Corruption, fraud and cybercrime as dehumanizing phenomena
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 purpose of this paper is to describe corruption, fraud and cybercrime as dehumanizing phenomena. Design/methodology/approach Berdiaeff's notion of slavery and Sartre's concepts of lie and bad faith are used in order to put light on the dehumanizing effects of corruption, fraud and cybercrime over social life itself. Findings Corruption, fraud and cybercrime constitute dehumanizing processes insofar as they undermine mutual trust among people. When they arise in the organizational setting, corruption and fraud (committed through cyberspace or any other means) are institutionalizing suspicion and creating a deep loss of mutual trust and confidence within the organization. Human relationships within a corrupt and fraudulent organization are harder to develop than in a workplace characterized by honesty and integrity. Research limitations/implications The paper is focusing on Berdiaeff's notion of slavery and Sartrian concepts of lie and bad faith. It does not reflect all aspects of dehumanizing phenomena such as corruption, fraud and cybercrime. Practical implications The analysis reveals the way in which Sartrian concepts of lie and bad faith could be applied to the behavior of corrupt and fraudulent people as well as cybercriminals. Social implications Owing to the transnational nature of both corruption, fraud and cybercrime, such phenomena negatively affect the potentialities to develop a cross‐cultural and interreligious dialogue on the international scene. Originality/value The originality of the paper is that it reveals that the way an organization could fight corruption, fraud and cybercrime could be determined by its propensity to tolerate lies and bad faith in its organizational culture.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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