НАЦИОНАЛЬНАЯ АКАДЕМИЯ НАУК АЗЕРБАЙДЖАНА
О ВОЗМОЖНОСТИ И ПЕРСПЕКТИВЕ ОЦЕНКИ СОЦИАЛЬНОГО КРЕДИТА ЛИЦ С ПОМОЩЬЮ РЕСУРСОВ СИСТЕМЫ Э-ДЕМОГРАФИИ
Алекперова Ирада Я.

Для усиления экономической мощи государства, обеспечения информационной безопасности и устранения социального неравенства важно определить и оценить роль граждан в обществе. С повсеместным использованием современных информационных технологий государственные учреждения и отдельные компании во многих странах пытаются оценивать граждан на основе доверия, репутации и поведения, используя персональные данные. Такая оценка называется социальным кредитом. Для достижения успеха в социально-экономических и многих других вопросах банковские системы, страховые компании, государственные органы применяют аналитические системы, оценивающие социальный кредит граждан и компаний. В статье исследованы и классифицированы методы оценки социального кредита. В исследовании был использован метод сравнительного анализа и предложено взаимодействие системы социального кредита с электронной демографической системой для получения более точных результатов при оценке социального кредита. Предлагаемый подход может иметь важное значение для более эффективного управления обществом, обеспечения социальной защиты и удовлетворенности граждан в среде электронного правительства (стр.108-118).

Ключевые слова:социальный кредит, электронная демография, электронное правительство, персональные данные, демография, большие данные.
DOI : 10.25045/jpis.v12.i2.08
Литература
  • Ferreira F.A.F., Esperanca J.P., Xavier M.A.S., Costa R.L. Perez-Gladish B. A socio-technical approach to the evaluation of social credit applications // Operational Research Society, 2019, vol. 70, Issue 10, pp. 1801–1816.
  • Kostka G., Antoine L. Fostering Model Citizenship: Behavioral Responses to China's Emerging Social Credit Systems // Policy and Internet, 2019, https://www.papers.ssrn.com/sol3/papers.cfm?abstract_id=3305724
  • YanZ. China's Social Credit System: A Primer // The Journal of International and Public Affairs, 2018, vol. 1, no. 1, https://www.jipasg.org/posts/2018/9/6/introduction-to-chinas-social-credit-system
  • Hatton C. China social credit: Beijing sets up huge system, 2015, http://www.bbc.com/news/world-asia-china-34592186
  • Chen Y., Cheung A.S.Y. The Transparent Self Under Big Data Profiling: Privacy and Chinese Legislation on the Social Credit System // Comparative Law, 2017, vol. 12, no. 2, pp. 356–378.
  • Chinese Social Credit System (I): what it is – and what it isn't, https://www.polikracia.com/the-chinese-social-credit-system/
  • Planning Outline for the Construction of a Social Credit System (2014-2020), https://www.chinacopyrightandmedia.wordpress.com/2014/06/14/planning-outline-for-the-construction-of-a-social-credit-system-2014-2020/
  • Aliguliyev R.M., Alakbarova I.Y. Elektron dövlat mühitinda vatandashların sosial krediti sisteminin yaradılmasının konseptual asasları // Informasiya jamiyyati problemlari, 2018, №2, s. 3–15.
  • Síthigh D.M., Siems M. The Chinese social credit system: A model for other countries, European University Institute Department of Law, 2019, 39 p.
  • Ant Financial Unveils China's First Credit-Scoring System Using Online Data, 2018, https://www.alibabagroup.com/en/news/article?news=p150128
  • Ahmed Cashless Society, Cached DataSecurity Considerations for a Chinese Social Credit System / January 24, 2017, https://www.citizenlab.ca/2017/01/cashless-society-cached-data-security-considerations-chinese-social-credit-system/
  • Demirgüç-Kunt A., Levine R. Finance and inequality: Theory and evidence // Financial Econom, 2009, vol.1, no.1, pp. 287–318.
  • Yu L., Li X., Tang L., Zhang , Kou G. Social credit: a comprehensive literature review // Financial Innovation, 2015, vol. 1, no. 6, pp. 2–18.
  • Brown M, Zehnder C. The emergence of information sharing in credit markets // Financ Intermed, 2010, vol.19, no. 2, pp. 255–278.
