Saturday, August 22, 2015

Aro digitalean liburuak saltzeko era berriak

Iturria: BBC
Duela urte gutxi, batzuek uste zuten liburu digitalak paperezkoa bazterraraziko zuela. Hori ez da gertatzen ari. Paperezko liburuak bizirik jarraitzen du eta ebookak ere badu bere lekua. Teknologia ez da liburuaren etsaia. Teknologia liburuari, ez digitalari bakarrik, irakurlearengana iristeko bide berriak irekitzen ari zaizkio, eta hainbat esperientzia ari dira agertzen liburuaren merkatuan, mundu fisikoa eta digitala lotzeko. Hona hemen horietako batzuk:


1) Espainiako enpresa batek, SeeBook-ek, e-bookak QR kodea duten txartel fisikoen bidez saltzen ditu. Telefonoaren edo tabletaren bidez kodea eskaneatzen da e-booka jaisteko. Praktikoa dirudi e-bookak oparitzeko eta baita ere liburu-dendek opari-txartelak saltzeko era bera erabiliz e-bookak saltzeko.


Seebook zer den erakusten duen bideoa


2) Errumaniako enpresa batek Bukaresteko tren-geltokian liburuen azalez osaturiko horma-paper batez estali du horma bat. Azal bakoitzak atxikita QR kode bat du, erabiltzailea e-booka saltzen duen liburu-denda elektroniko batera bideratzen duena.




3) Chrome nabigatzailearentzako Bookindy plugina Erresuma Batuko liburu-denda independenteen Hive sarearekin loturik dago. Herrialde haietako erabiltzaileek, plugin hori erabiliz, Amazoneko dendan bilaketak egiten dituztenean, leiho bat agertzen zaie bizi diren lekuko dendetan liburu berbera zenbat kostako litzaiekeen adierazten diena. Batzuetan prezio hori Amazonekoa baino hobea izaten da edo Amazonek ez du une hartan liburua stockean. Erosketa bertako liburu-dendan egitera bultzatzen du.

4) The Pigeonhole webguneak liburuak hainbat emanalditan kaleratzeko ohitura zaharra berpiztu du. Aukera ematen du, gainera, idazleekin eta beste irakurle batzuekin  harremanetan jartzeko. Hau da, liburu-klub digital moduko bat da.

5) Liburuak telefonoetan edo tabletetan irakurtzen dituztenentzako beste zerbitzu bat Rook da. Wifi puntuetan dohainikako ebookak eskaintzen ditu. Irakurleak handik joan beharra baldin badu eta liburua irakurtzen jarraitu nahi baldin badu eros dezake. Baliagarria da tren-geltoki batean edo aireportu batean zain dagoen norbaitentzat.

Friday, August 7, 2015

Nola itzultzen ditu Google Translatek irudietako testuak?

Iturria: Google Research Blog

Iaz Googlek funtzio interesgarri bat gehitu zion Google Translateri: telefonoaren edo tabletaren kamera erabiliz jasotako testu bateko irudia denbora errealean itzultzekoa. Hona nola lortzen den hori:

Lehenik eta behin, kameratik irudia iristen denean, Google Translateren aplikazioak irudiko letrak bilatu behar ditu. Horretarako, argazkian dauden letrez aparteko irudiak, direla loreak, leihoak edo beste edozer, baztertu behar ditu eta itzuli beharreko hitzak hartu. Antzeko kolorea duten pixel mordoak eta gainera antzeko beste pixel mordo batzuetatik hurbil daudenak bilatzen ditu.

Horiek letrak izan litezke eta, batzuk besteetatik gertu baldin badaude, irakurri beharko litzatekeen lerro jarraitu bat osatuko dute. Horren ondoren, Translatek bakoitza zer letra den igarri behar du. Hor ikaskuntza sakona aplikatzen da. "Konboluziozko sare neuronalak" erabiltzen dituzte.
Konboluziozko sare neuronal bat sare neuronal artifiial bat da non neuronak garun biologiko baten ikusmen-kortexeko neuronen oso antzera baitagozkie hartze-eremuei. Ikusmen artifizialean erabiltzen dira, batez ere irudiak sailkatzeko. 

