MétaCan
Menu
Retour à la cohorte
Enregistrement W3003834579 · doi:10.1111/faam.12240

Financial controls to control corruption in an African country: Insider experts within an enabling environment

2020· article· en· W3003834579 sur OpenAlexaff
Philippe Lassou, Trevor Hopper, Teerooven Soobaroyen

Notice bibliographique

RevueFinancial Accountability and Management · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAccounting and Organizational Management
Établissements canadiensUniversity of Guelph
Organismes subventionnairesUniversity of Southampton
Mots-clésPayrollLanguage changeInsiderBureaucracyBusinessAccountingContext (archaeology)Public sectorPublic administrationFinanceEconomicsPolitical sciencePolitics

Résumé

récupéré en direct d'OpenAlex

Abstract This study analyses an implementation of a government accounting reform in Benin directed at redressing fraudulent and corrupt practices. Although reforms to improve public administration and to mitigate corruption in Africa often have disappointing outcomes, our case study involving systems for payment of supplier invoices, payroll matters, and debt certificates had encouraging findings. The systems reduced inefficiencies and corrupt practices. An “enabling environment” (its main elements being emancipatory space, empowered participation, and ethical leadership) encouraged the deeper involvement of committed, expert, and ethical local civil servants in establishing effective financial controls. In the context of anticorruption reforms, this illustrates that public sector organizations in Africa should not invariably be regarded as monolithic bureaucratic top‐down entities, staffed by civil servants who are either passive “bystanders,” purely self‐interested “players,” or insufficiently expert, and hence in need for more training, and of imported, expensive, accounting systems implemented by foreign consultants. In contrast, the paper argues that, within a suitable environment, granting indigenous experts enough latitude to enact incremental yet substantive accounting changes at the local level may be more effective.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,359
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,018
Tête enseignante GPT0,215
Écart entre enseignants0,197 · 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 tête enseignante, pas un consensus.

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

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFinancial Accountability and ManagementMême sujetAccounting and Organizational ManagementTravaux en français237 207