MétaCan
Menu
Retour à la cohorte
Enregistrement W2963567189 · doi:10.5267/j.msl.2019.7.018

The impact of the implementation of international financial reporting standards no.15 on improving the quality of accounting information

2019· article· en· W2963567189 sur OpenAlexvenueno aff
Fatema Sami Altaji, Saleh K. Al-Okdeh

Notice bibliographique

RevueManagement Science Letters · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Issues in Ukraine
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccountingBusinessQuality (philosophy)Accounting information systemInternational Financial Reporting StandardsFinancial accountingFinance

Résumé

récupéré en direct d'OpenAlex

This study aims at investigating the impact of the IFRS (15) on the quality of accounting information in terms of relevance and faithful representation.To achieve the study objectives, a questionnaire is designed and distributed randomly on the study sample which includes (100) of external auditors of the Big Four audit companies in Jordan using the descriptive analytical approach.The study hypotheses are tested through the Simple Regression Test and the One Sample T-Test.The study results indicate a statistically significant impact of the implementation of the IFRS 15 on improving the quality of accounting information from the perspective of external auditors at the Big Four audit companies in Jordan.Moreover, the study finds that there is a statistically significant impact of the implementation of the IFRS 15 on improving the relevance and faithful representation of accounting information included in the reports.Moreover, the study findings also show that Jordanian companies face statistically significant difficulties for the implementation of standard 15 when preparing their financial statements.The researchers have also reached many recommendations; the most important of which suggest to inform investors and other decision makers of the results of the study to help them rationalize their investment decisions and raise their awareness about IFRS 15.

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)0,030
score de la tête « metaresearch » (Gemma)0,085
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,085
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
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 Opus0,019
Tête enseignante GPT0,310
Écart entre enseignants0,291 · 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'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

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetEconomic Issues in UkraineTravaux en français237 207