Sistema hori letrak direnak eta ez direnak bereizteko entrenatzen da. Horrela ikas dezake zer itxura duen letra bakoitzak. Gauza ez da hain sinplea, ordea, letra txukunak, garbiak, bakarrik ezagutzeko entrenatzen badugu, arriskua dugu errealitatean aurkitzen dituen letrak ez ezagutzeko. Benetan aurkitzen diren letrek errainuak, zikinkeria, arrastoak eta era guztietako akatsak izaten dituzte. Beraz, prestatu duten letra-sortzailea mundu errealeko era guztietako zikinkeriak imitatzeko gai da

Galde liteke zergatik ez ote duten entrenatu mundu errealeko letren argazkiak erabiliz. Arrazoia da zaila dela hizkuntza guztietako aski adibide aurkitzea eta are zailagoa zehazki kontrolatzea zer adibide erabiltzen diren sare neuronal eraginkor bat entrenatzeko. Hortaz, eraginkorragoa da zikinkeria simulatzea. Zikinkeria eta biraketak erabiltzen dira baina ez gehiegi, sare neuronala ez nahasteko.

Hirugarren urratsa da letra ezagunak hartu eta hiztegi batean bilatzea,  itzulpenak egiteko. Aurreko urrats guztiek era batera edo bestera huts egin zezaketenez, hiztegian egiten diren bilaketek gutxi gorabeherakoak izan behar dute. Horrela, esate baterako, "S" bat "5" bat dela interpretatu arren S-dun hitza zuzen ezagut daiteke.

Azkenik, itzulpena jatorrizko hitzen gainean eratzen da, jatorrizko estilo bera erabiliz. Letren inguruko kolorea erabiltzen da, jatorrizko letrak ezabatzeko. Horrela, itzulpena agerrarazten da, hondoak zuen jatorrizko kolorearen gainean.

Gero beste arazo bat gainditu behar da. Izan ere, emaitza ordenagailu ahaltsu batean erakutsi behar balitz, ez legoke arazorik baina telefono batean erakutsi behar da eta gainera baliteke konexioa ere motel samarra izatea. Horregatik, sare neuronalak oso txikia izan beharra dauka, eta muga zorrotzak ezarri behar zaizkio hari irakatsiko zaion datu multzoari, prozesatu behar duen informazio-dentsitatea ez dadin muga batetik gorakoa izan. 


Entrenatzeko erabiltzen diren datuak ahalik eta eraginkorrenak izan daitezen lortu behar da. Esate baterako, irakatsi nahi zaio pixka bat okerturik dauden letrak ezagutzen baina ez gehiegi okertuak. Letrak biraketa handi samarra balu sare neuronalak informazio-dentsitate gehiegi erabili beharko luke axola gutxiko gauzetan. Ahalegina egin behar da iterazio-denbora laburrak eta erakuste onak sortzen dituzten tresnak egiteko.
 

Minutu gutxiren barruan, alda ditzakete entrenatzeko datuak sortzeko algoritmoak, datuak sortu, berriz saiatu eta erakutsi. Era horretan ikus dezakete zer letra motak huts egiten duten eta zergatik. Denbora errealean gauza horiek lortu ahal izateko, sakonki optimizatu eta eskuz doitu dituzte eragiketa matematikoak. 

Wednesday, July 15, 2015

Adimen artifizialaren etorkizuna

Iturria: phys.org

Hainbeste denbora ez dela ez zen sinestekoa hizkuntzaz adierazitakoa ulertzeko eta beste hizkuntza batera itzultzeko gai izango zen teknologiarik lortuko zenik. Adimen artifizialaren aurrerapenak, ordea, sinesgarriak ez ziren gauza asko lortzeko bidean jartzen ari den teknologia ahalbideratzen ari dira. Noraino eramango ote gaitu bultzada horrek?

