The Ties that Bind: The Decision to Co‐Offend in Fraud
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
It is frequently observed that fraud has a greater economic impact on society than any other category of crime. Arguing that both research and practitioner frameworks in auditing and forensic accounting have tended to adopt an individualizing perspective predicated primarily on solo offending, this article adopts an inductive approach to consider why individuals co‐offend in fraud. It reports the results of a set of interviews with 37 individuals convicted of a range of frauds including financial statement fraud, insider trading, credit card fraud, money laundering, and asset misappropriation. In each instance, the fraud was perpetrated by a group of two or more co‐offenders. Based on inductive, exploratory case coding, we find that reasons for co‐offending vary according to the type of bond that exists between co‐offenders. Two dimensions of fraudulent co‐offending are identified—the primary beneficiary of the fraud and the nature of group attachment—to derive three distinct archetypes of bonds between co‐offenders: (1) individual‐serving functional bonds, (2) organization‐serving functional bonds, and (3) affective bonds. Key elements of each archetype as well as their impact on the decision to co‐offend are examined. Our findings suggest that the social nature of fraud is not merely an incidental feature of the crime but is instead a potential key to understanding its etiology and some of its distinctive features. They also support the need for diagnostic tools to move beyond individualistic analyses of fraud toward a broader, group‐sensitive assessment of fraud risk.
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 | 0,009 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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