relativo de Corrupción Municipal para el periodo 2020-2023. Este índice busca servir a los organismos de control en la la focalización de sus esfuerzos de investigación y prevención de la corrupción.

• Autores: Mojica Muñoz, Kevin Steven
• Tipo de recurso: Work document
• Fecha de publicación: 2021
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/50541
• Acceso en línea: http://hdl.handle.net/1992/50541
• Palabra clave: Corrupción; Aprendizaje de máquinas; Administración pública; D73, D83, C63, H70
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/