Utilisation par les analystes des informations non financières publiées
Notice bibliographique
Résumé
L’auteure examine comment les analystes traitent l’information non financière et comment ce traitement est influencé par le profil des entreprises en ce qui a trait à la publication d’informations non financières. Elle se penche plus précisément sur le lien entre les erreurs des analystes dans les prévisions de résultats et la régularité de la publication d’informations non financières, selon des variables de contenu en information et de temps. L’étude est centrée sur les entreprises du secteur de la communication sans fil et la période s’échelonnant de 1997 à 2007. Les résultats révèlent que les analystes ont tendance à réagir de façon trop modérée aux informations contenues dans le coût d’acquisition de clients, le revenu moyen par utilisateur et le nombre d’abonnés. Ces données sont les indicateurs de performance qui ont un pouvoir prédictif important pour ce qui est des résultats futurs des entreprises de communication sans fil. L’établissement de la distinction entre les entreprises en fonction de leur profil de publication d’informations non financières révèle que les constatations qui précèdent touchent principalement les entreprises qui se caractérisent par l’irrégularité de la publication d’informations. Rien ne permet de conclure à l’inefficacité des analystes dans l’évaluation du contenu des indicateurs non financiers fournis par les entreprises qui publient des informations avec régularité. Ces observations signifient que le manque de régularité dans la publication d’indicateurs de performance restreint la capacité des analystes financiers d’analyser en profondeur l’apport de ces indicateurs pour ce qui est des résultats futurs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».