Un modelo desarrollado en Brasil logra prever condenas por corrupción entre diputados

Científicos de la Universidad de São Paulo evaluaron las probabilidades de que un parlamentario sea condenado por corrupción u otros delitos financieros en el futuro con base en el análisis de la similitud entre el historial de votos de los legisladores con pares ya condenados

Por Maria Fernanda Ziegler  |  Agência FAPESP – Dime con quién andas y te diré quién eres. El dicho popular sirve para la política y también para el análisis de redes complejas en el ámbito de la ciencia de la computación. Tan es así que un estudio a cargo de investigadores de la Universidad de São Paulo, en Brasil, demostró que es posible predecir si un diputado está involucrado en corrupción con base en el análisis de su cercanía en las votaciones con otros miembros de la Cámara Baja del país. 

En dicho trabajo, publicado en la revista Corruption Network, los investigadores analizaron el historial y la consonancia de votación de 2.455 legisladores que pasaron por la Cámara de Diputados de Brasil entre los años de 1991 y 2019, en un total de 3.407 sesiones de votaciones referentes a los más variados temas y proyectos. El estudio apuntó la posible existencia de un patrón entre el historial de votaciones y las condenas por corrupción u otros delitos financieros entre los parlamentarios.
 
“Lo sorprendente del estudio es que para obtener esta correlación no fue necesario utilizar ningún dato del Poder Judicial. Echamos mano únicamente de los datos del historial de votaciones de los diputados para crear una red que mostrase aquello a lo que denominamos ‘vecindad de votación’, es decir, cómo votan los diputados y con quiénes votan. De este modo, de acuerdo con el modelo que elaboramos, fue posible prever si un diputado es corrupto o no con un 90 % de precisión”, explica Tiago Colliri, autor del estudio.
 
El desarrollo del análisis se concretó durante el doctorado de Colliri en el Departamento de Ciencias de la Computación de la USP en la localidad paulista de São Carlos, con beca del Consejo Nacional de Desarrollo Científico y Tecnológico (CNPq) de Brasil. El trabajo cuenta con el apoyo de la FAPESP en el marco de un Proyecto Temático y también del Centro de Investigaciones en Ingeniería de Inteligencia Artificial (C4AI), una asociación entre la FAPESP e IBM. 

Los estudios de análisis de redes complejas, como el que desarrolló un modelo predictor de corrupción con un 90 % de precisión, se han mostrado como buenas formas de analizar datos en política. Este tipo de abordaje, inicialmente aplicado para analizar cuestiones tales como redes biológicas neurales y la cadena alimentaria, también ha sido aplicado al análisis de datos referente a delitos, como en la correlación entre el capital social y el riesgo de corrupción en contratos de gobiernos locales y en la detección de eslabones perdidos entre los miembros de una mafia italiana, por ejemplo.

“Para entender mejor este tipo de abordajes, es necesario tener en mente que las redes complejas son grafos a gran escala y con un patrón de conexión nada trivial. “Una de las principales características de las redes complejas es el modelado de diversos tipos de relaciones entre los vértices (o diputados, en nuestro caso) en una sola red, tales como relaciones locales, intermedias y globales. Esta característica es deseable en el contexto del descubrimiento de la relación entre los diputados y sus votos. Por este motivo, este método exhibe una alta precisión de predicción”, explica Zhao Liang, docente del Departamento de Computación y Matemática de la Facultad de Filosofía, Ciencias y Letras de Ribeirão Preto de la USP y autor del estudio.
 
Votos en consonancia
 
Tras crear la red con el historial de votos de casi 2.500 diputados nacionales, los investigadores observaron que algunos condenados por corrupción ya famosos poseían un historial de votos similar a otros diputados. “En este tipo de estudio de redes, tenemos los nodos, que en este caso eran los diputados, y las aristas, la conexión entre un diputado y otro por consonancia de votos”, explica Colliri. 
 
De acuerdo con los investigadores, existía un patrón en la red. “Los diputados que fueron condenados y aparecieron en los periódicos exhibían una proximidad de votos entre ellos. Existía una consonancia de votos en su historial de votaciones”, afirma.
 
Para confirmar este patrón, los investigadores montaron otra base de datos para ver qué diputados ya habían sido oficialmente condenados por corrupción, mediante la averiguación en fuentes como el sitio web del Supremo Tribunal Federal (STF), la suprema corte brasileña, por ejemplo. 
 
“Con esa base de datos secundaria, verificamos la existencia de 33 condenados. Y estaban nítidamente agrupados en la red: no se encontraban dispersos. Formaban un patrón al que denominamos ‘vecindades de corrupción’. Basados en este mapeo, efectuamos pruebas con algunos algoritmos de predicción de enlaces, que se basan a su vez en vecinos en común. Estos algoritmos son capaces de prever qué diputado es corrupto o no con un 90 % de certeza”, dice. 

Uno de los despliegues del estudio consiste en que muestra que el monitoreo de la corrupción en la Cámara Baja de Brasil puede concretarse de manera más sencilla. “Descubrimos que los diputados corruptos votaron de manera parecida en nuestro parlamento. Esto vuelve más simple la obtención de un modelo predictor y, como consecuencia de ello, facilita sobremanera el monitoreo. Es mucho más sencillo analizar estos datos que buscar datos judiciales, leer expedientes, seguir las noticias en los diarios o incluso verificar parentescos”, explica Zhao Liang. 
 
Puede leerse el artículo intitulado Predicting Corruption Convictions Among Brazilian Representatives Through a Voting-History Based Network (doi: 10.1007/978-3-030-81484-7_4) de Tiago Colliri y Liang Zhao en el siguiente enlace: link.springer.com/chapter/10.1007/978-3-030-81484-7_4.