MétaCan
Menu
Retour à la cohorte
Enregistrement W2123797879 · doi:10.1177/0170840610372202

Effective Punishment Through Forgiveness: Rediscovering Kierkegaard’s Knight of Faith in the Abraham Story

2010· article· en· W2123797879 sur OpenAlexaff
Neil Abramson, Yaroslav Senyshyn

Notice bibliographique

RevueOrganization Studies · 2010
Typearticle
Langueen
DomainePsychology
ThématiqueForgiveness and Related Behaviors
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésForgivenessKnightPunishment (psychology)RepentanceFaithHarmRetributive justiceCommissionSociologyLawCriminologyTheologyPhilosophySocial psychologyPsychologyPolitical scienceEconomic Justice

Résumé

récupéré en direct d'OpenAlex

Scheler (1973) proposed a model of punishment intended to re-establish a reconciled relationship between a harm doer and the person(s) harmed. Punishment was followed by genuine forgiveness, seeking genuine repentance from the harm doer, leading to the reconciliation of the relationship. This paper proposed that only a punisher having the character of a Knight of Faith (Kierkegaard 1985) could effectively implement this punishment process. The Abraham story provided an illustration of how a Knight of Faith (God) rehabilitated his relationship with Abraham using punishment and forgiveness. This process is, at an individual level, similar to one applied by Nelson Mandela in the South African Truth and Reconciliation Commission (Tutu 2000). It is argued that this process is more effective in achieving reconciliation and re-establishing effective relationships than traditional retributive approaches as typified by the Sarbanes-Oxley Act, enacted in response to the Enron and WorldCom scandals.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,483
Score d'incertitude au seuil0,391

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,016
Tête enseignante GPT0,333
Écart entre enseignants0,317 · 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'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

Citations24
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrganization StudiesMême sujetForgiveness and Related BehaviorsTravaux en français237 207