MétaCan
Menu
Retour à la cohorte
Enregistrement W3123826009 · doi:10.2308/accr-50865

Do Accounting and Audit Quality Affect World Bank Lending?

2014· article· en· W3123826009 sur OpenAlexaff
Phillip T. Lamoreaux, Paul N. Michas, Wendy Schultz

Notice bibliographique

RevueThe Accounting Review · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueEconomic Growth and Development
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésAccountingAuditBusinessLanguage changeCorporate governanceQuality auditQuality (philosophy)External auditorAccounting information systemPoliticsFinanceInternal auditPolitical science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT We investigate the role of accounting and audit quality in the allocation of international development aid loans provided by the World Bank. This aid is crucial to improve governance functions, infrastructure, and capital markets, and the accounting and audit environments in a country can provide the World Bank with confidence that aid is being used as intended rather than being diverted for personal or political gain. We find that development aid loans are higher for countries with stronger accounting quality, where IFRS use is mandated, and where the audit environment is stronger. However, we also find that United States geo-political interests influence these results. Specifically, the World Bank appears to “overlook” accounting and audit quality in countries where geo-political interests are relatively aligned with those of the U.S. Finally, we find that accounting and auditing matter only in countries with relatively high corruption levels, indicating that the World Bank has greater trust that accounting and auditing are of relatively high quality in low-corruption countries. Data Availability: All data are publicly available.

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)0,007
score de la tête « metaresearch » (Gemma)0,068
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 enseignants0,032
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,068
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,008
Études des sciences et des technologies0,0010,002
Communication savante0,0070,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,027
Tête enseignante GPT0,287
Écart entre enseignants0,259 · 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

Citations42
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Accounting ReviewMême sujetEconomic Growth and DevelopmentTravaux en français237 207