  Oraintxe bertan oso aurrerapen lasterrak ari dira gertatzen eta badirudi joerak jarraituko duela datozen urteetan.  Ikaskuntza automatikoan egiten ari diren aurrerapenekin, besteak beste, sare neuronal sakonetako eta eredu probabilistikoetakoekin, ordenagailuek gaur egun bat-batean itzul ditzakete hizketazko edo idatzizko elkarrizketak, zehaztasunez ezagut ditzakete argazki-oinak, identifika ditzakete aurpegiak eta beste hainbat gauza egin ditzakete.
 

Ordenagailuek zenbait eginkizun gizakiok bezain ondo edo hobeto egin baditzakete ere, ordea, haien gaitasunak urrun daude oraindik gure pentsamendu konplexutik.

Adimen artifizialean egin diren azken aurrerapenak ikaskuntza, arrazoitze eta hautemate automatikoan egindakoei zor zaizkie, informatikan egin direnek lagundurik. Prozesamendu-ahalmena asko hazi da eta hodeira igaro da. Bestalde webaren hazkundeak datu kopuru handiak biltzeko, biltegiratzeko eta partekatzeko abaguneak sortu ditu. Horrekin batera, zalantzak ebazten eta soluziorik hoberenak aurkitzen laguntzen duten
eredu probabilistikoen arloan ere asko aurreratu da.  Beste teknologia batzuetan egin diren aurrerapenetatik ere badatoz, esate baterako sare neuronaletatik. Horiek entrena daitezke datu multzo handien bidez objektuak eta irudiak ezagut ditzaten edo hizketako hitzak uler ditzaten.

Esperantza handiak daude jarriak
halaber ikusmena, hizketaren ezagutza, hizkuntzaren prozesamendua, ikaskuntza eta plangintza automatikoak batzen dituen adimen artifizial integratiboan ere. Hori guztia duen sistema bat gai izan daiteke gizakiokin elkarrizketan jarduteko.

Teknologia horien emaitzak kontsumitzaileenganaino iristen dira, makinek ulertzen dutelako hizketa arruntez esaten zaiena, liburuak eta filmak gomendatzen dituztelako, posta elektronikoko kontuan spama sartzea oztopatzen dutelako edo trafikoa zailtzen denean ordezko errepideak zein diren esaten digutelako.

Dagoeneko ikaskuntza automatikoaren ikerketa osasun arloko hainbat sailetan erabili da, esate baterako, iragartzeko zer pazientek duten ospitalean infekzio bat harrapatzeko arriskurik handiena. Pertsonentzat zikinak, arriskutsuak edo neketsuak diren lanak egingo dituzten makinetan ere aplika daiteke adimen artifiziala, eta erabil liteke gosearen edo klima-aldaketaren aurkako borrokan.


Dena den, aurrerapen handienak ikusteko urteak eta agian hamarkadak beharko dira, eta segurtasun-kontuei ere arreta jarri beharko zaie, sistema sofistikatu horiek gure aurkako ondorioak eragin ez ditzaten.

Sunday, July 12, 2015

Iñaki Hernandez-Lasa bilbotarra, hizkuntza-teknologian ofizioz eta arkitekturako argazkigintzan afizioz

Iturria: sajan.com


Iñaki Bilbon jaio zen, 1990ean Deustuko Unibertsitatean ingeles filologian graduatu zen eta, 24 urte zituela, Irlandara joan zen itzulpen-master bat egitera. Orduz geroztik herrialde hartan bizi da. Garai berean unibertsitatean itzulpeneko eta espainierako eskolak ematen zituen, eta itzulpenak eta interpretaritza-lanak egiten zituen.

Lan garrantzitsuak egitea egokitu zitzaion, hala nola sasoi hartan Irlandako presidentea zen Mary Robinsonen hitzaldiak espainierara itzultzea. 1990eko hamarkadaren hasieran itzulpen automatikoarekiko interesa sortu zitzaion, gai hori orduantxe ari baitzen indarra hartzen. Geroztik gai horretan murgildurik dabil. Sajan enpresan lan egiten du soluzio-arkitekto gisa.

