MétaCan
Menu
Retour à la cohorte
Enregistrement W3101613677 · doi:10.1108/jaoc-08-2020-0104

Accounting for the unaccountable – coping with COVID

2020· article· en· W3101613677 sur OpenAlexaff
Steven E. Salterio

Notice bibliographique

RevueJournal of Accounting & Organizational Change · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésAccountabilityAccountingOriginalityExtant taxonPandemicCoping (psychology)Political scienceCoronavirus disease 2019 (COVID-19)Value (mathematics)Accounting researchEconomicsPublic relationsPsychologyLawMedicine

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to understand what are the best projections of these events effects on organizations and economies. The onset of the COVID-19 pandemic leads to a combination of economic and public health circumstances that challenge the accounting for and accountability of organizations that are mostly outside of their experience and that of academics for the past 50 years. Design/methodology/approach Through evidence-based policymaking research, evaluation and reporting tools the author draws on the extant research literature to develop estimates of likely effects of these events on organizations and economies. Findings The process of investigating this subject led the author to write a short research synthesis paper (Salterio 2020a) that summarized the historical economic evidence about the Spanish flu of 1918–1920 and various simulations of potential pandemic macroeconomic effects. This evidence allowed the author to quantify the potential effects of the crisis less than a month into the North American economic shutdown. Originality/value Using that research synthesis the author responded to the call for papers for this special issue by reflecting on the lessons that this crisis has for managers and organizations from both an accountability and accounting perspective.

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)0,010
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,041
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,045
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,002
Communication savante0,0070,006
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,085
Tête enseignante GPT0,264
Écart entre enseignants0,179 · 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'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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Accounting & Organizational ChangeMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207