MétaCan
Menu
← Retour à la cohorte
Enregistrement W4400248172 · doi:10.1007/s10610-024-09594-w

Incorporating the Illicit: Assessing the Market Supply of Shelf Companies

2024· article· en· W4400248172 sur OpenAlexaff
Masarah Paquet-Clouston, Nicholas Lord, Jade Philibert, Celine Giese

Notice bibliographique

RevueEuropean Journal on Criminal Policy and Research · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCrime, Illicit Activities, and Governance
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésBusinessCommerce

Résumé

récupéré en direct d'OpenAlex

Whilst inherently lawful, shelf companies enable the generation of contrived financial structures and arrangements that can facilitate actors to organise their criminal activities and conceal, convert, or control their illicit finances or assets. A stratified market for the purchase and management of such legal structures exists. At the lower end, greater accessibility to shelf companies is enabled by websites offering shell companies, or ready-to-go corporate vehicles, at various prices to anyone interested in setting up a company quickly in a preferred jurisdiction. Although these products have been considered as high-turnover and low-cost, their importance should not be underestimated. They lower barriers to entry to customers interested in concealing, controlling, and/or converting illicit finances domestically and transnationally. To gain insight into the nature and organisation of this market, this article provides a first overview of the online market for shelf companies by empirically analysing data scraped online that identified 296 online shelf company suppliers. The results highlight how some of shelf company suppliers are positioned in a way that is conducive to the facilitation of illicit activities; that there exist a diverse range of suppliers with varying sizes, scopes, and connections; and that the market is global, with a large variety of shelf company jurisdictions provided by suppliers.

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)0,001
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,138
Tête enseignante GPT0,442
Écart entre enseignants0,304 · 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'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

Citations4
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueEuropean Journal on Criminal Policy and Research→Même sujetCrime, Illicit Activities, and Governance→Travaux en français237 207→