این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهشنامه بیمه، جلد ۳۱، شماره ۳، صفحات ۸۹-۱۱۰
عنوان فارسی ارزیابی ریسک تقلب در مزایای بیمۀ بیکاری سازمان تأمین اجتماعی
چکیده فارسی مقاله 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.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Fraud Risk Evaluation of the Social Security Organizations' Unemployment Insurance Benefits
چکیده انگلیسی مقاله Unemployment Insurance (UI) fraud is an important topic in social insurances which is regarded by law as a penal offense. The best way for fraud evaluation is to prevent and control it at early steps, using previous unfolded fraud documents. In this paper, first of all, the fraud control diagram is depicted, then according to the existence of an appropriate database of social security of UI claimants, two modern data mining techniques have been used for data analysis. The Neural Networks and Decision Tree algorithms create models which have been used for evaluating UI benefits fraud. These obtained models will provide an appropriate opportunity for social insurance authorities to have better conceptual understanding and effective combat against all kinds of insurance fraud, clearly just on time. According to several empirical studies, two obtained models have been applied on real data of 15983 records including new and current UI claimants. The accuracy and efficiency of each model have precisely examined. Indicated results show that the Neural Networks model take the first place by 88% of accuracy and the second place is for Decision Tree model by 84% of accuracy. The most important predictors which build each model for fraud pattern recognition, consist of the insured’s previous occupation, paid premium record and age in Neural Networks and branch’s geographic location, gender and the numbers of sponsorships in Decision Tree.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله آتوسا گودرزی |
رییس موسسه آموزش عالی بیمه اکو دانشگاه علامه طباطبایی
سازمان اصلی تایید شده: دانشگاه علامه طباطبایی (Allameh tabatabaii university)

سید جواد طباطبایی منش | seyed javad tabatabaei manesh
کارشناس ارشد آکچوئری سازمان تأمین اجتماعی نویسندۀ مسئول

نشانی اینترنتی http://jir.irc.ac.ir/article_41377_8290a8a7dc509418a7bc1741204f98b4.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1470/article-1470-346254.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات