The Impact of Corporate Governance Factors and the COVID-19 Pandemic on the Publishing Date of Annual Reports of UK Listed Companies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The aim of the current study is to examine the role of corporate governance structure and the COVID-19 pandemic on the issuing date of annual reporting of UK non-financial institutions. The corporate governance factors that were examined are: audit committee; board characteristics; ownership structure. To achieve the study objective, the sample’s data was collected from the financial reporting of companies listed on the London Stock Exchange during the period 2008 to 2021. To examine the effect of COVID -19, the sample was spilt into two groups: before and after 2019. The data collected was analysed by using the panel regression random effect method; the issuing date of annual reporting was measured by counting the number of days that passed between year-end and the date of the issuing of financial reports. The study’s findings show that there is a significant relationship between board size, independency of board, audit independence, audit experience, and the issuing date of annual reports. Moreover, after splitting the study’s sample, the empirical results supported that the COVID -19 pandemic has a negative effect on the corporate governance mechanisms that enhance the issuing date of annual reports. The study extends prior studies with evidence that demonstrates a relationship between issuing date (timeliness) of annual reports and the strength of corporate governance during the COVID-19 pandemic, and consequently, these findings confirm that corporate governance factors and auditing process enhance annual reporting quality.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle