MétaCan
Menu
Retour à la cohorte
Enregistrement W2028185964 · doi:10.5465/ambpp.2014.13041abstract

Corruption Propensity of Entrepreneurs in Asian Emerging Economies: A Theoretical Model

2014· article· en· W2028185964 sur OpenAlexaff
Madhurima Bhattacharyay, Feng Jiao

Notice bibliographique

RevueAcademy of Management Proceedings · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCorruption and Economic Development
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésLanguage changeEmerging marketsCorporate governanceGovernment (linguistics)BusinessInstitutional theoryState ownershipState (computer science)Social capitalEconomic systemMarket economyEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Corruption is one of the key challenges that impacts entrepreneurs in emerging economies in Asia. Entrepreneurs in these emerging economies in the early stages of their venture are particularly vulnerable to the pressures of engaging in corrupt transactions with government officials. In this paper, we focus on these entrepreneurs and build a theoretical model to explore some of the contextual factors that impact the propensity of entrepreneurs in Asian emerging economies to engage in corruption. We use perspectives from institutional theory, social networking theory and corporate governance to develop a theoretical model of how an entrepreneur’s institutional environment, the level of discretionary power of the state, the efficacy of the country's legal system, the presence of free and uncensored media in the economy, an entrepreneur’s social ties with government officials, and inclusion in business and professional networks shape his/her tendencies to engage in corruption.

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 candidatesaucune
Catégories consensuellesaucune
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 enseignants0,623
Score d'incertitude au seuil0,396

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 technologies0,0000,000
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 Opus0,028
Tête enseignante GPT0,283
Écart entre enseignants0,255 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetCorruption and Economic DevelopmentTravaux en français237 207