MétaCan
Menu
← Retour à la cohorte
Enregistrement W4281788236 · doi:10.3390/jrfm15060251

Empirically Investigating the Disclosure of Nonfinancial Information: A Content Study on Corporations Listed in the Saudi Capital Market

2022· article· en· W4281788236 sur OpenAlexvenueno aff
Reem Fraih Alshiban, Khalid Rasheed Al-Adeem

Notice bibliographique

RevueJournal of risk and financial management · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccountingBusinessDirectiveMarket capitalizationMandateSample (material)Capital marketFinanceStock market

Résumé

récupéré en direct d'OpenAlex

This study empirically assesses the disclosure of nonfinancial information in corporate reporting. In examining the contents of annual and board reports for 50 listed corporations, a coding sheet was developed by combining the two coding sheets of Boshnak and the European Directive 2014/95/EU. All corporations in three sectors—energy, utilities, and materials, which collectively represents 85.51% of the Saudi market capitalization—encompass the sample. Results reveal that employees, community, and products and services information have a moderate disclosure level. In contrast, environmental, customers, and fighting corruption have a low level. The findings also show that nonfinancial disclosure of the selected sectors on average range between 28.85% for the corporations in the material sector to 39.22% for the corporations in utilities sector. The corporations in the energy sector scored, on average, 37.65%. The mean for the entire sample of the ratios of disclosed nonfinancial items is 30.35%. However, the average disclosure level is without substantial improvement since 2012 and 2013, as previously reported The Capital Market Authority (CMA) is recommended to mandate nonfinancial information disclosure. It is a step toward realization aspects of Saudi Vision 2030 concerning with, for instance, protecting environment and other related matters.

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)0,006
score de la tête « metaresearch » (Gemma)0,034
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 enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,016
Tête enseignante GPT0,209
Écart entre enseignants0,193 · 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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial management→Même sujetAuditing, Earnings Management, Governance→Travaux en français237 207→