Research productivity of International Financial Reporting Standards (IFRS) from 2003 to 2020
Notice bibliographique
Résumé
Purpose This study aims to examine the quantitative research productivity of International Financial Reporting Standards (IFRS) globally by using the bibliometric approach. The method was applied to articles indexed in the Scopus database to analyze the publication patterns, trends and research productivity of the selected papers. Design/methodology/approach Bibliometric analysis is applied to analyze research productivity of IFRS from 2003 to 2020. The method was applied to articles indexed in the Scopus database to analyze the publication patterns and research productivity of the selected papers. Findings This study finds that a good number of articles have been published on IFRS, the top five countries are the USA, UK, Australia, Germany and Canada. This clearly shows that developed markets have the highest number of publications on IFRS. This could be as a result of the early adoption of IFRS by those economies and owing to the interest of researchers in those markets. Most of the studies are quantitative in nature; this study indicates that publication on accounting standards is popular as the number of citations is significant; most of the articles have two or more authors and were published in top-ranking journals. Practical implications This study provides up-to-date literature on the global research productivity of IFRS; as a result, it supports the development of policies by the users of this accounting standards. The findings of this study also serve as a reference point for firms and regulators around the world. Given the thoroughness of the methodology of this study, the results make it easier to effectively identify the direction of research on the implementation of IFRS in organizations. Originality/value This study provides a more comprehensive bibliometric analysis on the growth of IFRS literature (2003–2020) in the Scopus database; most of the prior studies have covered relatively few areas of focus as well as a fewer number of high impact factor journals. The relevance of this finding is in uncovering different areas of IFRS research productivity globally.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,052 | 0,142 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,038 | 0,061 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,012 | 0,007 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».