Points to Consider When Self‐Assessing Your Empirical Accounting Research
Notice bibliographique
Résumé
Abstract We provide a list of points to consider ( PTC s) to help researchers self‐assess whether they have addressed certain common issues that arise frequently in accounting research seminars and in reviewers’ and editors’ comments on papers submitted to journals. Anticipating and addressing such issues can help accounting researchers, especially doctoral students and junior faculty members, convert an initial empirical accounting research idea into a thoughtful and carefully designed study. Doing this also allows outside readers to provide more beneficial feedback rather than commenting on the common issues that could have been dealt with in advance. The list, provided in the appendix, consists of five sections: Research Question; Theory; Contribution; Research Design and Analysis; and Interpretation of Results and Conclusions. In each section, we include critical items that readers, journal referees, and seminar participants are likely to raise and offer suggestions for how to address them. The text elaborates on some of the more challenging items, such as how to increase a study's contribution, and provides examples of how such issues have been effectively addressed in previous accounting studies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,048 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,017 | 0,006 |
| Science ouverte | 0,005 | 0,014 |
| Intégrité de la recherche | 0,002 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,007 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».