Expected versus Unexpected Non-Competition: A Corruption-Risk Approach to Public Procurement in Spain
यह शोध पत्र स्पेनिश सार्वजनिक खरीद डेटा का उपयोग करते हुए एक मशीन लर्निंग-आधारित ढांचे को प्रस्तुत करता है जो अपेक्षित और अप्रत्याशित गैर-प्रतिस्पर्धा के बीच अंतर करता है, जिससे संरचनात्मक बाजार और संस्थागत कारकों को ध्यान में रखते हुए भ्रष्टाचार के जोखिम के लिए एक परिष्कृत, गलत-सकारात्मकता (फॉल्स-पॉजिटिव) को कम करने वाला प्रॉक्सी बनाया जा सके।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
सार्वजनिक खरीद वह प्रक्रिया है जिसके द्वारा सरकारें देश चलाने के लिए आवश्यक वस्तुओं, सेवाओं और बुनियादी ढांचे को खरीदती हैं, जैसे कि सड़कें बनाना या अस्पतालों को आपूर्ति करना। क्योंकि इन अनुबंधों में भारी धनराशि और जटिल नियम शामिल होते हैं, इसलिए वे भ्रष्टाचार का एक सामान्य लक्ष्य होते हैं। जब कुछ गलत हो रहा होता है, तो उसके सबसे आम चेतावनी संकेतों में से एक प्रतिस्पर्धा की कमी है। जब सरकार किसी परियोजना के लिए बोलियां मांगती है, तो एक स्वस्थ बाजार आमतौर पर काम के लिए प्रतिस्पर्धा करने वाली कई कंपनियां प्रस्तुत करता है। यदि केवल एक ही कंपनी सामने आती है, या यदि बोली लगाने की प्रक्रिया को गुप्त रखा जाता है, तो यह अक्सर संकेत देता है कि अनुबंध किसी विशिष्ट आपूर्तिकर्ता को लाभ पहुंचाने के लिए हेरफेर किया गया था। वर्षों से, लेखा परीक्षक और निगरानी संस्थाएं इन चेतावनी संकेतों की सरल सूचियों पर निर्भर रही हैं, जिन्हें 'रेड फ्लैग्स' (चेतावनी के निशान) के रूप में जाना जाता है, ताकि संदिग्ध सौदों का पता लगाया जा सके। हालांकि, इन सूचियों में एक बड़ी खामी है: वे यह अंतर नहीं कर सकतीं कि कोई अनुबंध संदिग्ध रूप से अप्रतिस्पर्धी है या वह केवल वैध कारणों से अप्रतिस्पर्धी है, जैसे कि एक विशिष्ट बाजार जहां बहुत कम कंपनियां मौजूद हैं या एक जटिल परियोजना जो बोलीदाताओं को डरा देती है। यह भ्रम कई गलत सूचनाओं (फॉल्स अलार्म) को जन्म देता है, जिससे उन अनुबंधों पर समय और संसाधनों की बर्बादी होती है जो वास्तव में स्वच्छ होते हैं।
इस समस्या को हल करने के लिए, शोधकर्ता इवान पास्टर-सांज़ और फेलिक्स जे. लोपेज़-इटुरियागा ने स्पेन के डेटा के एक विशाल संग्रह की ओर रुख किया, जिसमें 2018 और 2024 के बीच दिए गए 393,631 सार्वजनिक टेंडर का विश्लेषण किया गया। एक स्थिर चेकलिस्ट का उपयोग करने के बजाय, उन्होंने एक कंप्यूटर मॉडल बनाया जो इन अनुबंधों के इतिहास से सीखता है ताकि यह समझ सके कि किसी भी दी गई स्थिति के लिए प्रतिस्पर्धा का "सामान्य" स्तर क्या होना चाहिए। यह मॉडल अनुबंध दिए जाने से पहले उपलब्ध विवरणों को ध्यान में रखता है, जैसे कि किए जाने वाले कार्य का प्रकार, विजेता चुनने के लिए उपयोग किए गए विशिष्ट नियम, और वह क्षेत्र जहाँ परियोजना स्थित है। इन कारकों का अध्ययन करके, मॉडल उस संभावना की गणना करता है कि एक टेंडर में तीन से कम बोलियां प्राप्त होंगी। इसके बाद, यह इस अपेक्षा की तुलना वास्तविक घटना से करता है। यदि किसी अनुबंध को बहुत कम बोलियां प्राप्त होती हैं जब मॉडल ने भविष्यवाणी की थी कि उसे कई बोलियां आकर्षित करनी चाहिए थीं, तो उस अंतर को एक अप्रत्याशित विसंगति के रूप में चिह्नित किया जाता है। यह दृष्टिकोण अधिकारियों को सामान्य बाजार स्थितियों के शोर से संभावित भ्रष्टाचार के संकेत को अलग करने की अनुमति देता है।
शोधकर्ताओं ने पाया कि सबसे महत्वपूर्ण कारक जो यह निर्धारित करते हैं कि किसी अनुबंध को कई बोलियां मिलेंगी या केवल एक, वह इसमें शामिल धन की राशि नहीं है, बल्कि परियोजना का प्रकार और बोली प्रक्रिया को चलाने के नियम हैं। अर्थव्यवस्था का विशिष्ट क्षेत्र, जैसे निर्माण या आईटी सेवाएं, प्रतिस्पर्धा के स्तरों में लगभग आधे बदलाव की व्याख्या करते हैं। अनुबंध प्रदान करने के लिए उपयोग की जाने वाली प्रक्रिया का प्रकार दूसरा सबसे शक्तिशाली भविष्यवक्ता था। यह राजनीति विज्ञान के एक लंबे समय से चले आ रहे विचार की पुष्टि करता है कि बोली प्रक्रिया को डिजाइन करने में सरकारी अधिकारियों को दी गई स्वतंत्रता या विवेक सीधे तौर पर पक्षपात के अवसर को आकार देता है। उन प्रक्रियाओं के माध्यम से दिए गए अनुबंध जो सार्वजनिक विज्ञापन के बिना अधिकारियों को आपूर्तिकर्ताओं के साथ सीधे बातचीत करने की अनुमति देते हैं, उनमें कम प्रतिस्पर्धा होने की संभावना बहुत अधिक थी, लेकिन मॉडल ने दिखाया कि यह अक्सर नियमों का एक अपेक्षित परिणाम था, न कि अनिवार्य रूप से किसी अपराध का प्रमाण।
इस कार्य का वास्तविक मूल्य 'फॉल्स अलार्म' को छानने की इसकी क्षमता में निहित है। केवल उन अनुबंधों पर ध्यान केंद्रित करके जहां वास्तविक प्रतिस्पर्धा मॉडल की अपेक्षा से काफी कम थी, शोधकर्ताओं ने एक बहुत ही संदिग्ध समूह की पहचान की। लगभग 400,000 अनुबंधों में से, मॉडल ने केवल 2,195 मामलों, या लगभग 0.56 प्रतिशत को, अप्रत्याशित रूप से अप्रतिस्पर्धी के रूप में चिह्नित किया। ये वे सौदे हैं जिन्हें निकटतम जांच की आवश्यकता है क्योंकि वे अपने विशिष्ट प्रकार और स्थान के लिए मानक से काफी अलग हैं। अध्ययन ने दिखाया कि ये चिह्नित मामले भ्रष्टाचार के अन्य स्थापित पैमानों के साथ दृढ़ता से सह-संबंधित हैं, जो यह सुझाव देते हैं कि मॉडल सही ढंग से वास्तविक अखंडता संबंधी मुद्दों की पहचान कर रहा है न कि केवल यादृच्छिक शोर की। यह विधि निगरानी निकायों को प्रत्येक कम बोली वाले अनुबंध पर प्रतिक्रिया देने के बजाय विशेष रूप से उन चुनिंदा मामलों को लक्षित करने का एक तरीका प्रदान करती है जहाँ जोखिम सबसे अधिक है, जिससे यह सुनिश्चित होता है कि सीमित ऑडिट संसाधनों का उपयोग वहां किया जाए जहां वे सबसे अधिक प्रभावी हो सकें।
निष्कर्ष बताते हैं कि हालांकि कम प्रतिस्पर्धा एक उपयोगी संकेतक है, लेकिन यह अपने आप में एक पूर्ण संकेतक नहीं है। यह अध्ययन यह सिद्ध नहीं करता है कि प्रत्येक चिह्नित अनुबंध भ्रष्ट है, लेकिन यह उन्हें खोजने के लिए एक बहुत ही सटीक उपकरण प्रदान करता है। बाजार की वास्तविकताओं के कारण अपेक्षित प्रतिस्पर्धा की कमी और धोखाधड़ी के संकेत देने वाली अप्रत्याशित प्रतिस्पर्धा की कमी के बीच अंतर करके, यह दृष्टिकोण सरकारों को सार्वजनिक धन के विशाल प्रवाह को अधिक सटीकता के साथ प्रबंधित करने में मदद करता है। चूंकि स्पेन यूरोपीय संघ से पुनर्प्राप्ति कोष (रिकवरी फंड) के अरबों यूरो प्राप्त करना जारी रखे हुए है, इसलिए इन अनुबंधों की प्रभावी ढंग से निगरानी करने की क्षमता पहले से कहीं अधिक महत्वपूर्ण है। अनुसंधान यह प्रदर्शित करता है कि किसी सौदे के संदर्भ को समझने के लिए डेटा का उपयोग करना, केवल बोलीदाताओं की संख्या गिनने की तुलना में कहीं अधिक शक्तिशाली है, जो सार्वजनिक व्यय में पारदर्शिता और जवाबदेही की ओर एक स्पष्ट मार्ग प्रदान करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।