Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The objective of this paper is to challenge some of the rhetoric pertaining to the “harm” caused by “dirty” money infiltrating into the “legitimate economy.” The arguments regarding the impact of dirty money have been used to justify enhancements to law enforcement powers, and increasingly invasive investigative strategies and intelligence gathering regimes. Design/methodology/approach The paper reviews the literature pertaining to the intersection between “dirty money” and “legitimate business” and looks at how some of the most notorious criminal operations have been handled by the press and the courts. The paper examines corporate complicity in situations involving premeditated, ongoing criminal conduct and discusses two specific ways in which societies acknowledge and accommodate criminality within the operation of these corporations. Findings The paper argues that one must never minimize the amount of legitimate business that involves dirty money or uses dirty opportunities or was once dirty and is now legitimate or was legitimate and is now dirty. Practical implications The pretense of a clear separation between criminality and corporate operations is “useful” and is occasionally correct – but not as the norm and ought not to be the operating law enforcement expectation. Originality/value The paper encourages the reader to question the easily repeated claims about the financial threats from stereotypical forms of “organized crime,” while either dismissing or re‐defining the equally serious, or more serious, activities of professions (lawyers, accountants, bankers, politicians, government officials, corporate CEOs, etc.) operating supposedly legitimately.
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.
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 | 0,004 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 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 découle