Verkenning methoden en data National Risk Assessment Witwassen en Terrorismefinanciering
Notice bibliographique
Résumé
Het onderzoek heeft tot doel inzicht te verkrijgen in de methoden en data die beschikbaar en geschikt zijn voor de uitvoering van de eerste Nederlandse National Risk Assessment (NRA) witwassen en terrorismefinanciering. De NRA dient de Nederlandse risico’s met betrekking tot witwassen en terrorismefinanciering in beeld te brengen en te houden. Vanwege het gebrek aan ervaring met de uitvoering van een NRA, de daaraan verbonden onzekerheden en de complexiteit van het uitvoeren van een NRA heeft het WODC het NRA project opgedeeld in deelprojecten, te weten twee NRA’s voor witwassen, twee NRA’s voor terrorismefinan-ciering, twee monitoren voor anti-witwasbeleid, één monitor voor terrorismefinan-cieringsbeleid en een onderzoek genaamd witwaspiramide. Het eerste deelproject in het NRA project vormt de hier uitgevoerde methoden- en dataverkenning.Bronnen die zijn geanalyseerd omvatten de methoden die vijf andere landen (de Verenigde Staten, het Verenigd Koninkrijk, Canada, Italië en Zweden) hebben toe-gepast voor hun NRA’s. Ook zijn algemene raamwerken voor risicomanagement en methoden voor risico-assessment die daaruit voortkomen bestudeerd. Daarnaast is gezocht naar de beschikbaarheid van aanvullende methoden die bij NRA’s kunnen worden ingezet en is onderzocht wat kan worden geleerd uit de risicotaxaties die in Nederland (deels op andere terreinen) zijn uitgevoerd.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,165 | 0,377 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,016 | 0,010 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,049 | 0,016 |
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 source (Gemma direct ou Codex distillé), 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 ».