Financial Reporting Interview-Based Research: A Field Research Primer with an Illustrative Example
Notice bibliographique
Résumé
ABSTRACT To better focus financial reporting research on key issues as seen by participants in the financial reporting process and to give added depth to the interpretation of archival and experimental results, there have been increased calls for financial reporting researchers to “enter the field.” As field research methods, especially interview-based, are rarely covered in accounting doctoral programs that focus on archival or experimental research, the goal of this article is to provide a basic primer on how to conduct positivist field-based research using qualitative interview methods. We assemble a set of resources that facilitate the transfer of knowledge about the interview method, both by reviewing the explicit knowledge that needs to be acquired, as well as by illustrating how we carried out a study on the earnings press release creation process. Such a “how to do” approach is well suited for the passing on of the tacit knowledge required by researchers beginning a qualitative research program. We hope to aid novice field researchers in financial reporting gain a basic fluency in qualitative interview-based methods. Increased fluency in the production of valid, reliable, field-based financial reporting research will benefit the financial reporting research community as a whole by leading to a greater appreciation of how financial reporting process participants see the world they are active in.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,081 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,008 | 0,011 |
| Communication savante | 0,008 | 0,012 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,010 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».