آتوسا گودرزی؛ سید جواد طباطبایی منش
چکیده
تقلب در حقوق و مزایای بیمۀ بیکاری همواره یکی از موضوعات حساس و مورد توجه در حوزۀ بیمه‌های اجتماعی است که طبق قوانین، جزو جرائم کیفری بوده و قابل پیگیری است. در حال حاضر بهترین روش به منظور ارزیابی تقلب، کنترل آن در همان مراحل اولیۀ شکل‌گیری و به کمک اطلاعات تقلب‌های کشف‌شدۀ گذشته است. در این مقاله ابتدا مراحل استاندارد کنترل تقلب ...
بیشتر
تقلب در حقوق و مزایای بیمۀ بیکاری همواره یکی از موضوعات حساس و مورد توجه در حوزۀ بیمه‌های اجتماعی است که طبق قوانین، جزو جرائم کیفری بوده و قابل پیگیری است. در حال حاضر بهترین روش به منظور ارزیابی تقلب، کنترل آن در همان مراحل اولیۀ شکل‌گیری و به کمک اطلاعات تقلب‌های کشف‌شدۀ گذشته است. در این مقاله ابتدا مراحل استاندارد کنترل تقلب در تقاضاهای بیمه‌ای مورد بررسی قرار گرفته و سپس با توجه به وجود پایگاه دادۀ مناسب در خصوص مقرری‌بگیران بیمۀ بیکاری سازمان تأمین اجتماعی، از دو روش داده‌کاوی شبکههای عصبی و درخت تصمیم به منظور یافتن الگوهایی مناسب استفاده شده است که می‌تواند به‌عنوان ابزاری سودمند همراه با کاهش قابل توجه در وقت و هزینه به ارزیابی به موقع تقلب در تقاضاهای بیمۀ بیکاری کمک کند. در فرایند مطالعۀ تجربی، این روش‌ها بر روی داده‌های واقعی شامل اطلاعات 15983 تقاضای جدید و جاری مقرری بیمۀ بیکاری آزمایش و کارایی هر روش سنجیده شده است. روش شبکههای عصبی با دقت 88 درصد در ارزیابی صحیح متقلبانه یا عادی‌بودن تقاضاها، بهترین کارایی را در مقایسه با روش درخت تصمیم با دقت 84 درصد در برداشته است. بر این اساس، مهم‌ترین متغیرهای مؤثر بر تقاضاهای متقلبانه در روش شبکههای عصبی به‌ترتیب، متغیرهای شغل قبلی بیمه‌شده، سابقۀ پرداخت حق بیمه، سن و در روش درخت تصمیم، متغیرهای محل جغرافیایی شعبه، جنسیت، و تعداد افراد تحت تکفل متقاضی هستند.
