Balancing the scorecard through academic accounting research: opportunity lost?
Notice bibliographique
Résumé
Purpose As one of the co‐authors of the first academic research papers published in a major accounting research journal on the subject of the balanced scorecard, the author was asked to reflect on his experiences with research in this area over the last 12 years since that first paper was published. The purpose of this paper is to do this through personal reflection and a literature review. Design/methodology/approach Employing personal reflection and a literature review, the author examines three issues: what motivated him to start this research program; the way the research program unfolded and its unintended consequences; and finally some reflections on the academic research enterprise as it is practised in North America that are reflected by the unintended consequences. Findings The author looks at the differences in psychology research traditions and how they shaped the research program on the balanced scorecard into an attempt to “debias” a problem rather than to bring strong human information processing theory to bear on how the scorecard dealt with some of the issues in its application. The author suggests that these different focuses explain how management accounting behavioral researchers lost an opportunity to have greater impact in the development of this performance tool. Originality/value The paper questions and documents limitations that arise from the reliance on an underlying psychology paradigm that focuses on human limitations, rather than one focused on aiding humans to perform better. It suggests that greater research contributions in management accounting could be obtained if more researchers focused on how management accounting information can be developed that takes advantage of human information processing strengths.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,009 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».