The Israeli XBRL Adoption Experience
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
eXtensible Business Reporting Language (XBRL) is a language for the electronic communication of business and financial data which is revolutionizing business reporting around the world. It is a tool to bridge potential language barriers and unify financial reporting. This has appeal to foreign investors, among others, who can rely on information in XBRL-tagged financial reports to make investment decisions without having to translate financial statements from local language. In 2008, Israel required most public companies to adopt International Financial Reporting Standards (IFRS) for financial reporting and to use XBRL-tagged reporting format, as part of an aggressive effort to make its capital markets more transparent and attractive for foreign investors. In this paper, we study all Israeli public companies and analyze the accuracy and reliability of their XBRL-tagged financial statements that are available on MAGNA, the Israel Securities Authority's electronic system. We describe the process by which the XBRL-based data were collected and reported. We document, categorize, and analyze deficiencies in the XBRL-tagged filings, and inconsistencies between them and the Hebrew-based annual reports. We observe pervasive data entry errors resulting in inaccurate XBRL-generated financial reports, which went undetected for over one year. Further, first year XBRL reporting (in conjunction with IFRS adoption) did not increase foreign investment in the Israeli capital markets. This analysis allows us to better understand the benefits and challenges of the adoption of XBRL.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle