Malaysian private entity reporting standard (MPERS) implementation for small and medium enterprises (SMEs)
Notice bibliographique
Résumé
Malaysian Private Entity Reporting Standard (MPERS) serves as new reporting framework to private entities and significant milestone to the capital market. The qualification for first-time MPERS adoption is incremental and it is important to prepare in advance for private entities if they intend to move to the MPERS or MFRS framework in the near future. A common question that private entities may ask is how far-reaching or how reliable the current Private Entity Reporting Standards (PERS) Framework is comparable to the new MPERS or MFRS framework. The adoption of MPERS is retrospective. The purpose of the analysis is to analyze the implementation of MPERS on small medium enterprises (SMEs) and how they perceive the implementation. The study covers all sectors of the SME sector, namely services, manufacturing, agriculture, construction, mining and quarrying, and is subdivided into Micro, small and medium and in three categories. These sectors were selected based on the SMEs landscape of Malaysia following the issuance of MPERS on February 14, 2014. There were 55 of SMEs participated in this research by answering the questionnaire. The study evaluated using linear regression and the measures of research are based on the factors described in the literature review, influence the variables. Hence, the SMEs experiences have the potential to make respondent’s perception of MPERS also agreeable. The implications of the research highlighted that the implementation of the MPERS still at the infancy level as there are few challenges faced by the SMEs regards to the implementation. Therefore, the regulators and standard setter can identify the challenges and provide appropriate assistance to ensure the financial reports are fairly presented.
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 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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».