MétaCan
Menu
Retour à la cohorte
Enregistrement W4407695267 · doi:10.1016/j.jeconc.2025.100130

How frontline states tackle sanctions against Russia: Implementation and enforcement dynamics in Poland and the Baltics

2025· article· en· W4407695267 sur OpenAlex
Katarzyna J. McNaughton, Marcin Łukowski

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Economic Criminology · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Sanctions and International Relations
Établissements canadiensMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research CouncilSocial Sciences and Humanities Research Council of Canada
Mots-clésSanctionsEnforcementDynamics (music)Political sciencePsychologyLaw

Résumé

récupéré en direct d'OpenAlex

Russia’s invasion of Ukraine in February 2022, reshaped the EU’s security landscape, prompting sanctions aimed at weakening Russia’s war capabilities. These sanctions also redefined the roles of public authorities and the private sector, introducing new challenges in a shifting geopolitical context. Public authorities, including financial intelligence units, customs, state security agencies, law-enforcement agencies, etc., must identify, prevent, and investigate sanctions evasion and circumvention. This requires robust legal frameworks, adequate resources, and expertise in sanctions evasion typologies. Similarly, businesses and financial institutions operate in legal ambiguity, often asking, “Who am I dealing with in this transaction?”, as they navigate complex compliance requirements. Both the public and private sectors need a strong framework for domestic and cross-border sharing of financial intelligence, trade data, and knowledge of sanctions evasion typologies, as well as insight into the corporate structures of sanctioned entities. However, the EU's decentralized approach of independently designed national enforcement models may hamper cooperation and cross-border financial intelligence sharing. This paper examines how Poland, Lithuania, Latvia, and Estonia that are post-Warsaw Pact EU countries bordering Russia, implement and enforce those sanctions. It explores who "does what" and whether national authorities are adapting their modi operandi to enforce sanctions effectively. The findings reveal distinct national approaches. Latvia’s FIU became Europe’s first sanctions authority, integrating intelligence and enforcement functions. Estonia’s FIU plays a significant role but shares responsibilities with other agencies. Lithuania’s FIU adopts a collaborative model, leveraging a public-private partnership with the Center of Excellence in Anti-Money Laundering. Poland has a fragmented enforcement structure and regulatory framework but is unique in implementing its own autonomous sanctions.

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 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)0,000
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,324
Score d'incertitude au seuil0,337

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,029
Tête enseignante GPT0,273
Écart entre enseignants0,244 · 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