MétaCan
Menu
Retour à la cohorte
Enregistrement W2149629118 · doi:10.5430/afr.v2n4p130

IFRS Adoption in Italy: Which Effects on Accounting Figures and Subjectivity?

2013· article· en· W2149629118 sur OpenAlexvenueno aff
Silvano Corbella, Cristina Florio, Francesca Rossignoli

Notice bibliographique

RevueAccounting and Finance Research · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubjectivityAccountingBusinessEconomics

Résumé

récupéré en direct d'OpenAlex

The issue about the degree of subjectivity incidental to financial statements is topical, although it has long been studied and debated. Indeed, such issue recurs anytime new accounting rules or standards are issued. And, of course, it recurs in case of a complete renovation of the accounting system of reference, such as the one that took place in Europe in 2005, when all listed companies were required to repeal their national accounting rules and GAAP, and to adopt IFRS for the preparation of their consolidated financial statements. This study focuses on such transition with specific reference to the Italian context and explores three interconnected issues: a)identification of the changes in the evaluation criteria – from the Italian regulations and GAAP to IFRS – which actually impact on the financial statements presented by Italian companies in the year of transition; b) appreciation of the importance of such impacts, based on (1) how often each adjustment recurs; (2) whether they determine an increase or decrease of accounting figures and (3) how relevant are their effects on the main accounting figures, namely net earnings and net capital; c) discussion about the managerial discretion introduced by the most impacting evaluation criteria identified, in comparison with the Italian provisions and GAAP previously applied. The overall analysis demonstrates that IFRS introduction determined wide impacts on financial statements, affecting most assets and liabilities, but its impacts on accounting figures were less significant than could be expected. In terms ofsubjectivity, however, differences are very significant.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Communication savante
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 enseignants0,453
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,003
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,260
Écart entre enseignants0,245 · 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 tête enseignante, pas un consensus.

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

Citations6
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting and Finance ResearchMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207