The mobilization of accounting in preening for privatization
Notice bibliographique
Résumé
Purpose The paper sets out to examine the use of accounting as part of the privatization process of a national railway in Canada. The argument is that proponents of the privatization used accounting strategically to justify and sustain the privatization. Major societal events, such as the privatization of national assets, merit close scrutiny so that an accounting world thus constructed should not be permitted to pass unchallenged. Design/methodology/approach The paper explores the way in which accounting language, concepts and information were deployed in the prospectus issued in support of the initial public offering of shares by the Canadian government. Findings Evidence is found suggesting that the vagaries of accounting language were marshalled to sustain a self‐fulfilling prophecy of success. Research limitations/implications Case studies possess both the strength of specific instance detail and interpretation, and the ostensible weakness of interpretation of a sample of one. But such research may provide for reframing conceptual perspectives and contribute to stimulating additional efforts at interrogating accounting language's roles in major social change events. Practical implications The paper strongly endorses a critical analytical perspective by all those affected by major social change, such as privatization, in which accounting language often plays a persuasive but subtle role. Originality/value Individuals, groups, employees, managers, customers, and others, including the public‐at‐large, who are potentially impacted by privatizations, are reminded that accounting is not an innocent bystander in the political maneuverings associated with a privatization. Accounting does not axiomatically provide an objective measure of some underlying financial truth, but is part of an arsenal of rhetoric to achieve political ends.
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 | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,018 | 0,046 |
| Communication savante | 0,013 | 0,007 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,000 |
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.
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 ».