MétaCan
Menu
Retour à la cohorte
Enregistrement W2797047309 · doi:10.1108/aaaj-06-2015-2089

The winding road to fair value accounting in China: a social movement analysis

2018· article· en· W2797047309 sur OpenAlexaff
Kathryn Bewley, Cameron Graham, Songlan Peng

Notice bibliographique

RevueAccounting Auditing & Accountability Journal · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensYork UniversityToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésChinaAccountingOriginalityValue (mathematics)Fair valueEliteBusinessEconomicsSociologyPolitical scienceQualitative researchComputer scienceLaw

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to examine China’s stop-start adoption of fair value accounting (FVA) into its national accounting standards. The paper analyzes how FVA standards promoted by transnational organizations were eventually adopted in China despite its conservative accounting traditions. Design/methodology/approach The study uses archival records and an analytic framework adapted from the studies of social movements to identify the institutional factors that differ between China’ first unsuccessful attempt to adopt FVA and its second successful attempt. Findings Shared interests of elite national and international groups, creation of social infrastructure, marshaling of key resources, and specific actions to frame FVA standards are found to be crucial factors supporting FVA reform in China. Practical implications The study helps advance our understanding of dissemination of international accounting regulations in non-Western societies. The findings can help accounting standard setters to avoid costly failures. Originality/value The study provides a structured analysis of the propagation of global accounting regulations. It exposes the factors in the failure and success of FVA adoption in China.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,123
Score d'incertitude au seuil0,245

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,005
Études des sciences et des technologies0,0060,004
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,249
Écart entre enseignants0,240 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations16
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting Auditing & Accountability JournalMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207