  • Jarrow R, Xu L. Credit rating accuracy and incentives // Credit Risk, 2010, vol. 6, no. 3, 1–19.
  • Barnaud C., Bousquet F., Trebuil G. Multi-agent simulations to explore rules for rural credit in a highland farming community of Northern Thailand // Ecol Econ, 2008, vol. 66, no. 4, pp.615–627.
  • Blanco A., Pino-MejíAs R., Lara J., Rayo S. Credit scoring models for the microfinance industry using neural networks: evidence from Peru // Exp. Syst. Appl. vol.40, no. 1, pp. 356–364.
  • Yim J., Mitchell H. Comparison of country risk models: hybrid neural networks, logit models, discriminant analysis and cluster techniques // Exp Syst Appl, 2005, vol. 28, no. 1, pp. 137–148.
  • Lean Y., Xinxie L., Ling T., Zongyi Z., Gang K. Social credit: A comprehensive literature review // Financial Innovation, 2015, no. 6, onlayn: https:// www.link.springer.com/article/ 10.1186/s40854-015-0005-6#citeas
  • Alguliev R.M., Aly`guliev R.M., Yusifov A., Alekperova I.Ya. Formirovanie czifrovoj demografii kak odin iz vazhny`kh voprosov v czifrovom gosudarstve // Voprosy` gosudarstvennogo i municzipal`nogo upravleniya. Public administration issues, «Vy`sshaya shkola e`konomiki» (NIU VShE`), № 4. 2019, c. 61–86.
  • Zagheni E., Weber I. Demographic research with non-representative internet data // International Journal of Manpower, 2015, vol. 36, no. 1, 2015, pp. 13–25.
  • Zagheni E. Data Science, Demography and Social Media: Challenges and Opportunities, 2017, https:// pdfs.semanticscholar.org/presentation/
  • Personal data empowerment. Time for a fairer data deal?, 2015, The National Association of Citizens Advice Bureaux. 56 p.
  • Thomas H. Big Data in Big Companies. Davenport and SAS Institute Inc. 2013, 31 p.
  • Глущенко Н. Слишком большие данные: сколько информации хранится в интернете? 2017, https://www.ain.ua/special/skolko-vesit-internet/
  • Gangi R.R., Rajesh N.B., Sudhakar N.P., Raviteja B., Rammohanarao K. Tracking objects, using rfid and wireless sensor networks // International Journal of Engineering Science & Advanced Technology, 2012, vol. 2, issue 3, pp. 513–517.
  • Redondi , Chirico M., Borsani L., Cesana M., Tagliasacchi M. An integrated system based on wireless sensor networks for patient monitoring, localization and tracking // Ad Hoc Networks, 2013, vol. 11, issue 1, pp. 39–53.
  • Kachagina O.V. Osnovy` demografii: osnovy` teorii i prakticheskie zadaniya: Uchebnoe posobie, 2016, Ul`yanovsk: UlGU, 129 s.
  • Borisov V.A. Demografiya, 2001, M., Izdatel`skij dom “NOTABENE”, 272 s. United Nations Global Pulse's projects? On-line: https://www.unglobalpulse.org/projects
  • Andrichenko L.V., Meshheryakova M.An. Informaczionny`e registry` kak e`ffektivnoe sredstvo sbora i monitoringa danny`kh o naselenii // Zhurnal rossijskogo prava, №8, 2012, s 16–40.
  • How Credit Works, https://www.selflender.com/how-credit-works/what-affects-credit-score
  • Lyngstad T.H., Skardhamar T. Nordic register data and their untapped potential for criminological knowledge // Crime and Justice, 2011, vol. 40(1), pp. 613–645.
  • Alakbarova I.Y. Elektron dövlat mühitinda fardi malumatların muhafizasi problemlari / “Informasiya tahlukasizliyinin aktual multidissiplinar elmi-praktiki problemlari” IV Respublika konfransı.  Bakı, 14 dekabr, 2018. sah. 64–67.
  • Diestel R. Graph Theory, 2000, Springer-Verlag New York, 322 p.
  • Poltavtseva M. A., Pechenkin, A. I. Intelligent data analysis in decision support systems for penetration tests // Automatic control and computer sciences, 2017, vol. 51, Issue 8, 985–991.
  • Chaudhuri S., Dayal U. An overview of data warehousing and OLAP technology // ACM SIGMOD, 1997, vol. 26(1), 65–74.