ارزیابی ریسک تقلب در مزایای بیمه بیکاری
تقلب خطری است پنهان و غیر‌آشکار که افراد، همواره به دنبال مخفی کردن آن هستند. آنچه در حال حاضر توجه عموم جوامع، رسانه‌ها، سرمایه‌گذاران و قانون‌گذاران را به خود جلب کرده است، گستردگی و وسعت دامنه تبعات ارتکاب اعمال متقلبانه در موضوعات مالی است. بیمۀ بیکاری در زمره یکی از مهم‌ترین تعهدات سازمان تأمین اجتماعی است که با پرداخت به‌موقع کمک‌های مالی و حمایت‌های درمانی تا زمان یافتن شغلی مناسب، از نیروی کار مستعد و خانواده ایشان حمایت می‌کند. این تعهدات به دلیل وسعت تأثیرات اقتصادی و اجتماعی در جامعه و کشور، از اهمیت بسزایی برخوردار است. تقلب در حقوق و مزاياي بيمۀ بيكاري همواره يكي از موضوعات حساس و موردتوجه در حوزه بيمه‌هاي اجتماعي است كه طبق قوانين، جزء جرائم كيفري بوده و قابل‌پیگیری است. در حال حاضر بهترين روش به‌منظور ارزيابي تقلب، كنترل آن در همان مراحل اوليه شكل‌گيري و باتوجه‌به اطلاعات تقلب‌های کشف‌شده گذشته است.
در این گزارش، ماهیت ریسک تقلب و انواع روش‌های متقلبانه در استفاده من‌غیر‌حق از مزایای بیمۀ بیکاری بیان و اثرات نامطلوب و بلندمدت این ریسک به‌عنوان چالشی مهم در مسیر مدیریت صحیح و تخصیص بهینه منابع و مصارف صندوق بیمۀ بیکاری موردتوجه و ارزیابی قرارگرفته است؛ همچنین باتوجه‌به وجود پایگاه داده مناسب در خصوص مقرری‌بگیران بیمۀ بیکاری سازمان تأمین اجتماعی از سه روش داده‌کاوی تفحصی شامل شبکه عصبی، شبکه بیزی و درخت تصمیم به‌منظور مدل‌سازی ریسک تقلب و یافتن الگوهایی مناسب جهت کشف، کنترل و پیش‌بینی به‌موقع ادعاهای متقلبانه استفاده شده‌است؛ هرکدام از این مدل‌ها متناسب با الگوریتم محاسباتی خود پس از دریافت اطلاعات موردنیاز در قالب متغیرهای ورودی، شدت ریسک متقلبانه بودن یک ادعای بیمۀ بیکاری را با عددی در بازه احتمالی (1 و 0) مشخص می‌کند، این تشخیص می‌تواند به‌عنوان ابزاری سودمند همراه با کاهش قابل‌توجه در وقت و هزینه به کشف و ارزیابی به‌موقع تقلب در ادعاهای جدید و جاری بیمۀ بیکاری کمک نماید.
در فرایند مطالعه مستندات تجربی، این روش‌ها بر روی‌داده‌های واقعی شامل اطلاعات 15.983 ادعای بیمۀ بیکاری جدید و جاری، آزمایش و کارایی هر روش سنجیده شده است. روش‌های شبکه عصبی و شبکه بیزی به ترتیب با دقت 88% و 87% در ارزیابی صحیح متقلبانه یا عادی بودن ادعاها، بهترین کارایی را در مقایسه با روش درخت تصمیم با دقت 84% در برداشته‌اند. همچنین بر اساس نتایج به‌دست‌آمده از تحلیل ساختاری دو مدل برتر شبکه عصبی و شبکه بیزی درمی‌یابیم که متغیرهای سن، سابقه پرداخت حق بیمه، موقعیت جغرافیایی کارگاه، علت بیکاری و نوع شغل، صرف‌نظر از اولویت، بیشترین تأثیر را بر احتمال تقلب در بیمۀ بیکاری دارند.
در بخش پایانی گزارش و با استفاده از مدل‌های ارزیابی، ریسک تقلب یک نمونه 23تایی کاملاً تصادفی و جدید، اندازه‌گیری و سپس با نتایج حاصل از تحقیقات میدانی بازرسان بیمۀ بیکاری، نظیربه‌نظیر مقایسه شده است.
برچسب ها
ارزیابی،ریسک،تقلب،بیمه بیکاری
