MétaCan
Menu
Retour à la cohorte
Enregistrement W1720712816 · doi:10.1506/rq40-ur50-5crl-yu8a

Avoiding Accounting Fixation: Determinants of Cognitive Adaptation to Differences in Accounting Method*

2005· article· en· W1720712816 sur OpenAlexvenueno aff
David T. Dearman, Michael D. Shields

Notice bibliographique

RevueContemporary Accounting Research · 2005
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAccounting Education and Careers
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésActivity-based costingManagement accountingDebiasingCost accountingCognitionAccountingAccounting methodAdaptation (eye)Accounting information systemTarget costingComputer sciencePsychologyEconomicsSocial psychology

Résumé

récupéré en direct d'OpenAlex

Abstract Much research over the last 30 years has provided evidence that individuals display accounting fixation; that is, their cognitive process does not appropriately adapt to cross‐sectional or temporal differences in an accounting method. This paper presents the results of a quasi‐experimental test of the hypothesis that cognitive adaptation to a change in accounting method is an ordinal interactive function of three person characteristics: relevant accounting knowledge, general problem‐solving ability, and intrinsic motivation to appropriately engage in the decision task. Based on a product‐pricing decision task in which participants are provided with product costs reported by two generally employed product‐costing methods (activity‐based costing [ABC] and volume‐based costing), the results show that the majority of participants did not change their cognitive behavior when there was a change in the costing method. Further, those participants who did adapt to the change in accounting method, and thus avoided accounting fixation, did so by debiasing costs reported by volume‐based costing but not by ABC. Finally, these adapters generally exhibited high values for all three of the person characteristics compared with those who did not adapt.

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 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)0,013
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,165
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,005
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,143
Tête enseignante GPT0,386
Écart entre enseignants0,243 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetAccounting Education and CareersTravaux en français237 207