Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose This paper aims to investigate the extent of corruption globally, explains its social and economic consequences and introduces a model, composed of corporate governance mechanisms, internal controls and red flag analyses, which organizations can apply to prevent corruption. Design/methodology/approach This study uses criminology theories to analyze corruption and its prevention. Findings The global cost of bribery alone is estimated at US$1tn annually, not including costs resulting from non-completion and deficient completion of development projects (World Bank Institute, 2004). This paper shows that an effective prevention model should include a positive work environment and ethical governance; the implementation of a compliance risk management program with fraud risk assessments; an accessible psychological assistance program for employees; regular employee anti-fraud training; the implementation of targeted internal controls such as proper segregation of organizational duties; the adoption of fair compensation levels and realistic individual performance goals; a user-friendly and anonymous reporting mechanism; and independent and regular analyses of abnormal patterns (red flags). Research limitations/implications This paper extends previous research by tying together disparate factors into a cohesive model for the prevention of corruption. Practical implications The prevention model developed in this paper assists in deterring corruption, improving internal controls, improving the likelihood of detection and reducing opportunities to perpetrate corruption. By reducing the risk of corruption, this model also helps organizations and governments reduce project costs (public spending) and improve project quality, thus promoting economic competitiveness. Originality/value A comprehensive prevention model is developed to help curtail corruption and its devastating effects.
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.
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 | 0,001 | 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 | 0,000 | 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 découle