MétaCan
Menu
Retour à la cohorte
Enregistrement W4211066503 · doi:10.1017/9781108553834.014

Corruption

2020· book-chapter· en· W4211066503 sur OpenAlexaff
Oleh Havrylyshyn

Notice bibliographique

RevueCambridge University Press eBooks · 2020
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueCorruption and Economic Development
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceBusiness

Résumé

récupéré en direct d'OpenAlex

Pervasive corruption at all levels of society was a common feature for the majority of countries from the start of transition and persists to the present day in many. It is not unique to transition; it is widespread in many developing and some developed countries, and was commonplace in the communist period. However, the same divergence seen in the degree of reform and socioeconomic performance applies to corruption. Most in Central Europe and the Baltics experienced significant reductions in socialist corruption soon after reforms began in 1990, and this improvement continues, with a few like Estonia and Slovenia nearly equalling the best of advanced countries. It is not a mere coincidence that the least corrupt were the most reformed and had the highest degree of democracy. Southeast Europe lagged behind, but even there considerable improvements have taken place, probably under pressure of EU requirements for membership accession. The worst levels persist in the former USSR with the heroic exception of Georgia since its Rose Revolution. It seems that formal political “programs” to combat corruption, even with foreign involvement, are far less effective than a committed effort to complete economic democratic and Rule-of-Law reforms.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,969
Score d'incertitude au seuil1,000

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 technologies0,0000,000
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 Opus0,047
Tête enseignante GPT0,229
Écart entre enseignants0,182 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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 revueCambridge University Press eBooksMême sujetCorruption and Economic DevelopmentTravaux en français237 207