فهرست نشریات علمی دسترسی آزاد ایران

پیشینه و اهداف: شناسایی ادعاهای مشکوک خسارت در بیمۀ کشاورزی با استفاده از روش‌های سنتی، با بهره‌گیری از کارشناسان در میان انبوه ادعاها بسیار دشوار و شاید غیرممکن باشد. در پژوهش حاضر، مدلی برای کشف ادعاهای مشکوک خسارت­ در بیمۀ کشاورزی با استفاده از تکنیک‌های داده‌کاوی ارائه شده است تا به صندوق بیمۀ کشاورزی در شناسایی این‌گونه ادعاها کمک نماید.روش‌شناسی: روش تحقیق در این پژوهش از نظر هدف، کاربردی و از نظر ماهیت، توصیفی ـ پس‌رویدادی است. یکی از کاربردهای داده‌کاوی، تشخیص ناهنجاری است. در مطالعۀ حاضر، روشی برای تشخیص ناهنجاری‌ها در داده‌ها با استفاده از مدل‌های ترکیبی یادگیری ماشین ارائه شده است. برای اجرای این روش، از داده‌های واقعی خسارت پرداختی به بیمۀ گندم (آبی و دیم) به مدت یک سال در استان خوزستان استفاده شده است. با توجه به تفاوت در روند تعیین خسارت بیمه‌نامه‌های گندم آبی و دیم، تحلیل ناهنجاری آنها به تفکیک انجام شده و برای هر کدام تعداد ادعاهای مشکوک به­صورت جداگانه به دست آمد.یافته‌ها: تجزیه‌و‌تحلیل نتایج، 5 نوع رفتار مشکوک را در ادعای خسارت نشان داد. نسبت ادعاهای مشکوک به کل (درصد ناهنجاری‌ها) با استفاده از هیستوگرام نمرات ناهنجاری و نظر کارشناسان صندوق بیمه حدود 1.5 درصد برآورد شد. موارد مشکوک و غیرعادی توسط کارشناسان مورد بررسی قرار گرفت و دقت نهایی مدل در تشخیص صحیح موارد مشکوک برای بیمه‌نامۀ گندم آبی و دیم به‌ترتیب 72 و 68 درصد به دست آمد.نتیجه‌گیری: بر اساس نتایج به دست آمده، می‌توان از مدل ارائه‌شده برای شناسایی ادعاهای مشکوک خسارت در بیمه‌نامه­های گندم آبی و دیم استفاده نمود. از آنجا که بیشتر موارد غیرعادی ناشی از عدم ارائۀ مستندات کافی می‌باشد، علت این موضوع می‌تواند به‌دلیل ارائۀ بیمه‌نامه‌های صوری یا وجود تبانی بین بیمه­گذار، نمایندۀ بیمه­گر یا ارزیاب باشد. بنابراین، بایستی در روند پرداخت خسارت دقت و بررسی بیشتری صورت گیرد. مطالعۀ حاضر بر روی محصول گندم انجام شده و قابل‌استفاده برای سایر محصولات زراعی می­باشد.