Bere ustez itzulpen automatikoak garrantzi handia du zenbait sektoretan eta asko hobetuko da etorkizunean. Enpresa handi askorentzat ezinezkoa gertatzen da ohiko lan egiteko moduak erabiliz lana ateratatzea, eta horregatik hizkuntza-zerbitzuetako hainbat enpresekin lan egin behar izaten dute. Horrek arazo asko sortzen ditu.

Iñakik dio etorkizunean itzulpen automatikoa askoz gehiago erabiliko dela, ez gaur egun ezagutzen dugun itzulpen automatikoaren eta post-edizioaren bidez soilik, baizik eta ahotsaren ezagutzaren eta beste teknologia batzuen ekarpenak ere baliatuz. Hori dagoeneko gertatze hasia da.


Kalitateko itzulpena ez da lortzen besterik gabe botoi bat sakatuz, kalitate handiko lexiko-baliabidez, hau da itzulpen-memoriaz, terminologia datu-basez, eta abarrez aberasten den sistema bat etengabe sortuz eta garatuz, eta ezarian-ezarian sistema entrenatuz baizik. Eta, jakina, itzultzaileak trebatuz.


Iñakik itzulpenari ez ezik lokalizazioari eta edukiak helburuko kulturaren ezaugarrietara egokituz sortzeari ere garrantzi handia ematen die.



Horiek guztiak Iñakiren eguneroko lanaren gorabeherak dira, baina badu beste jarduera bat gaztetxoa zenetik biziki maite duena: arkitekturako argazkigintza. Gustukoa du eraikin baten bere interpretazioa sortzea, elementuak eta askotan oharkabean pasatzen diren argiaren eta materialen arteko jokoak
erakutsiz.

Iñakiren sarituriko argazki bat: Milwaukee-ko Arte Museoa


Sari asko irabaziak ditu argazkigintza arloan, nazioarteko mailan, hitzaldiak ematen ditu eta epaile gisa ere aritzen da lehiaketetan. Haren lanak helbide honetan ikus daitezke: www.ihlphotography.com.

Saturday, July 11, 2015

Edukien industria iraultza izaten ari da big data baliatuz

Duela bi urte eta erdi artikulu bat argitaratu nuen gai honetaz: Ebook-en analitika, irakurleak ezagutzeko tresna. Oraingo honetan, ikuspegia zabalduz, ebooken esparruaz haratago, edukien industrian oro har big data deritzenak tratatzeko teknikak izaten ari diren eragina aztertu nahi nuke.
Edukien industrian hainbat organizazio sartzen dira: liburuak, periodikoak eta bestelako argitalpenak ekoizten eta saltzen dituztenak, eta ikusentzunezkoen arloan lan egiten dutenak.


Big data, berriz, informatikan ohiko datu-baseak kudeatzeko softwarea edo datuak prozesatzeko ohiko aplikazioak erabiliz nekez prozesa daitezkeen datu-multzo erraldoiei esaten zaie.

Orain  arte argitaletxe batek edo film-estudio batek zer ekoitzi eta zer ez erabakitzeko, arduradun gutxi batzuen intuizioa baino askoz gehiago ez zezakeen erabil: beste produktu batzuen salmenten datuak eta inkestetatik ateratakoak batez ere. Metrika horiek, ordea, ez dira oso fidagarriak izaten, bezeroek produktu berrien aurrean izango duten portaera igartzeko.



Aro digitalean sartu ginenez geroztik, edukien ekoizpenean diharduten konpainiek lehen baino askoz datu kopuru handiagoak bil ditzakete. Datu asko izateak, baina, ez du deus balio, horiek interpretatzeko baliabiderik izan ezean. Big datako teknologiak dira, hain zuzen, datu-uholde horiek ustiatzeko tresna egokiak.


Big Data joera industria guztietan ari da eragina izaten, edukien industria barne, datuak analizatzeko teknologia berriak garatu eta datuak analizatzen dituzten teknikariak trebatu ahala.

