MétaCan
Menu
Retour à la cohorte
Enregistrement W3122819946 · doi:10.1111/1911-3846.12508

Capitalization of In‐Process Research and Development under SFAS 141R and Information Asymmetry

2019· article· en· W3122819946 sur OpenAlexvenueno aff
Hyeesoo H. Chung, Stephen A. Hillegeist, You‐il Park, Jinyoung P. Wynn

Notice bibliographique

RevueContemporary Accounting Research · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGoodwillInformation asymmetryBusinessCapitalizationAsset (computer security)DividendAccountingMonetary economicsEconomicsFinanceComputer science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This study examines the effect of capitalizing acquired in‐process research and development (IPR&D) on information asymmetry under Statement of Financial Accounting Standards No. 141 (R) (SFAS 141R). SFAS 141R requires acquirers to fully recognize IPR&D at fair value as an indefinite‐lived intangible asset until completion or discontinuation of the project. Prior research suggests IPR&D capitalization will result in an improvement in the information environment. In contrast, we find no evidence that capitalizing IPR&D improved the information environment for IPR&D acquirers. Instead, most of our results suggest no significant change in information asymmetry for IPR&D acquirers during the post‐SFAS 141R period, relative to the concurrent changes for non‐IPR&D acquirers. In cases in which the results suggest a statistically significant increase, the economic magnitudes are relatively small. In addition, we find no evidence that IPR&D acquirers engaged in increased classification shifting between IPR&D and goodwill during the post‐SFAS 141R period, as critics of capitalization had feared.

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)0,015
score de la tête « metaresearch » (Gemma)0,076
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,076
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,002
Communication savante0,0050,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,044
Tête enseignante GPT0,307
Écart entre enseignants0,263 · 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'étudeObservationnel
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

Citations12
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207