Michela Gnaldi – Dipartimento di Scienze politiche, Università degli Studi di Perugia
Le emergenze non sono più eccezioni, ma sempre più spesso la normalità. La pandemia da Covid- 19 ha reso evidente quanto la spesa pubblica in tempi di crisi sia esposta a rischi di corruzione, a causa dell’urgenza, della flessibilità richiesta e della temporanea sospensione delle normali procedure di controllo.
In questo contesto nasce CO.R.E. (COrruption Risk indicators in Emergency), un progetto lanciato nel dicembre 2021 con l’obiettivo di adattare i sistemi di misurazione del rischio di corruzione ai contesti emergenziali. CO.R.E. si propone di individuare in modo affidabile i rischi, limitando al contempo i falsi positivi che possono derivare da cambiamenti fisiologici nei comportamenti durante le crisi.
La metodologia di CO.R.E. si fonda su un approccio innovativo che sfrutta la discontinuità temporale tra il periodo pre- e post-crisi. Il progetto rileva anomalie nei comportamenti di stazioni appaltanti e imprese aggiudicatarie attraverso un set di 9 indicatori red flag, selezionati per la loro capacità di evidenziare variazioni sospette nei contratti pubblici, e di un indicatore composito.
Esempi di red flag includono:
- Winning rate across the crisis: individua imprese che aumentano significativamente la quota di contratti vinti durante la crisi;
- Awarded economic value across the crisis: rileva imprese che ottengono contratti di valore economico molto superiore alla media;
- One-shot opportunistic companies: identifica operatori economici che vincono contratti durante l’emergenza, pur non avendo alcuna attività pregressa.
A differenza degli approcci statici, CO.R.E. integra l’impiego delle red flags con test statistici e metodi di machine learning non supervisionato, valutando ogni comportamento rispetto alla “normalità” storica. Il sistema distingue anomalie individuali da trend di mercato generalizzati, evitando interpretazioni fuorvianti.
Uno degli strumenti centrali del progetto è Coresoi, un pacchetto in R che consente di calcolare le red flag in diversi contesti emergenziali (Covid-19, terremoti o incendi), scegliere aggregazioni territoriali e analizzare i dati nel tempo. In parallelo, è stato sviluppato un cruscotto interattivo che visualizza i rischi di corruzione in Italia, Irlanda, Portogallo e Spagna, a diversi livelli territoriali.
L’analisi condotta da CO.R.E. per l’emergenza Covid-19 ha mostrato concentrazioni di rischio in alcune aree, tra cui Veneto in Italia, Alentejo in Portogallo e Catalogna in Spagna. Le regioni più vulnerabili si sono rivelate essere sia quelle con sistemi sanitari complessi e forte autonomia, sia quelle con capacità amministrative limitate.
Il progetto CO.R.E. dimostra che le crisi richiedono modelli di valutazione adattivi, capaci di distinguere tra risposte legittime e comportamenti a rischio. Gli strumenti sviluppati offrono indicazioni concrete per i decisori pubblici su come prepararsi a future emergenze, rafforzando integrità e responsabilità senza rallentare l’azione pubblica.
Riferimenti Bibliografici
M. GNALDI, S. DEL SARTO (2024). Measuring corruption risk in public procurement over emergency periods. Social Indicator Research. https://doi.org/10.1007/s11205-024-03331-w
[Editor] M. GNALDI (2024). Fighting Corruption in Emergency Procurement through Big Data. FrancoAngeli. ISBN: 9788835164876. Open access.
M. GNALDI (2024). Crises, emergency procurement and corruption risks. In “Fighting Corruption in Emergency Procurement through Big Data” (Eds: M. Gnaldi). FrancoAngeli. Open access.
M. GNALDI, S. DEL SARTO (2024). Measuring corruption risks in ordinary and emergency times. In “Fighting Corruption in Emergency Procurement through Big Data” (Eds: M. Gnaldi). FrancoAngeli. Open access.
S. DEL SARTO, M. GNALDI, N. SALVINI and M. G. RANALLI (2024). The CO.R.E. Composite Indicator (CO.R.E.-CI); territorial distribution of corruption risks across the Covid-19 crisis in Italy. In “Fighting Corruption in Emergency Procurement through Big Data” (Eds: M. Gnaldi). FrancoAngeli. Open access.
