Political culture and the resource curse: public sector corruption across the United States
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose This study aims to examine the connection between political culture and public sector corruption, using the typology of Daniel Elazar, whose model traces the types of political cultures to their origins in various regions of England. Similarly, the “resource curse” concept, generally treated as a national-level phenomenon, is examined to assess how it might vary among jurisdictions within a country. Design/methodology/approach Regression analysis was applied to data from the 50 states of the US. Public sector corruption in each state was operationalized as the number of convictions by the Public Integrity Section of the US Department of Justice in relation to the number of public sector employees in that state. Findings Among the 50 states of the US, support was found for the association between political culture and public sector corruption. On the other hand, whether a state’s economy was dominated by natural resource extraction was not related to public sector corruption. This latter finding suggests the “resource curse” phenomenon does not cause corruption to be worse in states with resource-dependent economies. Research limitations/implications Although it is appropriate to apply regression analysis to a data set of the 50 US states, the small size of the data set limited the number of predictor variables that could be examined. Alternative research approaches are discussed, and it is conceivable that another analytical technique might have revealed other predictors that affect the occurrence of corruption. Originality/value While numerous studies have examined the impact of political culture and resource orientation on corruption at the national level, the current study examines how these variables affect corruption at the level of subnational jurisdictions within a major developed country, the United States.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle