MétaCan
Menu
Retour à la cohorte
Enregistrement W2085340927 · doi:10.1108/eb029085

Managerial Efficiency and Human Capital Information: Linkages with the Voluntary Disclosure of Labour Costs

2004· article· en· W2085340927 sur OpenAlexaff
Kaouthar Lajili

Notice bibliographique

RevueJournal of Human Resource Costing & Accounting · 2004
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésVoluntary disclosureProductivityTurnoverIncentiveHuman capitalBusinessEconomicsLabour economicsAccountingMicroeconomics

Résumé

récupéré en direct d'OpenAlex

This research paper examines the information content and managerial incentives for labour cost voluntary disclosures for a sample of United States publicly traded companies. We focus on labour productivity and managerial efficiency in labour usage and argue that these human capital indicators could provide valuable information to capital market participants seeking human resource‐type of performance measures and signals. Labour productivity and efficiency indicators are estimated following a production function approach and are included in logistic regressions to help explain and predict labour cost voluntary disclosure decisions. We find that labour productivity and managerial efficiency in labour use indicators are generally different between disclosing and non‐disclosing firms, and that proprietary information costs and political cost proxies are significantly related to labour costs voluntary disclosure, consistent with previous literature. These empirical results corroborate the ‘proprietary information’ hypothesis of voluntary disclosure where the strategic costs of disclosure outweigh the signaling benefit from disclosing human capital information.

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)0,006
score de la tête « metaresearch » (Gemma)0,090
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,090
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,005
Tête enseignante GPT0,200
Écart entre enseignants0,195 · 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

Citations3
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Human Resource Costing & AccountingMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207