Predicción de datos de corrupción de Transparencia Internacional mediante Papeles de Panamá vía I.A.: Análisis de corrupción usando datos de TI y PP

La corrupción es una lacra presente a nivel global, que adquirió más protagonismo a raíz de los escándalos que aparecieron durante lo peor de la crisis económica del 2008 y ya se ha consolidado en Occidente como una de las mayores preocupaciones para los ciudadanos. Este Trabajo de Fin de Grado comprende un estudio y análisis de los niveles de corrupción de cada país usando un conjunto de datos subjetivo, las encuestas de Transparencia Internacional sobre la percepción ciudadana de corrupción y otro objetivo (Papeles de Panamá). Por tanto, el marco temporal del estudio corresponde a los años 2002 hasta 2015, ya que fue en 2016 cuando se publicaron los Papeles de Panamá (PP), una filtración masiva de información que afectó al bufete de abogados Mosseck Fonseca, que se dedicaba principalmente a la creación de sociedades pantalla para permitir a sus clientes la evasión de impuestos o el blanqueo de capitales. Para ello, se utilizan algoritmos de aprendizaje automático, en concreto de aprendizaje supervisado, para generalizar a partir de datos de PP la clasificación de cada país usando datos de TI y viceversa. Estos resultados se usan para comprobar en que porcentaje los datos subjetivos (TI) generalizan a los datos objetivos de corrupción (PP) y viceversa, definiendo un conjunto de datos como patrones de PP y patrones de TI. Para complementar este análisis se desarrollan comparaciones matriciales con el objetivo de obtener ratios de semejanza y proporcionalidad entre los datos de PP y TI, utilizados en los algoritmos de aprendizaje automático. Con este trabajo se pretende mostrar una visión más clara de estrategias y conjuntos de datos adecuadas para medir los niveles de corrupción de los países, siendo esto una base para un análisis más profundo y amplio sobre el tema para el futuro