Notice bibliographique
Résumé
The corporations of our future will be whatever we can collectively imagine and work together to make a reality. Dialogic law and regulation is a generative tool that can build the bridge between the present and an imagined future. Regulators keep people on the bridge by identifying the kinds of dialogues we want corporate actors to have and by encouraging, coaching, and sometimes assisting them to have those dialogues. This approach works because small changes in the way corporate actors talk to and interact with each other can have dramatic effects on the emergent corporate culture. This thesis develops and tests a theory of Dialogic Regulation. The theory assumes that corporate law and regulation is about attaining or maintaining a desired corporate behaviour, the best way to change behaviour is to learn a new one, and learning is a social process that involves dialogue. The model was tested using an experimental game where the rules of the game were treated as proxies for the “law” and the authority figure directing the experiment was treated as a proxy for the corporate “regulator”. The game was called the “Pay-Off” game. Half-way through the game the rules were changed using one of three different regulatory techniques: 1) Rules: a simple rule change, 2) Audit: a rule change combined with an audit and punishment procedure for infractions, and 3) Dialogic: a rule change combined with a dialogic intervention about the rules. Participants were tested not only for their behavioural reactions to the interventions (Compliance to the rules) but also to determine if they learned anything about the rules (Adherence to the rules). The games experiment showed that for simply behavioural outcomes the Audit Based Regulation approach was the most effective. The experiment also showed that there is significant promise in a Dialogic Regulation approach if the regulatory desire is to have participants learn. While Dialogic Regulation shows promise, a lot more work needs to be done to refine the application of the theory before it is used in real-life regulatory settings.
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 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 | 0,000 | 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 | 0,001 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».