MétaCan
Menu
Retour à la cohorte
Enregistrement W2978870558 · doi:10.5267/j.msl.2019.9.025

The implication of applying IFRS in Vietnamese enterprises from an expert perspective

2019· article· en· W2978870558 sur OpenAlexvenueno aff
Chuc Anh Tu, Oanh Le Thi Tu

Notice bibliographique

RevueManagement Science Letters · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Reporting and Valuation Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVietnamesePerspective (graphical)BusinessAccountingComputer scienceArtificial intelligenceLinguistics

Résumé

récupéré en direct d'OpenAlex

According to the survey results of the International Accounting Standards Board (IASB), currently, 131/143 countries (accounting for 93%) have had official statements on the application of IFRS with different forms.Among countries which have not permitted IFRS application, there is also a tendency to adjust the national accounting standards system to match up to IFRS.Vietnam is preparing a roadmap for the application of IFRS in 2022.This paper conducts a study with 23 in-depth interviews and survey with 92 experts who are university lecturers, researchers from research institutes, experts in the fields of securities, banking, finance in order to collect some ideas on the roadmap, subjects and scope of IFRS application; assess the benefits and challenges when applying IFRS; then give the implications of IFRS application process in Vietnam.The ideas are consistent with the opinion that preparing IFRS financial statements will improve the transparency of financial statements.However, experts think that the biggest challenge when adopting IFRS is associated with high expenses.Therefore, most opinions suggest that businesses need 3 to 5 years to prepare human resources and other necessary conditions for IFRS application.In addition, in the first period, there is a need to apply IFRS to listed companies, public companies, foreign-invested enterprises, encourage large companies to apply voluntarily.Besides, the study suggests some implications about the implementation process for organizations, individuals and the government.

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)0,029
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,042
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,004
Communication savante0,0050,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,023
Tête enseignante GPT0,321
Écart entre enseignants0,299 · 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'étudeQualitatif
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

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetFinancial Reporting and Valuation ResearchTravaux en français237 207