Private toezichthouders als radertjes in wiens machine: die van de overheid of van bedrijven?
Bibliographic record
Abstract
Private toezichthouders als radertjes in wiens machine: die van de overheid of van bedrijven? De casus van zelfregulering in de uitzendbranche Overheden accepteren vaak private, helpende handen voor toezichtstaken, zoals normstelling, informatieverzameling en handhaving. Publieke toezichthouders ontmoeten in een dergelijk geval hun private collega’s. Voorbeelden van deze collega’s zijn zelfregulerende brancheorganisaties, die op hun beurt toezichtstaken hebben. Zij zijn te zien als de facto private toezichthouders tussen publieke toezichthouders en bedrijven. Hoe is de rol van private toezichthouders te typeren? In een uitgebreide casusbeschrijving over vervangende zelfregulering in de uitzendbranche exploreert de auteur de rol van private toezichthouders tussen overheid en de bedrijven waarop zij toezicht houden in. Zijn zij heel afhankelijk van de overheid, een radertje in haar machine? Of juist een radertje in de machine van de bedrijven die de schone schijn willen ophouden voor de overheid? De casus laat zien dat private toezichthouders niemands radertje zijn, maar beter te zien zijn als zelfstandige module die een ingewikkeld systeem van publieke en private regels gaande houdt. De casus is inspirerend voor de wetgever, want deze heeft de branche zelf de prikkels gegeven om zich op de huidige wijze te reguleren en daarmee de private toezichthouders de huidige rol gegeven. De bijdrage sluit af met een uiteenzetting van deze prikkels en de verklaring van hun werking.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".