MétaCan
Menu
Retour à la cohorte
Enregistrement W3125329543 · doi:10.1506/rm1j-a0ym-3vmv-tamv

The Relationship between Board Characteristics and Voluntary Improvements in Audit Committee Composition and Experience*

2001· article· en· W3125329543 sur OpenAlexaffvenueabout
Mark S. Beasley, Steven E. Salterio

Notice bibliographique

RevueContemporary Accounting Research · 2001
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAudit committeeAccountingChief audit executiveAuditBusinessStaffingAudit evidenceJoint auditPosition (finance)Internal auditManagementFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract This study empirically examines the relation between certain board of director characteristics and the extent that audit committee composition voluntarily exceeds minimum mandated levels and includes outside directors with financial reporting and audit committee knowledge and experience. This study focuses on board characteristics because the board directly controls audit committee membership. Such staffing decisions can directly affect the ability of the audit committee to monitor management's financial reporting process on behalf of the board. Results suggest that Canadian firms that voluntarily include more outside directors on the audit committee than the mandated minimum have larger boards with more outsiders serving on those boards and are more likely to segregate the board chairperson position from the CEO/president positions. Additionally, firms that voluntarily create audit committees composed of outsider members with a breadth of relevant financial reporting and audit committee knowledge and experience have boards that are larger, have more outside members, and are less likely to be chaired by the CEO/president. Implications of these findings for auditors, institutional investors, regulators, and other interested parties are discussed.

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)0,003
score de la tête « metaresearch » (Gemma)0,033
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 enseignants0,008
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,059
Tête enseignante GPT0,308
Écart entre enseignants0,250 · 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

Citations329
Publié2001
Routes d'admission3
Résumé présentoui

Explorer davantage

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