MétaCan
Menu
Retour à la cohorte
Enregistrement W4403957707 · doi:10.1108/jfc-07-2024-0217

Success in small places: NCB forfeiture thrives in Manitoba, a small but mighty Canadian jurisdiction

2024· article· en· W4403957707 sur OpenAlexaboutno aff
Jeffrey Simser

Notice bibliographique

RevueJournal of Financial Crime · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Sciences and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJurisdictionCriminologyLawPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

Purpose This paper shows how a small jurisdiction can apply well-designed non-conviction-based (NCB) forfeiture provisions with a dedicated team to have a meaningful impact on financial crime. This paper aims to examine developing jurisprudence, legislation and case law to explore how the NCB laws work. Finally, this paper examines a relatively new area of law for Canada, unexplained wealth orders (UWOs). This paper discussed three recent cases in Western Canada currently before the courts. Design/methodology/approach This paper considers legislative and jurisprudential developments relevant to NCB or civil asset forfeiture and in particular considers very recent developments involving UWOs. Findings This paper shows how a small jurisdiction can apply well-designed NCB forfeiture provisions with a dedicated team to have a meaningful impact on financial crime. Research limitations/implications Some jurisdictions, like the UK, have experienced court losses with their UWO process. Canadian law may have a modest pathway to success in this area, although our jurisprudence is very much in development. Practical implications Manitoba is a small jurisdiction with limited resources who are finding ways to have an effective impact on financial crime through the careful application of use of conviction-based forfeiture. Social implications Financial crime has an outsized impact on society. This paper shows some of the techniques available to disrupt financial crime. Originality/value This paper incorporates developments in 2024 that have not yet been examined.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,255
Score d'incertitude au seuil0,578

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,031
Tête enseignante GPT0,284
Écart entre enseignants0,253 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Financial CrimeMême sujetSocial Sciences and GovernanceTravaux en français237 207