Experiences to Voluntarily Adopt Malaysian Business Reporting System MBRS: A Case Study of SMPs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Companies Commission of Malaysia (SSM) has established the eXensible Business Reporting Language (XBRL) which is the Malaysian Business Reporting System (MBRS). This study examines the technological, organisational and environmental factors influencing the usage of MBRS among the practitioners. Using interview as the data collection among 12 respondents which are practitioners from selected Corporate Secretaries fom small medium practices (SMPs). Data from interview has analysed based on descriptive coding and pattern coding that developed by Technological, Organisational and Environmental (TOE) theory using the Atlas.ti. The findings of this study indicates seven (7) technological factors which are assurance for data quality, relative advantage and the availability of regulator’s platform and system, limited tools and software, compability of format, compatibility of content and how the mTool could provide ease of use to the corporate secretary. In related to organisational factors, There are seven (7) challenges that can be considered discovered from organisational which are challenge to face attitude of preparers, limited practitioners that have own sufficient skills and knowledge, limited capable resources and preparers to manage the MBRS. In addition, there are six (6) environmental factors which are the technical support from regulator, the provision of incentive that should be given to the practitioners or SMPs, the effective strategies for promotion and educate practitioners method of voluntary submission. However, the lack of readiness on the use MBRS among trading partners and other stakeholder involvement would also challenge the adoption of MBRS. Therefore, this TOE factors would be important to practitioners to be ready on the enforcement of MBRS.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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