Tangible Rewards for More Than Just Productivity: Examining Canadian Public Accounting Firms' Rewards Programs*
Notice bibliographique
Résumé
ABSTRACT Companies spend significant amounts of money on tangible rewards programs, even during the economic turmoil of the COVID‐19 pandemic. The prevalence, growth, and significance of these expenditures highlight the importance of understanding the purpose and use of these programs by organizations. Research on public accounting (PA) firms' compensation plans has focused on the balance between professional and commercial incentives in partner profit‐sharing schemes but has failed to examine the incentives for nonpartner audit professionals. However, it is exactly these professionals who do a substantial amount of work on audit engagements. This paper has three main purposes. First, we investigate the nature and composition of PA firms' tangible rewards programs and provide a detailed description. Second, we examine the use of firms' tangible rewards programs to provide evidence of what actions are being rewarded. We use Almer et al.'s (2005, Behavioral Research in Accounting 17: 1–22) framework, which presents dimensions of the auditors' professional contribution, and explores whether firms recognize these dimensions using tangible rewards. Third, we develop future research questions to help explore the use of tangible rewards in firms without structured output. We collect archival data on the use of tangible rewards from each of the Big 4 PA firms and three of the next four largest international accounting firms in Canada. We find that firms use their tangible rewards programs for “building a culture of recognition,” for performance incentives, and for employee and firm development, thus rewarding a broad set of measures beyond the incentive measures for hours worked.
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 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 | 0,003 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,003 | 0,005 |
| 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 | 0,001 |
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 tête enseignante, 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 ».