MétaCan
Menu
Retour à la cohorte
Enregistrement W3208899644 · doi:10.6000/1929-4409.2021.10.162

Corruption Eradication in Indonesia during the Covid-19 Pandemic: An Analysis of the Implementation of Article 27 Law Number 2 of 2020 Concerning State Financial Policy and Financial System Stability for Handling Covid-19 Pandemic

2021· article· en· W3208899644 sur OpenAlexvenueno aff
Jamin Ginting, Chelsya Gabriella

Notice bibliographique

RevueInternational Journal of Criminology and Sociology · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndonesian Legal and Regulatory Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLanguage changeLawConstitutionLegal certaintyGovernment (linguistics)Argument (complex analysis)State (computer science)Political scienceFaithSociologyEconomicsMedicine

Résumé

récupéré en direct d'OpenAlex

As Indonesia announced its first Covid-19 case on 2 March 2020, the government issued Acts Number 2 Year 2020. Article 27.1 and 27.2 of the Act do not provide legal certainty because they may release the state-official-corruptors from their criminal responsibility. Through this paper, the author argues the criminal-responsibility exception by elaborating the ideas of the 1945 Constitution and the Corruption Act. The author uses normative legal research to construct the paper by bringing the 1945 Constitution, Indonesian Penal Code, and Government Administration Act as contra-materials toward Acts Number 2 Year 2020. The author also uses the theories from Indonesian Law Scholars to base the author’s argument. The paper provides the construction of criminal corruption as one of the essential parts of state loss. It also explains the solution to remove the criminal-responsibility-exception by using the excellent faith principle. The paper would return the good faith principle into the implementation of Act Number 2 Year 2020. As Act Number 2 Year 2020 is considerably new on implementation, this paper provides new insight into the better implementation of corruption-handling during the Covid-19 Pandemic.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,096
Score d'incertitude au seuil0,461

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,080
Tête enseignante GPT0,407
Écart entre enseignants0,327 · 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'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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Criminology and SociologyMême sujetIndonesian Legal and Regulatory StudiesTravaux en français237 207