MétaCan
Menu
Retour à la cohorte
Enregistrement W1856268622 · doi:10.3968/j.css.1923669720130901.047

The challenges of corruption and the attainment of vision 20:2020

2013· article· en· W1856268622 sur OpenAlexvenueno aff
J. F. Adebisi

Notice bibliographique

RevueCanadian social science · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal socioeconomic and cultural dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLanguage changeCorporate governanceRule of lawGood governanceRevenueImpunityEconomicsPolitical economyDevelopment economicsDemocracyScrutinyPolitical scienceLawPoliticsFinance

Résumé

récupéré en direct d'OpenAlex

Of late the focus and tenor of the fight against corruption has attracted renewed interest and come under fresh scrutiny as part of the broader good governance agenda. This is partly dud to increases in the incidence of corruption with impunity and mounting evidence about its negative multidimensional impact. The effect of corruption varies, depending on country conditions. It may, in the short term, even coexist with strong economic performance like (Chile, Asian Tigers). Its long-term effect, however, extends beyond actual revenue loss. This paper reflects on the economic effects of corruption in the attainment of Vision 20:2020. It is observed that the relate indirect effects include driving away investment, diminishing core democratic values, weakening the rule of law and credibility of pubic institutions, undermine consolidation of good governance and violate the social contract between citizens and the state. Furthermore, the findings showed that governance constraint, and corruption in particular, is a key determinant of a country’s global competitiveness. These findings challenge traditional notions of what constitutes the country’s investment climate,’ and who shapes it. This paper realizes that illegal forms of corruption would continue to be prevalent in the interaction between transnational of the rich world and the pubic sectors in many emerging countries. Key words: Corruption; Good governance; Rule of law; Revenue loss; Attainment; Values

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,873
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,005
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,259
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian social scienceMême sujetGlobal socioeconomic and cultural dynamicsTravaux en français237 207