Egunkari eta aldizkarien ekoizleak, telebistak eta Interneten soilik edukiak argitaratzen dituztenak big data estrategiez baliatzen ari dira, ikus-entzuleriak analizatuz erabiltzaileak hobeto ezagutzeko eta bakoitzari eduki eta publizitate egokienak zuzentzeko, testuen eta bideoen edukiak automatizatzen dituzten tresnak sortzeko, zerk funtzionatzen duen eta zerk ez jakiteko eta beste hainbat gauzatarako. Joera hau izugarri bizkortu da azken pare bat urtean, eta hasieran konpainia ahaltsu gutxi batzuen kontua zena laster ari da hedatzen beste askotara.


Edukien industriarentzat big dataz baliatzeak esan nahi du datu-bolumen handiak oso laster analizatzea, bai datu egituratu gisa eta, gero eta gehiago, datu egituratu gabe gisa ere.


Big data ez dira ordenagailu pertsonaletan kabitzen; hodeian edo zerbitzari handietan biltzen dira.
Terabytetan (1012 byte) petabytetan (1015 byte), zettabytetan (1021 byte) eta kopuru handiagoetan neurtzen dira. Kontuan izan behar da bereizmen handiko zazpi minutuko bideo batek gigabyte bat behar duela biltegian. Youtube batek 24 petabyte baino gehiago prozesatzen ditu eguneko.


Datu egituratuak salmentetatik eta kalkulu-orrietatik jasotzen dira eta egituratu gabeak hainbat eduki digitaletatik. Haiek big datako %20 dira eta hauek %80. Datu horiek edukitzea abantaila handia bada ere, edukien industriako enpresa gehienek urrun dute oraindik aukera horretaz eraginkortasunez baliatzea. Hori lortzeak estrategia zehaztea, inbertsioak egitea eta pertsonak trebatzea eskatuko die.

Edukien industriako enpresek abantaila asko lortzen dituzte big dataz baliatuz, batez ere harreman sakonagoa bezeroekin, haiei bidaltzen zaizkien albisteak eta publizitatea zehazkiago egokitzen dituzte, errazago aurkitzen diren eta erakargarriagoak gertatzen diren bideoak eta argazkiak argitaratzen dituzte eta merkatuan lehiakorrago bihurtzen dira. Enpresa horiek datu kopuru erraldoiak biltzen dituzte minutu bakoitzean beren organizazioetako sail bakoitzetik: publizitate eta salmentetatik, irakurle, erabiltzaile eta bezeroengandik, kontularitzatik, eta abar. Izugarrizko datu kopuruak sortzen dituzte bideo, argazki, testu eta grafiko moduan. Datu horiek Interneten gordetzen eta partekatzen diren datu guztien %70 dira, eta egunetik egunera haziz doaz.

Hazkunde hori hauspotzen duten bi fenomeno daude: datuak biltegiratzea eta banda zabala erabiltzea merkatzen ari dira eta, horren ondorioz, erabiltzaileok gero eta telefono aurretatu, tableta eta ordenagailu gehiago erabiltzen ditugu.

Beraz, enpresei datuak ez zaizkie falta. Duten arazoa haiek bahetzea eta informazio esanguratsua erauztea da. Oraingoz eginkizun horietan trebeenak teknologian oinarrituriko enpresak dira: Facebook, Google, Amazon, Spotify, Netflix.

Big data erabiliz enpresek funtsean onura hauek lor ditzakete: erabakiak informazio hobea erabiliz hartzea, ezkutuan dauden fenomenoen berri izatea eta kudeaketa-prozesuak automatizatzea.


Hona hemen edukien industriako enpresa batzuek big data arloan izan dituzten lorpenen adibide batzuk:

Facebook

Facebook-ek izan duen hazkunde harrigarria partez big datari zor zaio. Datu kopuru handiak sortzen ditu eta horien bidez hazi egiten da. Facebooken xedea pertsona bakoitza konexioa partekatu nahi duten beste pertsona batzuekin harremanetan jartzea da, eta baditu algoritmo batzuk konexio horiek identifikatzeko eta gehiena ikusiko diren albisteak hautatzeko.

Funtsean kide bakoitzaz duen informazioa erabiltzen du, beretzat interesgarriak izango diren informazioak aurkeztuko dituzten konexioak eskaintzeko eta baita publizitatea agerrarazteko ere.

