Notice bibliographique
Résumé
ABSTRACT: This paper follows up on the discussion on “advising” the Financial Accounting Standards Board (FASB) about social and economic reality. It began with Lee (2006a), was commented upon in Macintosh (2006) and Williams (2006), and closed with a reply to both papers in Lee (2006b). All three authors criticized, in one way or another, the Financial Accounting Standards Board and the fashion in which it attempts to incorporate principle-based accounting standards into its conceptual framework (CF). The main thrust of these four papers is a critique directed toward the FASB, which has been more concerned with “comparability and consistency” than with “identifying improved ways of recognizing and representing social-constructed reality and truthful correspondence in the light of principle-based accounting standards” (Lee 2006a, 1). Thereby, Lee promotes Searle's (1995) theory of constructing social reality. The primary purpose of the current paper is to show that the methodology of the “onion model of reality” (OMR, developed in Mattessich 1991, 1995, and 2003) offers several advantages over Searle's (1995) approach. Above all, the results of the OMR are less confusing and much closer to accounting terminology as well as that of everyday language (e.g., saying: “The U.S. federal debt is a social reality,” instead of the cumbersome formulation: “The U.S. federal debt is ontologically subjective”—the text discusses additional advantages of the OMR). The backbone of the OMR is the fact that each reality level is endowed with its very own emergent properties, hence with its specific kind of reality.
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 | 0,012 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,068 |
| Communication savante | 0,014 | 0,025 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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; 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 ».