Notice bibliographique
Résumé
ABM simulations.See Agent-based modeling (ABM) simulations Accountants, 4, 139 Australian, 147 Canadian, 148 career anchors, 158 forensic, 27 millennials, 31, 149, 150, 158 older generations, 31 organizational citizenship, 8 personality, 121 professional, 142, 152, 157 public accounting industry, 23 risk averse, 4 social desirability response bias (SDRB), 9 survey, 7 Taiwan, 7 (un)ethical behavior, 9 Accounting choice disclosure, 59, 67 agency risks, 53 anchor-and-adjustment phenomenon, 57, 58 conservative accounting choice, 53, 56-57 disconfirming attributes, 58 execution risk, 53 market risk, 54 overpayment risk, 53, 55 revenue outcomes, 53, 54 Account risk disclosure, 59, 67 agency risk, 55 anchor-and-adjustment phenomenon, 57, 58 conservative accounting choice, 56-57 disconfirming attributes, 58 economic realities, 55 risk-averse behaviors, 55 Accredited investors, 50 ACFE.See Association of Certified Fraud Examiners (ACFE) Agency risks, 53, 55 Agent-based modeling (ABM) simulations, 27 Aggressive accounting choice, 48, 49, 55, 63 Agreeableness, 120-121, 123, 125, 128, 131-132 Alibaba, 23 Altruism, 7, 8 Analysis of variance (ANOVA), 12, 13, 64-65, 67, 155 Anchor-and-adjustment phenomenon, 57, 58 Angel investors accounting choice disclosure.See also Accounting choice disclosure, 48 account risk disclosure, 55-60 angel valuation judgments, 51-53 "changes" approach, 61 demographic information, 62, 63 disconfirming disclosure, 49, 68 experimental design, 61 FASB revenue recognition standard, 60 hypotheses testing, 64-66 limitations, 69-70 manipulation checks, 63 non financial vs financial models, 63-64 private company investment, 48 prospect theory, 49 revenue account, 61-62 seed equity investment (SEI) contexts, 49-50 straight-equity funding, 60
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,011 | 0,007 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,780 | 0,816 |
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 ».