MétaCan
Menu
Retour à la cohorte
Enregistrement W2500054128 · doi:10.1108/s1085-462220150000016002

Using Mini-Cases to Develop AICPA Core Competencies

2015· book-chapter· en· W2500054128 sur OpenAlexfundno aff
Vincent C. Brenner, Monica M. Jeancola, Ann L. Watkins

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAccounting Education and Careers
Établissements canadiensnon disponible
Organismes subventionnairesMcMaster University
Mots-clésCore competencyAccountingFinancial accountingCore (optical fiber)PsychologyMedical educationBusinessAccounting information systemComputer scienceMedicineMarketing

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose The subject area of the assignment is financial accounting and AICPA core competency skill development. This instructional tool enhances coverage of financial accounting topics in undergraduate Intermediate Accounting courses and graduate level Financial Accounting courses. Methodology/approach This paper provides a series of mini-cases which can be assigned to students to complete either in writing, through a brief presentation or both. Assignments can be completed on an individual basis or as a group. This provides flexibility for targeting different skill sets. Findings Mini-cases are short and less time-consuming than traditional cases, so instructors can use multiple assignments with different formats in a single semester. This provides students the opportunity to improve skills over a number of assignments within a semester. Practical implications A list of supplementary materials is made available and includes sample mini-cases, sample search results from the AICPA Codification, and sample memorandums. Originality/value The mini-cases provided in this paper are designed to facilitate the development of AICPA core competencies. This includes communication and leadership skills, strategic and critical thinking skills, problem solving, anticipating and serving evolving needs, synthesizing intelligence to insight, and integration and collaboration.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,303
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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 Opus0,184
Tête enseignante GPT0,299
Écart entre enseignants0,115 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAccounting Education and CareersTravaux en français237 207