MétaCan
Menu
Retour à la cohorte
Enregistrement W2460399445 · doi:10.5553/rm/0920055x2016031003004

Private toezichthouders als radertjes in wiens machine: die van de overheid of van bedrijven?

2016· article· nl· W2460399445 sur OpenAlexaff
H.G. van der Voort

Notice bibliographique

RevueRegelMaat · 2016
Typearticle
Languenl
DomaineSocial Sciences
ThématiqueComparative and International Law Studies
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Private toezichthouders als radertjes in wiens machine: die van de overheid of van bedrijven? De casus van zelfregulering in de uitzendbranche Overheden accepteren vaak private, helpende handen voor toezichtstaken, zoals normstelling, informatieverzameling en handhaving. Publieke toezichthouders ontmoeten in een dergelijk geval hun private collega’s. Voorbeelden van deze collega’s zijn zelfregulerende brancheorganisaties, die op hun beurt toezichtstaken hebben. Zij zijn te zien als de facto private toezichthouders tussen publieke toezichthouders en bedrijven. Hoe is de rol van private toezichthouders te typeren? In een uitgebreide casusbeschrijving over vervangende zelfregulering in de uitzendbranche exploreert de auteur de rol van private toezichthouders tussen overheid en de bedrijven waarop zij toezicht houden in. Zijn zij heel afhankelijk van de overheid, een radertje in haar machine? Of juist een radertje in de machine van de bedrijven die de schone schijn willen ophouden voor de overheid? De casus laat zien dat private toezichthouders niemands radertje zijn, maar beter te zien zijn als zelfstandige module die een ingewikkeld systeem van publieke en private regels gaande houdt. De casus is inspirerend voor de wetgever, want deze heeft de branche zelf de prikkels gegeven om zich op de huidige wijze te reguleren en daarmee de private toezichthouders de huidige rol gegeven. De bijdrage sluit af met een uiteenzetting van deze prikkels en de verklaring van hun werking.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,718
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0010,000

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 Opus0,031
Tête enseignante GPT0,331
Écart entre enseignants0,299 · 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.

Devis d'étudeSans objet
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRegelMaatMême sujetComparative and International Law StudiesTravaux en français237 207