MétaCan
Menu
Retour à la cohorte
Enregistrement W2973146855

Business Education of CEO-CFO and Annual Report Readability

2019· article· en· W2973146855 sur OpenAlexvenueno aff
Ling Tuo, Yu Zhang, Zhongfan Liu, Ruixue Du

Notice bibliographique

RevueReview of Economics and Finance · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReadabilityAccountingTransparency (behavior)Corporate governanceBusiness ethicsBusinessSample (material)Quality (philosophy)Public relationsFinancePolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Financial report readability captures the transparency and effectiveness of information communicated by firms¡¯ executives. It¡¯s interesting to investigate whether business knowledge, cognitive preferences, and professional ethics taught by a business education will shape the CEO/ CFO¡¯s thinking in determining words, languages, paragraphs, and contents presented in financial reports when the self-interested CEO/CFO tends to influence the interpretation of financial information users. Using a sample of S&P 1500 CEOs and CFOs, we find that the CEO (CFO) with a business degree is associated with better (worse) readability of annual reports and the positive (negative) relation is strengthened (moderated) by internal corporate governance and external analyst following. Furthermore, we explore the interaction between CEO¡¯s and CFO¡¯s education background and provide additional evidence for the conflict of interest between CEOs and CFOs on financial reporting strategies. Our findings suggest business education, although has no direct impact on financial reporting quality, is beneficial to CEOs for strengthening their monitoring role in firm¡¯s financial reporting activities. Also, we consider that the ethical topics in business education can enhance financial executives¡¯ awareness to conduct practice under the ethical codes. Our study has implications for academic literature, business education, industry practitioners, and standards setting.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,758
Score d'incertitude au seuil0,418

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,006
Tête enseignante GPT0,205
Écart entre enseignants0,199 · 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'étudeSans objet
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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economics and FinanceMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207