Existen muchas formas de medir la corrupción. Ya ha habido varios esfuerzos académicos y estadísticos para entender el fenómeno desde su complejidad micro, como conductas individuales, hasta su complejidad macro, como conductas grupales y en ejercicios de red. Quizás, la forma más común de medir la corrupción y la medición más famosa es la que mide los hechos y las percepciones de la corrupción. Y esta medición, lo que busca es establecer un marco para comparar a los países, establecer niveles de corrupción y de ideas de corrupción y, también, dar a conocer la desconfianza que tienen los ciudadanos sobre sus gobernantes en materia de corrupción. Sin embargo, esta forma de medir la corrupción tiene grandes limitaciones científicas, empezando por su conceptualización que es altamente subjetiva del concepto de la corrupción pero, también, sobresimplifica el fenómeno de la corrupción y no ofrece elementos para hacer análisis comparado y validado sobre otros tipos de estudios de medición de corrupción. En particular, en los últimos 20 años, se ha empezado a describir la corrupción a partir de fuentes empíricas de información y datos, que permiten enfoques más objetivos de la realidad así como diferentes niveles o escalas de análisis macro o micro corrupción. En esta corriente académica están los índices que intentan medir de manera estandarizada la corrupción, evaluar sus niveles y cuantificar riesgos. Adicionalmente, se tienen los estudios de comportamiento económico y antropología que estudian comportamientos como la honestidad, la cooperación, la reciprocidad, así como las teorías económicas que usan teoría de juegos y modelos conceptuales sobre transacciones e intercambios de agentes y dilemas morales. Ahora bien, estudiar la corrupción a partir de datos y cuantificarla nos abre la posibilidad no solamente de describir la corrupción, sino también de predecirla y de elaborar modelos. La predicción de la corrupción se basa en modelos construidos a partir de parámetros bien definidos, que permiten reproducir y determinar con precisión las condiciones antes, durante y después de un evento o posibles eventos de corrupción. Dentro de este punto se encuentran los modelos dinámicos y algorítmicos que permiten entender la corrupción desde las matemáticas y de las ciencias de la computación y, así, desarrollar modelos de agentes. Sin embargo, nuestra capacidad para predecir la corrupción a partir de modelos de agentes aún es muy baja. Científicamente, tenemos problemas con la información y la calidad de la información y los datos que se usan, también por la complejidad de los espacios y la temporalidad en que se desarrollan los hechos de corrupción y, por último, la forma en la cual las operaciones de la corrupción se llevan a cabo en diferentes actores, en diferentes momentos y en diferentes territorios.