MétaCan
Menu
Retour à la cohorte
Enregistrement W2901377974 · doi:10.4000/champpenal.10091

Mesurer la délinquance financière

2018· article· fr· W2901377974 sur OpenAlexaff
Killian Chaudieu, Anthony Amicelle

Notice bibliographique

RevueChamp pénal · 2018
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueCrime Patterns and Interventions
Établissements canadiensInternational Centre for Comparative CriminologyUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésConvictionEconomicsPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Le présent article porte sur les dynamiques existantes entre les trois grands types d’intervenants dans la « lutte contre l’argent sale », à savoir les instances non étatiques sommées de dénoncer les opérations financières suspectes, l’instance administrative spécialisée dans le traitement et le renvoi de ces dénonciations et enfin les instances pénales autorisées à utiliser celles qui leur parviennent à des fins de poursuite judiciaire. Pour ce faire, la démonstration repose sur un accès inédit aux données concernant les dénonciations pour soupçon de blanchiment d’argent en Suisse qui, confrontées aux statistiques de condamnations pénales en la matière, font apparaître des écarts permettant d’envisager la mesure de la délinquance financière comme une exploration de la tension constante entre illégalisme et délinquance. À cet égard, il ressort du contexte suisse que certaines situations dénoncées résistent beaucoup mieux que d’autres à l’application d’une qualification d’infraction pénale en matière de blanchiment d’argent et, par extension, à l’objectivation en tant que figure de délinquance.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,365
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0260,004

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 Opus0,069
Tête enseignante GPT0,401
Écart entre enseignants0,331 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChamp pénalMême sujetCrime Patterns and InterventionsTravaux en français237 207