Selfinvestigation and selfreporting of fraud and corruption by companies
Bibliographic record
Abstract
Behoudens de in of krachtens de Auteurswet van 1912 gestelde uitzonderingen mag niets uit dit rapport worden verveelvoudigd, opgeslagen in een geautomatiseerd gegevensbestand, of openbaar gemaakt, in enige vorm of op enige wijze, hetzij elektronisch, mechanisch, door fotokopieën, opnames of enige andere manier, zonder voorafgaande schriftelijke toestemming van het WODC. VoorwoordHet zelfonderzoek door bedrijven die verdacht worden van financieel-economische criminaliteit binnen het strafrecht staat momenteel in de belangstelling van de maatschappij.Het gebruik van particuliere onderzoekers voor intern onderzoek bij bedrijven is niet nieuw.Particulier onderzoeksbureaus (POBs), interne veiligheidsafdelingen en forensisch accountants leveren onder de noemer van 'corporate investigations' of 'toedrachtsonderzoek' onderzoeksdiensten aan bedrijven en andere organisaties.De betrokkenheid van advocaten als onderzoeker is echter een relatief recent fenomeen.Hoewel meningen zijn verdeeld over de wenselijkheid van zelfonderzoek en het zelfmelden dat daarop kan volgen in het algemeen, lijkt vooral de betrokkenheid van de advocaat, die in essentie een partijbehartiger is en geen onafhankelijke partij, discussie op te roepen.Er is echter nog weinig bekend over de potentiële opbrengsten en risico's van zelfonderzoek naar en zelfmelden door bedrijven van fraude en corruptie.In dit rapport wordt verslag gedaan van een rechtsvergelijkend en empirisch onderzoek naar de ervaringen met zelfonderzoek en zelfmelden van mogelijk financieel-economische criminaliteit (specifiek fraude en corruptie) door bedrijven in Duitsland, Engeland (en Wales), Frankrijk en de Verenigde Staten en de gepercipieerde potentiële opbrengsten en risico's van het zelf (laten) onderzoeken en zelfmelden van mogelijk financieel-economische criminaliteit door bedrijven in Nederland.Accountants, advocaten, medewerkers van private onderzoeksbureaus, medewerkers van de FIOD, medewerkers van het openbaar ministerie, vertegenwoordigers van bedrijven die als opdrachtgever (kunnen) optreden, vakjournalisten, wetenschappers en leden van de rechtspraak werkten mee aan het onderzoek door middel van interviews te geven en aanvullend informatie te verschaffen.Zonder hun welwillende medewerking had dit rapport niet geschreven kunnen worden en wij danken hen dan ook voor hun bereidheid medewerking te verlenen en hun waardevolle bijdragen.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.000 | 0.002 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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 source (direct Gemma or distilled Codex), 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".