Measuring the Effectiveness of National Enforcers in the IFRS Context: A Proactive Approach
Notice bibliographique
Résumé
It is widely acknowledged that an effective enforcement system represents a crucial element to achieve significant improvements in financial reporting through the adoption of high-quality accounting standards. Indeed, the quality of financial reporting is considerably influenced not only by the standards to be adopted but also by their actual implementation, and consequently by enforcement mechanisms.The topic has generated considerable interest among scholars, who devoted their attention to developing different measures of the quality of the enforcement system. Building upon this literature, this paper aims at exploring the accounting enforcement system and focuses on controls over financial reporting considering two levels, namely the auditing activity and the controls performed by national enforcers.This paper extends the prior literature by proposing a dynamic measure of the accounting enforcement system capturing controls at those two levels. More specifically, the index here proposed focuses on the quality of the accounting enforcement operated by national enforcers in terms of proactivity, intended as the national enforcers’ capability to detect problems not highlighted in the auditors’ opinions, thus shifting the focus from an input to an output perspective. Indeed, the activities of auditors and national enforcers are strictly connected, given that the auditors’ opinion is the first public output of accounting controls and that is normally one of the bases for further investigation by national enforcers. An illustrative empirical analysis is carried out on the German and the Italian contexts to show the potential of the index for enforcement 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 | 0,008 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».