MétaCan
Menu
Retour à la cohorte
Enregistrement W3130310591

DIVULGAÇÃO DE FRAQUEZAS MATERIAIS NOS CONTROLES INTERNOS DE COMPANHIAS EMISSORAS DE ADRS LISTADAS NA NYSE

2021· article· pt· W3130310591 sur OpenAlexaboutno aff
Juliana Vieira Pereira Perazzolli, Laura Edith Taboada Pinheiro, Ana Carolina Vasconcelos Colares

Notice bibliographique

RevueRAGC · 2021
Typearticle
Languept
DomaineBusiness, Management and Accounting
ThématiqueWorking Capital and Financial Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessHumanitiesArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Este estudo teve por objetivo identificar as fraquezas materiais nos controles internos das empresas estrangeiras emissoras de American Depositary Receipts (ADRs), listadas na New York Stock Exchange (NYSE). Como o reporte de fraquezas materiais por parte das empresas nao norte-americanas e um tema recente, este estudo contribui para a ampliacao do conhecimento academico sobre o assunto. Realizou-se uma pesquisa descritiva, por meio de analise documental e abordagem quantitativa e qualitativa dos dados. A amostra reuniu 79 empresas emissoras de ADRs com acoes negociadas na NYSE que divulgaram fraquezas materiais nos controles internos sobre relatorios financeiros nos Formularios 20-F referentes ao periodo de 2006 a 2015. As fraquezas materiais foram classificadas conforme a sua natureza e gravidade. Foram reportadas 364 fraquezas materiais nos Formularios 20-F das empresas estrangeiras. Materiais Basicos foi o setor que apresentou o maior numero de fraquezas materiais e a maior parte das empresas sao da China, seguidas do Canada e do Brasil. Quanto a natureza, os tres tipos mais recorrentes de fraquezas materiais estao relacionados a preparacao das demonstracoes contabeis; reconhecimento, mensuracao e divulgacao de ativos/passivos, e, recursos e competencias/formacao do pessoal de contabilidade. Em relacao a gravidade, das 364 fraquezas materiais nos controles internos identificadas, 31% foram consideradas menos graves e 69% foram consideradas mais graves. Conclui-se que as entidades analisadas apresentam graves problemas de controle interno, o que gera uma circunstância de alerta para todo o mercado de capitais, uma vez que tais empresas apresentariam risco de distorcoes relevantes podendo afetar a tomada de decisao de investidores.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
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 savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,012
Tête enseignante GPT0,221
Écart entre enseignants0,210 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRAGCMême sujetWorking Capital and Financial PerformanceTravaux en français237 207