REA model, its development and integration as an enterprise ontology framework
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
Research Question: REA enterprise ontology framework, what is it good for? Motivation: The historical approach to accounting and management information system design was based on conventions expected by the end-users: debits and credits, accounting cycles, general ledger and journals, bank reconciliations, budgeting function, and select management reports. This approach resulted in gross inefficiencies, data-duplication, and inconsistencies, difficulty with system update, modification, porting, and restoration. An alternative system design theory has been in development since 1982, an approach that is easy to understand, formulate, document, and implement; an approach that applies a basic semantic model of structuring all information flow into a widely applicable enterprise ontology framework that facilitates economic activities and strategic planning for the whole enterprise. Yet, until now, this approach is insufficiently known and seldom utilized. Idea: Our purpose is to provide a comprehensive theory guide for anyone desiring to be acquainted with the REA. Data: We review 55 publications comprising dominant Resource-Events-Agents (REA) theory research. Tools: Methodologically, we obtain, classify, define, and discuss the content of major research streams within REA domain. Contribution: The paper's contribution is in structured and comprehensive review enabling a novice to REA reader time-efficient acquaintance with the intricacies and benefits of the ontology, and information system researchers with wide-ranging theory review in this domain. We conclude with a discussion of contentions and challenges surrounding REA theory and its future developmental directions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,006 |
| Science ouverte | 0,000 | 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