MétaCan
Menu
Retour à la cohorte
Enregistrement W2414563068 · doi:10.5430/afr.v5n3p1

Assessment of Compliance with OHADA Uniform Accounting Act by Public Limited Companies

2016· article· en· W2414563068 sur OpenAlexvenueno aff
Michael Forzeh Fossung

Notice bibliographique

RevueAccounting and Finance Research · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccountingCompliance (psychology)BusinessLiabilityClosenessPublic disclosureInternational Financial Reporting StandardsIndex (typography)

Résumé

récupéré en direct d'OpenAlex

Francophone African countries have made a tremendous effort in harmonising domestic standards and reporting with the International Financial Reporting Standards (IFRS). Moving from two distinct OCAM streams to two OHADA streams (effective 1985) and now one OHADA Uniform Accounting Act embodying 17 member countries (effective 2001) is a milestone towards harmonisation of reporting practice both domestically and internationally. This empirical study examines whether the effort of harmonisation, especially after the 2001 standards has resulted in the successful convergence of firms' accounting practices by analysing public limited liability companies' compliance with the OHADA Uniform Accounting Act and if such compliance has improved over time. The study has been carried out using the 2008 and 2009 annual reports of three public limited companies in the OHADA zone that translate their financial statements into IFRS. The ranks of closeness and compliance index have been used to analyse data. Findings reveal a relatively high level of compliance with the accounting regulation by sampling limited liability companies. The results also give an indication of harmonisation in accounting practice of limited companies within member countries as they were found to be substantially consistent in compliance, especially in countries that have instituted the Statistics and Tax returns (or "DSF") as a reporting medium.

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)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,392
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,003
Science ouverte0,0010,001
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 Opus0,048
Tête enseignante GPT0,302
Écart entre enseignants0,254 · 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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

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