MétaCan
Menu
Retour à la cohorte
Enregistrement W3125409057 · doi:10.1506/rckm-13fm-gk0e-3w50

Publishing in the Majors: A Comparison of Accounting, Finance, Management, and Marketing*

2004· article· en· W3125409057 sur OpenAlexvenueno aff
Edward P. Swanson

Notice bibliographique

RevueContemporary Accounting Research · 2004
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPublicationPromotion (chess)PublishingAccountingQuality (philosophy)Set (abstract data type)Public relationsPolitical scienceMarketingSociologyBusinessComputer scienceLaw

Résumé

récupéré en direct d'OpenAlex

Abstract Business schools evaluate publication records, especially for the promotion and tenure decision, by comparing the quality and quantity of a candidate's research with those of peers within the same discipline (intradisciplinary) and with those of academics from other business disciplines (interdisciplinary). A recently developed analytical model of the research review process provides theory about the norms used by editors and referees in deciding whether to publish research papers. The model predicts that interdisciplinary differences exist in quality norms, which could result in disparity among business disciplines in the number of top‐tier articles published. I examine the period from 1980 to 1999 and, consistent with the theory, find that significant differences exist in the number of articles and proportion of doctoral faculty who published in the “major” journals in accounting, finance, management, and marketing. Most notably, the proportion of doctoral faculty publishing a major article is 1.4 to 2.4 times greater in the other business disciplines than in accounting (depending on the set of journals). The theory also predicts an upward drift over time in the quality norms used by referees. Consistent with a drift, the number of articles published has declined substantially in marketing and, to a lesser extent, in the other business disciplines.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Communication savante
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 enseignants0,441
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0030,006
Science ouverte0,0020,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,044
Tête enseignante GPT0,302
Écart entre enseignants0,258 · 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 tête enseignante, pas un consensus.

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

Citations194
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

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