MétaCan
Menu
Retour à la cohorte
Enregistrement W3112369225 · doi:10.6000/1929-4409.2020.09.181

Non-Authentic Property Declaring as a Qualifying Feature of a Corruption Offense: The Experience of Eu Countries

2020· article· en· W3112369225 sur OpenAlexvenueno aff
Мykhailo Akimov, Andrii V. Kholostenko, Iryna Yavorska, Olena Dragan, Stepan V. Burak

Notice bibliographique

RevueInternational Journal of Criminology and Sociology · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCorruption and Economic Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSanctionsDeclarationProperty (philosophy)Language changeImprisonmentBusinessVulnerability (computing)European unionComputer securityPolitical scienceLawComputer scienceInternational trade

Résumé

récupéré en direct d'OpenAlex

Declaring property is a method of fighting and preventing corruption. Making it mandatory to provide information about the property causes a number of problems that are related to the inaccuracy of the declaration information. European Union (EU) countries have different approaches to providing information and property information. Significant differences in the requirements for declaring income and assets were revealed. It was done on the basis of the data analysis. The systems of declaration and verification of information on the property of Central and Eastern European (CEE) countries were studied in this work. The difference in the procedures of verification of authenticity and establishment of responsibility in case of detection of violation is determined. It is determined that smaller sanctions have been imposed in the countries of Central and Eastern Europe with a higher level of corruption. Sanctions mainly relate to the imposition of fines. In Greece, penalties for administrative fines vary considerably in the number of fines and, in some cases, it might be imprisonment for up to 10 years. The system of verification of declarations also varies significantly within Central and Eastern Europe: from verification of declarations, in particular randomly or automatically, the usage of risk assessment methodology for inaccurate information of the declarant to the notification of unjustified amount of property. It is determined that the inspection takes place as a result of bringing a person to justice in 6 countries.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,416
Score d'incertitude au seuil0,329

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,101
Tête enseignante GPT0,360
Écart entre enseignants0,259 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Criminology and SociologyMême sujetCorruption and Economic DevelopmentTravaux en français237 207