MétaCan
Menu
Retour à la cohorte
Enregistrement W2023449739 · doi:10.3917/riges.354.0082

La gestion des informations comptables. Le reflet d'une réalité ou l'entretien d'un mirage ?

2010· article· fr· W2023449739 sur OpenAlexvenueno aff
Bertrand Fauré

Notice bibliographique

RevueGestion · 2010
Typearticle
Languefr
DomaineBusiness, Management and Accounting
ThématiqueAccounting and Organizational Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Résumé Dans la théorie financière classique, le lissage des résultats est interprété comme une pratique illicite consistant à manipuler les comptes afin de donner une information faussée sur le risque de l’entreprise. Avec le lissage, on serait donc au cœur des critiques formulées au sujet de l’information comptable sur les marchés financiers. À partir de l’étude du cas réel d’un processus générant les résultats financiers dans une entreprise de bâtiments et travaux publics, l’article montre que le lissage des résultats provient de multiples manipulations des chiffres à tous les niveaux de l’organisation et que les acteurs justifient le recours à cette méthode en indiquant qu’il faut maîtriser le niveau de risque, ne pas envoyer de fausse alerte et montrer la compétence des gestionnaires. Cette analyse est riche d’enseignements pour les cadres opérationnels, qui doivent comprendre que le lissage est attendu d’eux, pour les comptables, qui doivent déterminer dans quelles situations le lissage peut être pratiqué, pour les dirigeants, qui doivent rendre plus explicite l’existence de telles situations, et plus largement pour tous les utilisateurs finaux de l’information comptable (investisseurs institutionnels ou privés, banques, agences de notation, etc.), qui devraient mieux communiquer les hypothèses à la base des calculs comptables. Fonctions : gestion, management, comptabilité, contrôle de gestion, finance

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,047
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,047
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,008
Communication savante0,0090,012
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0240,003

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 Opus0,012
Tête enseignante GPT0,209
Écart entre enseignants0,197 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGestionMême sujetAccounting and Organizational ManagementTravaux en français237 207