The political economy of human rights organizations’ codes of ethics
Notice bibliographique
Résumé
Purpose This paper scrutinizes the impact of socioeconomic, political, legal and religious factors on the internal ethical values of human rights organizations (HROs) worldwide. The authors aim to examine the Code of Ethics for 279 HROs in 67 countries and the social and legal settings in which they operate. Design/methodology/approach Using the framework of protect, respect and remedy, the authors look for keywords that represent the human rights lexicon in these three areas. In the protection of human rights, the authors select the terms: peace, transparency, freedom and security. For the respect of humans, the authors use the terms: dignity, equality, respect and rights. Sources of remedies come from justice and ethics. The analysis seeks to determine what political economy settings drive the ethical value choices of the organizations. Those choices are proxied by those keywords they mention in their Code of Ethics. Findings The analysis show that the scope of ethical values mentioned are higher when the HRO is in a country with more domestic violence, lower income inequality, French civil or Islamic legal origin and higher trust in politicians. In regard to the determinants of the ten keywords individually, the authors conclude that the status of the socioeconomic, political, religious and legal settings impact with local HROs mention each of the keywords: peace, justice, transparency, dignity, equality, ethics, respect, freedom, security and rights. Research limitations/implications The analysis is based on HROs that have a webpage in English and list the employee Code of Conduct. Originality/value This study is the first to examine the Code of Ethics for HROs. The authors demonstrate that country-specific characteristics help to drive their internal ethical values.
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 | 0,008 | 0,005 |
| 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 | 0,003 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».