MétaCan
Menu
Retour à la cohorte
Enregistrement W2895042943 · doi:10.1177/0149206318801999

Board Independence and Corporate Misconduct: A Cross-National Meta-Analysis

2018· article· en· W2895042943 sur OpenAlexaff
François Neville, Kris Byron, Corinne Post, Andrew Ward

Notice bibliographique

RevueJournal of Management · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMisconductCorporate governanceIndependence (probability theory)AccountingContext (archaeology)Auditor independenceAuditAudit committeeBusinessPolitical sciencePublic relationsLawInternal auditJoint auditFinance

Résumé

récupéré en direct d'OpenAlex

Although increased board independence is a commonly offered solution to curbing corporate misconduct, scholars have expressed skepticism about its effectiveness, and empirical evidence is mixed. We argue that the relationship between board independence and corporate misconduct is likely nuanced—and may vary by the type of independence (e.g., independence on the whole board or on the audit committee) and by national context. We conducted a meta-analysis of 135 studies spanning more than 20 countries. We find that the board independence–corporate misconduct relationship (a) is generally negative, (b) varies based on the implementation form that independence takes on (i.e., independence of the whole board, on the audit committee, or between the roles of CEO and board chair), and (c) is more strongly negative in countries with less corruption. We advance corporate governance theory and research by demonstrating that the popular governance practice of increasing board independence must both account for the manner in which independence is implemented and consider the powerful influence of firms’ broader societal context to clearly understand its effect. Further, based on our review of the literature, we uncover opportunities for the advancement of corporate governance and corporate misconduct research.

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)0,043
score de la tête « metaresearch » (Gemma)0,106
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,230

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0430,106
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0070,034
Bibliométrie0,0070,009
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0030,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,105
Tête enseignante GPT0,289
Écart entre enseignants0,183 · 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'étudeMéta-analyse
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

Citations219
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ManagementMême sujetCorporate Finance and GovernanceTravaux en français237 207