MétaCan
Menu
Retour à la cohorte
Enregistrement W2128971789 · doi:10.2308/iace.2003.18.1.93

The Same Difference? A Transfer-Pricing Case

2003· article· en· W2128971789 sur OpenAlexaff
Tammi S. Feltham, Fred Phillips, Norman T. Sheehan

Notice bibliographique

RevueIssues in Accounting Education · 2003
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Taxation and Avoidance
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésTransfer pricingTransfer (computing)Class (philosophy)Variable pricingBusinessMicroeconomicsEconomicsComputer scienceMarketingIndustrial organizationFinance

Résumé

récupéré en direct d'OpenAlex

This case requires you to consider the complexities of transfer pricing. The case is based on an actual situation that occurred between a customer sales representative and a client at an auto dealership. In this case, you will be asked to assume several different roles and attempt to resolve transfer-pricing issues for which there are no “clear-cut” solutions. This case includes three sections. First, you will read assigned background material on transfer pricing, read a short introduction to the case, and become familiarized, through class discussion, with how auto dealerships operate with respect to new and used car sales. Second, you will analyze additional information so that you may assume a particular role, such as new car manager or used car manager. Third, you will assume the role of the newly appointed controller of the dealership and attempt to address and resolve the transfer-pricing issues in this case. By completing this case, you will develop an understanding of alternative transfer-pricing policies (market price, acquisition cost, negotiated price) and the impact of transfer-pricing policies on various parties, as well as come to appreciate how bonus structures may influence managerial decision making.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,017
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,010
Communication savante0,0080,012
Science ouverte0,0020,005
Intégrité de la recherche0,0140,010
Charge utile insuffisante (le modèle a refusé de juger)0,0170,001

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 Opus0,018
Tête enseignante GPT0,267
Écart entre enseignants0,249 · 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

Citations6
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIssues in Accounting EducationMême sujetCorporate Taxation and AvoidanceTravaux en français237 207