MétaCan
Menu
Retour à la cohorte
Enregistrement W2904049210 · doi:10.1111/1911-3838.12187

Financial Reporting Choices and Labor Contract Negotiations: A Case Study in the University Sector

2018· article· en· W2904049210 sur OpenAlexaffvenueabout
Cameron K.J. Morrill, Janet Morrill, Gary Spraakman

Notice bibliographique

RevueAccounting Perspectives · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensYork UniversityUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésNegotiationCollective bargainingEarningsAccountingWageEconomicsBusinessFinanceLabour economicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract A sizeable literature has developed that considers the interest of labor unions in employer financial statements and the effect that interest has on employer accounting decisions. Empirical results have been mixed, but there is at least some evidence that employers facing union pressure engage in earnings management and strategic disclosure decisions that help to win concessions from labor unions. We use a model of labor negotiations (Walton et al., 2000) to focus on a single employer–union relationship, the University of Manitoba (UM) and its academic faculty union, the University of Manitoba Faculty Association (UMFA). UMFA performed and published an analysis of the UM's financial statements in preparation for its 2010 round of collective bargaining, allowing us to identify accounting variables key to that analysis. We show that UM deducted internal restrictions and capital transfers from operating income to give the impression that its ability to pay was compromised. In assessing 16 subsequent disclosure events by UM, its disclosure strategy appears to reflect primarily, but not uniformly, a forcing bargaining posture. Our analysis indicates that UM enjoyed considerable latitude in its financial reporting, which it used to its advantage in negotiations and to hinder budgetary oversight.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,021
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,246
Écart entre enseignants0,231 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations3
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAccounting PerspectivesMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207