MétaCan
Menu
Retour à la cohorte
Enregistrement W2100483957 · doi:10.7202/017395ar

Nouvelle donne législative et causes de la criminalité « corporative »

2005· article· en· W2100483957 sur OpenAlexvenueno aff
Laureen Snider

Notice bibliographique

RevueCriminologie · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Conservation and Criminology Analyses
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCriminalizationCapitalismDenunciationIdeologyHegemonyPoliticsCriminal lawCapitalist stateCrime controlLegislationLawPolitical scienceCriminal justiceSociologyState (computer science)Social controlPolitical economyCriminology

Résumé

récupéré en direct d'OpenAlex

This paper examines the ideological and political collapse of laws regulating corporate crime in North America. In an era where social control and criminalization are steadily increasing, corporate crime has been normalized, shorn of its negative, criminal implications, de-regulated in law. The paper asks why this has happened, looking first at the century-long battle waged by labour and other counter-hegemonic groups to censure and control the antisocial acts of corporations through the passage of criminal legislation. Second, it examines the role criminology as a discipline played in this process, and the subsequent replacement of criminological discourse and influence by the newly-ascendent law and economics movement, which has provided the much of the academic support for de-regulation. Both developments, it is argued, are linked to changes in global capitalism and the weakened nation-state. Finally, the paper argues that the removal of regulation through criminal or administrative law, and of its accompanying rhetorics of denunciation, has grave consequences for social policy. The structural and ideological forces of global capitalism that have normalized corporate crime have also provided ideal conditions for increases in its incidence and impact.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,161
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,245
Tête enseignante GPT0,387
Écart entre enseignants0,142 · 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'étudeObservationnel
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

Citations6
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCriminologieMême sujetWildlife Conservation and Criminology AnalysesTravaux en français237 207