Horretaz aparte Facebookek badu Graph Search deitzen den bilatzaile semantikoa. Hizkuntza naturalez eginiko galderei erantzuteko pentsatua da. Mila milioi erabiltzaile baino gehiagorengandik bildutako big data eta kanpoko datuak konbinatzen ditu, erabiltzaileari egokitzen zaizkion emaitzak eskaintzeko.

Bilaketa fintzeko, Facebookek iradokizunak eskaintzen ditu denbora errealean, Googlek egiten duenaren antzera, eta gero irazki-sistema bat eskaintzen du generoaren, hiriaren, eskolaren, ideia politikoen, sinesteen, eta abarren arabera emaitzak hautatzeko. Bila daiteke, halaber, jatexe bat, bideo bat edo argazki bat,  eta iragarki ordainduen sistema bat du, erabiltzailearen profilaren araberako iragarkiak agerrarazten dituena.

Facebook datu pertsonalen munduko biltegirik handienetakoa da gaur egun, eta datu horiek gero eta erabilera mota gehiago dute. Horregatik, sare sozialeko datuek diru asko balio dute.  Sal ditzakete, esate baterako, iragarpenak egiteko analitikan erabiltzeko. Datu horiek agregatuak eta anonimoak diren neurrian ez dute pribatutasun-arazorik sortzen baina pertsona jakinen datuak erabiliko balira sortuko lituzkete.


Spotify
Spotify-k, musika streaming-ean eskaintzen duen enpresa ezagunak, mundu osoan dituen 60 milioi erabiltzaile aktiboengandik jasotzen dituen datu kopuru izugarri handiak aztertzeko plataforma bat erabiltzen du. Datu horien bidez beste musika batzuk entzuteko gomendio pertsonalizatuak egiten dizkie erabiltzaile horiei.

Datu horiez baliatuz Grammy sarien irabazleak nor izango diren aldez aurretik igartzeko erabil ditu eta askotan asmatu izan du.
Netflix
Streaming bidez edukiak eskaintzen dituen enpresa honek ere datu kopuru erraldoiak biltzen ditu 40 milioitik gora erabiltzaileen portaeraz egunero. Erabiltzaileek zer eduki bilatzen dituzten, zer kontsumitzen duten, eduki horiek nola baloratzen dituzten, nondik eta zer tresnatan ikusten dituzten jakinda erabakitzen du zer eskaini, zer eta noiz ekoitzi.

Wednesday, June 17, 2015

Herbehereetako startup bat 3D inprimaketaz zubi bat eraikitzera doa

Herbehereetako startup batek aditzera eman du inprimagailu robotiko batzuk erabiliko dituela Amsterdamgo kanal baten gainean oinezkoentzako zubi baten egitura soldadura metatuz eraikitzeko.

MX3D enpresak datorren irailean ekingo dio egitasmoa gauzatzeari. Beso robotiko batzuk zubiaren atalak ipini ahala haien gainean joango dira egitura inprimatuz.

Beso robotikoek metala berotzen dute 1.500 °C-raino poliki-poliki egitura soldadura metatuz eraikitzeko, diseinu sofistikatua programa informatiko batek aginduta . Azken finean soldatzeko makina aurreratu bat robot industrial bati atxiki diote.

Using robotic printers ‘that can draw steel structures in 3D, we will print a (pedestrian) bridge over water in the centre of Amsterdam,’ engineering startup company MX3D said in a statement.

Zubiaren eraikuntza irudikatzen duen ordenagailuz eginiko irudia.
Teknika honek aldamioak erabiltzea saihesten du, robotek inprimatzen duten egitura bera erabiltzen dutelako euskarri gisa.

Tuesday, June 16, 2015

Testu-meatzaritza ustelkeriaren aurka

Iturria: Phys.org

Ikertzaile batzuek teknika berri bat garatu dute gaur egun eskuratu daitezkeen Europar Batasuneko kontratazio publikoei buruzko datu kopuru erraldoiak miatu eta diru publikoen eskrupulurik gabeko erabilerak nabarmentzeko. Ustelkeria beti izan da eta izango da baina ahaleginak egin behar dira ahalik eta gehiena murrizteko. Kontua da nola lortu hori.

