MétaCan
Menu
Retour à la cohorte
Enregistrement W4319787902 · doi:10.1111/1911-3846.12857

Language, perceived warmth, and investors' reactions to audit committee reports

2023· article· en· W4319787902 sur OpenAlexvenueno aff
Hun‐Tong Tan, Tu Xu, Yao Yu

Notice bibliographique

RevueContemporary Accounting Research · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Massachusetts AmherstMinistry of Education, India
Mots-clésCompensation (psychology)PsychologyAuditTerm (time)Social psychologyAccountingBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract An audit committee (AC) report is the primary channel through which investors learn about the responsibilities and activities of an AC. AC members may use personal language (“we”) or impersonal language (“the audit committee”) in an AC report. Psychology research suggests that personal (vs. impersonal) language signals that the language user has greater warmth and sense of communion (i.e., being part of a larger group). Applying this theory, we predict that an AC's use of personal (vs. impersonal) language leads investors to perceive a warmer and more communal AC, and that an AC's perceived warmth/communion (cued by personal language) positively impacts investor judgments. We further posit that the positive effect of personal language is stronger when AC compensation is largely short term than long term. This is because investors need more assurance of AC oversight effectiveness when AC compensation is short term, which makes investors rely more on heuristic cues such as AC language to make judgments. Consistent with this prediction, we find that when AC compensation is largely short term, nonprofessional investors (proxied by Master of Business Administration students) react more positively to an AC's use of personal language than impersonal language. The effect of AC language is insignificant when AC compensation is largely long term, as the long‐term compensation structure already provides assurance about the AC's oversight effectiveness, and thus, investors rely less on heuristic cues. Furthermore, we find that the perceived warmth of AC members explains the effect of AC language. Finally, our interviews with nonprofessional investors corroborate some of our main findings and validate their practice implications.

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)0,004
score de la tête « metaresearch » (Gemma)0,035
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 enseignants0,004
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,035
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,049
Tête enseignante GPT0,313
Écart entre enseignants0,265 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207