Notice bibliographique
Résumé
Financial crime in Canada remains a mystery: omnipresent, but we know little about its operation. Transactions are cloaked with apparent legality, which makes tracking criminal activity through economic or financial statistics a complex undertaking. This distinctive volume aims to stem in-, out-, and through-flows of vast sums of dirty money by enhancing Canada’s capacity to detect, disrupt, deter, investigate, and prosecute domestic financial criminals and transnational organized criminal organizations. It brings together leading scholars and practitioners from the public and private sectors to identify and explore deficiencies in federal and provincial policy, regulation, legislation, politics, institutions, and enforcement, as well as the international financial crime regime. Together contributors pinpoint weaknesses that have turned the Canadian federation into a destination of choice for global financial crime, where its perpetrators can operate with impunity. Dirty Money reveals how globalization and technology have spun an extensive web of clandestine processes that disguises how financial criminals operate, the channels they use, and how they suborn banks and institutions. In the process, the extent of financial crime in Canada and its corrosive effects on communities, democratic institutions, and prosperity becomes apparent. Contributors: Sanaa Ahmed, John Cassara, Garry Clement, Arthur J. Cockfield, Caroline Dugas, Jamie Ferrill, Cameron Field, Michelle Gallant, Peter German, Rhianna Hamilton, Todd Hataley, Caitlyn Jenkins, Christian Leuprecht, David Maimon, Katarzyna (Kasia) Mcnaughton, Denis Meunier, Pierre-Luc Pomerleau, Stephen Schneider, Jeffrey Simser.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,018 | 0,004 |
| Communication savante | 0,014 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,156 | 0,025 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».