MétaCan
Menu
Retour à la cohorte
Enregistrement W3186264976 · doi:10.5267/j.ac.2021.6.007

Audit committee chairman characteristics and corporate performance: Empirical evidence from Saudi Arabia

2021· article· en· W3186264976 sur OpenAlexvenueno aff
Yahya Ali Al-Matari

Notice bibliographique

RevueAccounting · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIslamic Finance and Banking Studies
Établissements canadiensnon disponible
Organismes subventionnairesKing Faisal University
Mots-clésAudit committeeAccountingCorporate governanceAuditScope (computer science)BusinessChief audit executiveInternal auditJoint auditEmpirical evidenceManagementFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

The purpose of this paper is to investigate the impact of corporate governance (CG) characteristics, specifically audit committee chairman (ACC) characteristics. (tenure, expertise, and directorship) on corporate performance (CP). The study was executed on 44 firms, which were registered under the finance sector at Bursa Saudi Arabia. In terms of its scope, the study stretched over quite a long period of time and observed a considerable number of firms; more specifically, it lasted from 2015 to 2019, and observed 195 firms. The relationship between the characteristics of audit committee (AC) directors and CP has been studied extensively in the past. Nevertheless, few studies have investigated the ACC's characteristics. To the best of the researcher's knowledge, no study has yet studied the effect of CG's characteristics, specifically, the ACC characteristics on CP. The study’s conclusions indicate that corporate governance (CG) characteristics, specifically audit committee chairman (ACC) characteristics (tenure and expertise) are positively related to the performance of finance companies. However, the audit committee chairman’s multiple directorships, on the other hand, has no relationship with corporate performance. Review of literature on the audit committee chairman characteristics used in this study is offered, the practical implications and the recommendations for future research works is also emphasized.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,034
Score d'incertitude au seuil0,971

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,051
Tête enseignante GPT0,247
Écart entre enseignants0,196 · 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.

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

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccountingMême sujetIslamic Finance and Banking StudiesTravaux en français237 207