Mengkriminalisasi Greenwashing: Menjawab Tantangan Perlindungan Konsumen di Era Keberlanjutan
Notice bibliographique
Résumé
Greenwashing is a phenomenon where companies claim their products or policies are environmentally friendly when, in reality, they are not. This phenomenon has grown alongside increasing public awareness of the importance of environmental sustainability. Greenwashing not only harms consumers who are misled by these false claims but also poses a threat to the environment by obscuring corporate responsibility toward sustainability. In the context of criminal law, greenwashing can be categorized as a serious form of environmental fraud; however, many countries still lack clear regulations to address it. As sustainability becomes a central focus across various sectors, the need for stricter regulation and legal enforcement against unethical practices like greenwashing is crucial. This research uses a normative legal method with statutory, conceptual, and comparative approaches. The findings reveal that Indonesia's criminal law is insufficient in addressing greenwashing, which harms both consumers and the environment. Comprehensive legal reform is necessary. Indonesia currently lacks specific regulations that criminalize greenwashing, making it essential to revise laws such as the Criminal Code, the Consumer Protection Law, or Environmental Law. These reforms should include clear definitions, transparent evidence standards, and strict sanctions, including criminal penalties for companies found guilty. Several countries, such as France, Germany, Canada, and Australia, have taken proactive steps by tightening regulations and law enforcement. Indonesia can learn from these countries to develop a more responsive legal system. Adopting international standards and harmonizing regulations across countries is also important to address global challenges that allow multinational companies to evade responsibility....
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».