MétaCan
Menu
Retour à la cohorte
Enregistrement W3200710296 · doi:10.3138/utlj-2021-0014

Corruption and the criminal law: Assurance and deterrence

2021· article· en· W3200710296 sur OpenAlexaffvenue
Vincent Chiao

Notice bibliographique

RevueUniversity of Toronto Law Journal · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCorruption and Economic Development
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNorm (philosophy)Criminal justiceDeterrence (psychology)Language changeCriminal lawLaw and economicsCompliance (psychology)CheatingPsychological interventionPolitical scienceCriminologyLawSociologySocial psychologyPsychology

Résumé

récupéré en direct d'OpenAlex

In this article, I consider the degree to which criminal justice interventions may be expected to ameliorate systemic corruption. I distinguish between two ideal types of corrupt actors – conditional cooperators and autonomous defectors – and argue that the prospects of reform through criminal justice are greatly affected by the relative preponderance of each type. When conditional cooperators predominate, the criminal law serves primarily to provide assurance that a perceived social norm is effective, in that the norm is both widely adhered to, and adhered to because people endorse the propriety of that norm. When autonomous defectors predominate, the criminal law serves primarily to deter would-be cheaters by attaching costs, at least in expectation, to cheating. Because patterns of compliance based upon a social norm tend to be self-reinforcing, unlike patterns of compliance motivated by fear of sanction, I argue that the prospects of sustainable reform through criminal justice interventions is likely to depend to a substantial degree upon convincing people to trust social norms rather than rely upon their private judgments of what is in their interest – that is, to become conditional cooperators.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,015
Communication savante0,0060,004
Science ouverte0,0000,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,238
Écart entre enseignants0,219 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUniversity of Toronto Law JournalMême sujetCorruption and Economic DevelopmentTravaux en français237 207