MétaCan
Menu
Retour à la cohorte
Enregistrement W2966754936 · doi:10.5430/afr.v8n3p149

Case Study in a Malaysian Public Agency on an Asset Management-Moving Towards the Accrual Basis of Accounting

2019· article· en· W2966754936 sur OpenAlexvenueno aff
Sharifah Sabrina Syed Ali, Sharon Cheuk Choy Sheung, Mohd Waliuddin Mohd Razali

Notice bibliographique

RevueAccounting and Finance Research · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePublic Policy and Administration Research
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Malaysia Sarawak
Mots-clésAccrualAccountingBusinessAsset (computer security)Order (exchange)Agency (philosophy)Government (linguistics)Management accountingGovernmental accountingAccounting information systemFixed assetFinanceRevenue recognitionProcess (computing)CashAccounting standardFinancial accountingFund accountingEconomics

Résumé

récupéré en direct d'OpenAlex

As part of the strategic reform of Malaysian public services under the Government Transformation Program (GTP), accrual accounting is expected to be fully adopted in public sector financial reporting commencing on 1 January 2015, in order to ensure alignment with the global accounting standards. Consequently, in order to access the government effectiveness of moving towards the accrual basis of accounting, this study is to examine the asset management system in a Malaysian public agency; to evaluate the extent of compliance with MPSAS 17, Property, Plant and Equipment (PPE), IPSAS 26, Impairment of Cash-Generating Assets and IPSAS 21, Impairment of Non-Cash Generating Assets. Using qualitative approach, a preliminary study was conducted via interviews and through obtaining documents. The findings include the following: MPSAS17 has not been strictly adhered to and software is used to monitor the assets; however, the disposal of assets is a manual process and is not automated. The study also discussed any weaknesses pertaining to the said asset accounting system, and suggested recommendations for improvement thereon.

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)0,015
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,262
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,172
Tête enseignante GPT0,459
Écart entre enseignants0,286 · 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.

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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting and Finance ResearchMême sujetPublic Policy and Administration ResearchTravaux en français237 207