MétaCan
Menu
Retour à la cohorte
Enregistrement W2083250081 · doi:10.1111/j.1911-3846.2006.tb00346.x

Honesty in Accounting and Control: A Discussion of “The Effect of Information Systems on Honesty in Managerial Reporting: A Behavioral Perspective”*

2006· article· en· W2083250081 sur OpenAlexaffvenue
Steven E. Salterio, Alan Webb

Notice bibliographique

RevueContemporary Accounting Research · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensUniversity of WaterlooQueen's University
Organismes subventionnairesnon disponible
Mots-clésHonestyPerspective (graphical)AccountingControl (management)PsychologyAccounting information systemBusinessSocial psychologyPublic relationsPolitical scienceManagementEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

Introduction"Be honest to those who are honest, and be honest to those who are not honest."Lao Tzu "Where is there dignity unless there is honesty?"Cicero "Honesty: the best of the lost arts." Mark Twain "Honesty pays, but it don't seem to pay enough to suit some people."Frank McKinney "Kin" Hubbard Few areas create more controversy than those that question beliefs about one of the fundamentals of human nature, our propensity to tell the truth.As the first three quotations above illustrate, for thousands of years and across many different cultures, humankind has been drawn to the concept that "honesty is the best policy".However, as the last quotation implies, there is suspicion that few of us practice that policy when left to our own devices.In keeping with this latter view is agency theory, perhaps the dominant paradigm in management accounting research.Agency theory assumes that people act in their own self-interest, are work-averse and, hence, need to be controlled, monitored, and rewarded for doing what the "boss" wants them to do (Christensen and Feltham 2005).Although some agency theorists have proposed that individuals have some preference for honesty, they suggest that the honesty threshold is so low that most people would lie for a payoff

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)0,023
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,035
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,030
Communication savante0,0070,010
Science ouverte0,0030,002
Intégrité de la recherche0,0110,007
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,382
Écart entre enseignants0,340 · 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'étudeObservationnel
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

Citations51
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207