MétaCan
Menu
Retour à la cohorte
Enregistrement W2788796527 · doi:10.1111/ehr.12666

Extralegal payments to state officials in Russia, 1750s–1830s: assessing the burden of corruption

2018· article· en· W2788796527 sur OpenAlexaboutno aff
Elena Korchmina, Igor Fedyukin

Notice bibliographique

RevueThe Economic History Review · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCorruption and Economic Development
Établissements canadiensnon disponible
Organismes subventionnairesNational Research University Higher School of Economics
Mots-clésPaymentPeasantExtortionState (computer science)Language changeEstatePopulationClientelismQuarter (Canadian coin)DictatorBusinessEconomicsEconomic historyPolitical scienceLawHistoryFinanceSociologyPoliticsDemography

Résumé

récupéré en direct d'OpenAlex

Abstract This article uses the records of expenditures from a set of estates that belonged to the Golitsyn family to assess the level of ‘routine corruption’ in Imperial Russia in the late eighteenth and early nineteenth centuries. The data from these books allow us to identify individual cases of unofficial facilitation payments made by the estates and by peasant communes to district‐level officials; to delimit key types of payment situations; and to calculate the sums expended for payments by a given estate in a given year. The resulting numbers are compared to the overall volume of obligations borne by the serfs to the state and to their landlords. Our conclusion is that while the facilitation payments were ubiquitous and accompanied any interaction with the state, the volume of these ‘routine’ payments (as opposed to other forms of extraction) was quite low and they did not put a significant burden on the peasants, while at the same time securing hefty extra incomes for top district officials. Rather, by the last decades of the eighteenth century Russian Imperial officials at the district level might have switched from a tribute‐like extortion from the population at large to acquiring vast sums by collecting unofficial payments in more targeted ways.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,075
Tête enseignante GPT0,355
Écart entre enseignants0,280 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Economic History ReviewMême sujetCorruption and Economic DevelopmentTravaux en français237 207