La prévention et la détection de fraude dans les organismes sans but lucratif au Canada
Bibliographic record
Abstract
L'objectif de ce mémoire est d'examiner les moyens de prévention et de détection de fraude dans les organismes sans but lucratif au Canada. Plus spécifiquement, il se consacre à proposer un cadre conceptuel de différents moyens disponibles à ces organismes pour protéger leurs ressources et préserver leur légitimité. Le cadre conceptuel met en avant un modèle combinant quatre catégories de contrôles qui impliquent tous les niveaux hiérarchiques de l'organisme. Pour vérifier la pertinence de ce modèle, quatorze entrevues ont été menées avec des dirigeants dans onze organismes sans but lucratif. Les résultats indiquent que malgré le rôle essentiel des contrôles financiers habituels, ils ne sont qu'une composante dans la démarche de prévention et la détection de la fraude. En effet, les résultats montrent que d'autres facteurs sont importants. La promotion de l'éthique par les ressources humaines encourage l'intégrité et limite les comportements répréhensibles. Les employés qui s'impliquent dans les procédures et tirent l'alarme en présence de comportements douteux participent aussi à la protection de l'organisme. Enfin, les administrateurs qui s'impliquent dans la gestion de l'organisme et posent les bonnes questions sont la clé de succès de toute politique de contrôle. Grâce au modèle développé et aux recommandations mises en lumière, ce mémoire offre une solution globale aux organismes sans but lucratif pour lutter contre la fraude. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Organismes sans but lucratif, tiers secteur, fraude, prévention et détection de fraude, lutte contre la fraude, reddition de compte, gouvernance.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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 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".