MétaCan
Menu
Retour à la cohorte
Enregistrement W4385226441 · doi:10.5465/amproc.2023.17710abstract

Residual Corruption in the Chinese Civil Service: Towards an Ecosystem Theory

2023· article· en· W4385226441 sur OpenAlexaff
Adina Dudau, Stelios C. Zyglidopoulos, Wei Yang, Yanduo Li

Notice bibliographique

RevueAcademy of Management Proceedings · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCorruption and Economic Development
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésCivil serviceResidualLanguage changeEcosystem servicesEcosystemService (business)Environmental resource managementBusinessPolitical scienceEnvironmental scienceComputer sciencePublic administrationEcologyPhilosophyBiology

Résumé

récupéré en direct d'OpenAlex

Our understanding of corrupt behavior and of corruption perpetuation at organizational and societal levels is fairly stable and consensual, largely due to normative approaches taken around it in both research and practice. Arguably, knowledge has reached a critical point where we ought to consider more nuanced facets of corruption , to enable future fecundity in this area. One way forward is examining rich contextual data to extract strikingly different perspectives on corruption. Our focus is the Chinese civil service: a highly guarded context with a distinct cultural and political identity. Specific concepts such as Guanxi, Confucianism and political capitalism can afford us an insight into China’s unique political arena (Li-Chia 2021), revealing new perspectives on corruption. Our interview data from 31 high-level Chinese civil servants suggests that individual corruption with which individuals engage to fit in, rather than move ahead, of their collective is seen to contribute to a type of corruption we call ‘residual corruption’ which confers some equilibrium in a corruption ecosystem where there are drivers for corruption, but also breaks, checks and balances. These findings challenge our current understanding of corruption normalization which suggests uncontrollable growth in the absence of external control.

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)0,006
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,686
Score d'incertitude au seuil0,356

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,039
Tête enseignante GPT0,330
Écart entre enseignants0,291 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetCorruption and Economic DevelopmentTravaux en français237 207