Aro digitalean, honek duen informazio-askatasunarekin, finantza publikoen erabilera ustelak politikarien eta enpresen arteko adiskiderietarako txoko ezkutu gutxiago izan beharko lituzke. 2000. urtearen hamarkadaz geroztik, ia herrialde garatu guztiek digitalizatu dituzte eta eskuragarri jarri dituzte kontratazioen datuak. Alabaina, datu-uholde horrek benetako gardentasunaren ordez dena ezkutuan uzten duen informazio-lainoa sor dezake.

Lehen, ustelkeria agerian jartzea datuetan murgildu eta loturak bilatzen zituzten kazetarien eta ekintzaileen ahaleginetan oinarritzen zen. Ikerketa horiek denbora eta zortea behar izaten dute eta huts egin dezakete. Orain, ordea, datuetan oinarritzen den soziologo talde batek neurketa-sistema berri bat sortu du, finantza publikoen erabilera maltzurrak atzemateko. Talde horrek "bandera gorriak" deritzenak erabiltzen ditu: ustelkeriarako arrisku handia iradokitzen duten kontratu-egoerak. Algoritmo miatzaileak eta testu-meatzaritzako programa sofistikatuek, kontratu publikoen datuei aplikatuz, bandera gorri horiek azaleratzen dituzte. Horrela ustelkeria-arriskuaren mapak egin ditzakete, eskualde edo herrialde mailan, portaera ustelen arrastoak jarrai ditzakete enpresa eskaintzaileetan eta identifika ditzakete susmagarriak diren hornitzaileak eta are kontratu jakinak.
 

Mihály Fazekas, István János Tóth eta Lawrence Peter King ikertzaileek garatu duten ustelkeria-arriskuaren adierazleak finantza publikoen esleipenez eskuragarri dagoen informazioa miatzen du, iruzurren bila, laster eta zehaztasunez.

Adierazle horrek besteak beste Europar Batasuneko estatu guztietan, AEBetan eta Errusian erabiltzeko balio du. Herrialde horietan eskuragarri egoten dira azken 6-8 urteetako datuak.


Kontratazio publikoetako ustelkeria instituzionalizatu handiak bi ezaugarri izaten ditu: errenta ustelak sortzea eta errenta horiek jarraituki ateratzea. Bi gauza horiek lortzeko, talde ustel orok legeek arautzen duten lehia murriztu behar izaten du, partehartzaile jakin batzuen mesedetan, behin eta berriz. Hortaz, lehiaren murrizketa, enpresa berari behin eta berriz esleipenak egitea eta horretarako ohikoak diren teknikak neurtuz atzeman daiteke ustelkeria instituzionalizatu handia.

Irabazten duen lehiakidea aldez aurretik aukeraturik egoten da eta hark gainera emendiozko irabazi bat lortzen du, merkatuko prezioak baino garestiagoen bidez. Emendiozko irabazi hori neurtzeko, zehazki ezagutu behar lirateke prezioa, hornituriko kopurua eta kalitatea. Horiek, ordea, nekez ezagut daitezke behar bezala. Prezioa eta kopurua publikoak izaten dira baina zaila izaten da haiek kontrastatzea. Kalitatea, berriz, are zailagoa da zehazten. Horregatik, neur daitekeen gauza bakarra aldez aurretik hautaturiko enpresei kontratuak esleitzea da.

Lehiaketan iruzurra egiteko hiru prozedura daude funtsean:

  1. Lizitazioan partehartzaileak mugatzea
  2. Hautatze-fasean lizitatzaileak bidegabeki ebaluatzea
  3. Gauzatze-fasean baldintzak aldatzea
Prozedura hauek konbinatu egiten dira batzuetan.

Kontratuen datu-base publiko bat erabiliz, neur daitezke adierazle elemental batzuk eta haietan oinarrituz adierazle konposatu bat kalkulatu.