Whistleblowing and Anti-Corruption Crusade: Evidence From Nigeria
Notice bibliographique
Résumé
The legal framework to fighting corruption has been less effective probably because it is evidence-based. This study investigated the extent to which whistleblowing predicted Corruption Perception Index (CPI) score, the extent to which employees engaged in whistleblowing, and why they did not report cases of corruption. Respondents were 536 employees (298 males; 238 females) sampled from public organizations in southwestern Nigeria. Their ages averaged 32.13 (SD =9.78). Results of the simple regression indicated that the country’s CPI score significantly increased with whistleblowing. Results of the χ2 test indicated that majority of the respondents were discouraged from blowing the whistle because of social and psychological factors such as the feelings that whistleblowing would not bring desired change, fear of being ostracized, the perceived stress associated with being a witness to corrupt acts, perceived inefficiency of the court process, the perceived clumsiness in the whistleblowing process, the feelings that corrupt persons were too powerful, and the feelings that corruption had no direct victims. There were no gender differences in the effect of the social and psychological factors in whistleblowing. Similarly, there were no gender differences in the frequency of whistleblowing from 2001 to 2012. However, in the 2013 (January to June) significant gender differences occurred in the frequency of whistleblowing with more females engaging in whistleblowing than males. Implications of the findings for theory and research were discussed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».