Acceso usuarios
La contratación pública es particularmente vulnerable a la corrupción, lo que plantea desafíos significativos para la gestión pública. A nivel mundial, los gobiernos han implementado iniciativas de datos abiertos con el objetivo de promover la transparencia y fortalecer la integridad en la gestión de los recursos públicos. Sin embargo, el éxito de estas iniciativas depende en gran medida de la capacidad para analizar los datos disponibles y detectar patrones que puedan señalar riesgos de corrupción. Este estudio presenta el desarrollo y la evaluación de modelos de aprendizaje automático orientados a analizar y predecir el riesgo de corrupción en procesos de contratación pública. Para ello, se utilizaron datos abiertos de contratación en hospitales públicos colombianos entre 2014 y 2019. Como variable de riesgo, se empleó el porcentaje de contratación directa, ampliamente reconocido como un indicador de posibles irregularidades. Se implementaron y compararon tres algoritmos de aprendizaje automático: Árboles de Decisión, Random Forest y Gradient Boosting. Los resultados evidenciaron un desempeño aceptable, con niveles de exactitud entre el 46% y el 59% y un área bajo la curva ROC que oscila entre el 0.56 y el 0.72.
Public procurement is particularly vulnerable to corruption, posing significant challenges to public administration. Globally, governments have implemented open data initiatives to promote transparency and strengthen resource management’s integrity. However, the success of these initiatives largely depends on the ability to analyze available data and identify patterns that may indicate corruption risks. This study presents the development and evaluation of machine learning models designed to analyze and predict the risk of corruption in public procurement processes. For this purpose, open procurement data from Colombian public hospitals between 2014 and 2019 were used. The percentage of direct contracting, widely recognized as an indicator of potential irregularities, was employed as the risk variable. Three machine learning algorithms were implemented and compared: Decision Trees, Random Forest, and Gradient Boosting. The results demonstrated acceptable performance, with accuracy levels ranging from 46% to 59% and an area under the ROC curve between 0.56 and 0.72.
