رهیافتی به شناسایی پیشگیرانه و تحلیل الگوریتمی بسترهای فساد در قراردادهای دولتی: شفافیت، فراتر از نظارت واکنشی با یادگیری ماشین
دوره 17، شماره 4، زمستان 1404، صفحه 41-109
https://doi.org/10.22034/ahr.2026.737437
سید محمد اعتماد اعجازی
چکیده این پژوهش با رویکرد ترکیبی تحلیلی-توصیفی به شناسایی چالشهای ساختاری فساد اقتصادی در قراردادهای دولتی ایران (۱۴۰۰-۱۳۸۱) و ارائه راهحل نوین مبتنی بر یادگیری ماشین پرداخته است. در بخش توصیفی، با تحلیل محتوای کیفی گزارش دیوان محاسبات، سازمان بازرسی کل کشور و مرکز پژوهشهای مجلس، چالش های اصلی شامل ابهام قانونی در صلاحیت پیمانکاران ، فقدان سامانه یکپارچه تدارکات الکترونیک ، اختیارات گسترده مدیران دستگاههای اجرایی و عدم شفافیت بودجهای شناسایی شد. ضمناً با تحلیل نتایج درجه اهمیت کاستیهای ساختاری نظام تدارکات دولتی، از جمله ابهام در صلاحیتهای قانونی، فقدان سامانههای یکپارچه، اختیارات گسترده مدیران، و عدم شفافیت بودجه و ... مشخص شداند .در بخش تحلیلی، مدل جنگل فرابُعد بهعنوان الگوریتمی غیرپارامتریک و مقاوم در برابر دادههای ناقص پیشنهاد گردید. مدل جنگل فرابُعد ، بهعنوان ابزاری غیرپارامتریک برای تحلیل الگوهای پیچیده روابط بین ذینفعان (مانند مناقصات صوری یا تمرکز غیرعادی منابع)، معرفی می گردد. یافتهها نشان میدهند که بهرهگیری از یادگیری ماشین و دادههای واقعی سامانههایی مانند ستاد، به ایجاد سامانهای جدید و پیشرفته برای پایش قراردادهای دولتی منجر خواهد شد. این سامانه نهتنها تخلفات پیچیده (مانند تبانی و همکاریهای غیرعادی) را رصد میکند، بلکه با تشخیص نشانگرهای پیشساز، امکان مداخله پیشگیرانه را هم فراهم میسازد. با وجود محدودیتهای دادهای، این رویکرد میتواند به صورت فراتر از نظارت واکنشی با یادگیری ماشین ، نظارت اثر بخش و پاسخگویی در مصرف منابع عمومی ایران را بهطور چشمگیری ارتقا دهد.
