Avrupa Birligi kamu alimi ihaleleri ilan metinlerinin ekonomik etkilerinin dogal dil isleme ile incelenmesi

Abstract

Küresel bazda kamu alımları 11 trilyon dolar tutarı ile muazzam bir ekonomik aktiviteye denk gelmektedir. 250 binden fazla Avrupa Birliği kamu otoritesi her yıl Avrupa Birliği'nin (AB) gayri safi yurtiçi hasılasının (GSYİH) yüzde 14'ünü oluşturan yaklaşık 2.3 trilyon euroyu kamu alımları için harcamaktadır. Yapılacak küçük çaplı iyileştirmeler bile kamu kaynaklarının kullanımını büyük ölçüde etkilemektedir. Bu nedenle kamu kaynaklarının etkin kullanımı için rekabetçi ve maliyet etkin kamu alım süreçlerinin oluşturulması önem arz etmektedir. Kamu otoriteleri ise piyasa rekabet gücünün sağlanması, verilerin şeffaflığı ve güvenilirliği gibi Avrupa Birliği Komisyonunun direktiflerininin uygulamasından sorumludur. Kamu alımları faaliyetlerini kontrol edebilmek için ilan edilmeden önceki süreçte ihale ölçütlerini tahmin edebilmek önem arz etmektedir. Binlerce belge içerisinden ihale ölçütlerinin belirlenmesi başlı başına önemli bir problem olarak karşımıza çıkmaktadır. Bu çalışmada kullanılan veri kümesi, 2011'den 2018'e kadar 22 AB üye ülke dilini kapsayan AB'nin Resmi Gazetesine Ekinin çevrimiçi versiyonu olan Tenders Electronic Daily'deki (TED) kamuya açık sözleşme belgelerindeki sözleşme açıklama metinlerinden derlenmiştir. Gerçek veriler kullanılarak yapılan deneylerde, çok dilli hassas ayarlanan dönüştürücü modeller, cümle temsil vektörleri tabanlı yaklaşımlar ve öznitelik tabanlı yaklaşımlar önerilen metotlar olarak sunulmaktadır. Önerilen metotlar yalnızca ilan açıklamalarını kullanarak tek teklifli sözleşmeler, toplam teklif sayısı, yabancı firma sözleşmeleri ve sözleşme fiyatının etkinliği olmak üzere dört ekonomik ölçütü tahmin etmek için kullanılmaktadır. Önerilen yöntemler, tüm tahmin görevlerinde kelime frekans vektörlerini ve ekonomik göstergeleri kullanan modeller de dahil olmak üzere tüm temel modellerden daha iyi performans göstererek, ilan açıklamalarının kamu ihalelerinin sonuçlarında önemli bir rol oynadığını göstermektedir. Ayrıca, çok dilli eğitimin tüm görevlerde orjinal dildeki eğitime göre tahmin performansını geliştirdiği görülmektedir. Bu ise kullanılan veri kümesinin diğer ülkelerin kamu ihale ilanları için de kullanılabileceğini göstermektedir. Geliştirilen modeller, kamu ihale yetkilileri tarafından ihale ilanlarının inceleme sürecini otomatikleştirmek ve düşük rekabete neden olanları tespit etmek için kullanılabilir. Ayrıca katılımcı firmalar karşılaşacakları potansiyel rekabeti tahmin etmek için geliştirilen modelleri kullanarak daha öngörülebilir kararlar alabilir ve geleceğe yönelik risklerini azaltabilirler. Aynı zamanda belirtilmelidir ki geliştirilen modeller sadece kamu alımı ilan metinlerindeki açıklamaları kullanmaktadır. Bu nedenle model performansları ihale süreçlerini etkileyen diğer ekonomik etkenler dahil edilerek iyileştirmeye açık olmakla birlikte bu çalışmanın kapsamının dışında kalmaktadır.

Global public procurement amounts to $11 trillion annually. More than 250,000 European Union (EU) public authorities spend around C2.3 trillion every year which constitutes 14 percent of the European Union GDP. Even small improvements in the procurement processes have a large effect on the effectiveness of public funds usage. Therefore, competitive and cost-effective public procurement processes are essential for the effective use of public resources. Public authorities in EU are responsible for applying EU commission directives such as ensuring market competitiveness, transparency and reliable data. To control public procurement activities, predicting future award metrics before bidding is crucial while there exist thousands of documents about procurement calls. The data used in this work consists of European Union's multilingual public procurement notices. The data covers raw contract description texts from 2011 to 2018 spanning 22 EU languages and extracted from publicly available contract documents in Tenders Electronic Daily (TED) which is the online version of 'Supplement to the Official Journal' of the EU. In the experiments, fine-tuned multilingual transformer models, sentence embeddings approach, and a feature based approach are proposed to predict four economic metrics including the single bid awards, the number of offers, foreign contract awards, and contract price effectiveness. In all prediction tasks, proposed methods outperform all baselines including models that use word ngrams and economic indicators. This suggests that notice descriptions play an important role in the outcome of public procurement calls. We also showed that multilingual training improves prediction accuracy in all tasks suggesting that EU dataset can be also used for public procurement calls of other countries. Developed models can be used by public procurement officials to automatize the examining process of procurement notices and detect the ones causing low competition. Participating firms can also use the models to predict potential competition they will face to make better decisions and reduce the future risks. Note that there is still gap to improve model performances by adding economic indicators into models. But the best performing models in this work focus only procurement notice descriptions.