Who is to blame? Exploring accountability in fraud victimisation
Notice bibliographique
Résumé
Purpose The purpose of this paper is to examine the discourses surrounding accountability as it relates to fraud victimisation. Design/methodology/approach This paper is based upon interviews with 31 professionals across the fraud justice network (FJN) in the UK and Canada. Findings The paper highlights the complexities that surround participant’s perspectives of liability when it comes to fraud. Professionals articulated responsibility falling across the spectrum of victims, offenders and third parties. Further, it is evident that perspectives of accountability are largely influenced by the various types of frauds that exist and the ways in which victims incur losses. Research limitations/implications Interviews with selected FJN professionals may not be representative of those across the broader sector in each country. Despite this, there was still a diversity in views which highlights the tensions that currently exist as to where accountability is positioned. Practical implications The findings clearly indicate that accountability is not directed at any one party, rather there appears to be an interplay across offenders, victims and third parties. While the offender is arguably the one who should be held most accountable for their actions, a lack of official responses to fraud offending means that the offender is largely invisible. For those who place accountability on the victim, there is evidence of neoliberal discourses that argue for prudential citizens, or those who take responsibility for their own actions. This is in contrast to those who believed that victims could not be held accountable for actions beyond their control, and instead third parties were accountable, and should increase their role in education and awareness. Originality/value This paper articulates the discourses of accountability that exist for fraud, and how the current thinking can contribute to interactions with victims, as well as current responses to victimisation. Further work is required to better identify the criteria against which victims are being held accountable, as well as better understand who bears responsibility with responses to fraud victimisation.
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 | 0,044 | 0,101 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,028 | 0,067 |
| Communication savante | 0,022 | 0,023 |
| Science ouverte | 0,003 | 0,023 |
| Intégrité de la recherche | 0,007 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».