MétaCan
Menu
Retour à la cohorte
Enregistrement W4367052781 · doi:10.1108/tcj-06-2021-0089

Case analysis: Johnson & Johnson and the COVID-19 vaccine

2023· article· en· W4367052781 sur OpenAlexaff
Huining Jia, Justin Yiqiang Jin, Benjamin J. Lindsay

Notice bibliographique

RevueThe CASE Journal · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésAccountingContext (archaeology)Coronavirus disease 2019 (COVID-19)EconomicsCompetitor analysisEarningsRevenueCash flowRevenue recognitionBusinessFinancial accountingAccounting information systemMarketingMedicine

Résumé

récupéré en direct d'OpenAlex

Research methodology This paper uses financial report information to analyze the accounting results of the COVID-19 vaccine development for Johnson & Johnson (J&J). This paper also uses stock price information to analyze the market reactions to the COVID-19 vaccine development and the state of clinical trials for J&J. Case overview/synopsis This instructional case investigates the interaction between J&J and the COVID-19 vaccine. This paper uses information from financial reports to analyze the accounting results of the COVID-19 vaccine development for J&J. This paper also uses stock price information to analyze the market’s reactions to the COVID-19 vaccine development and the state of clinical trials for J&J. Complexity academic level This case has been used in both undergraduate and graduate levels to highlight the application of accounting theories to practice and improve the understanding of financial statements, especially when Covid-19 has affected the global economy. Under this new context, students could explore new ideas from accounting aspect. Learning objectives The case aims to investigate the interaction between J&J as a pharmaceutical company and COVID-19. It provides a context in which to discuss the consequences of COVID-19 vaccines from several financial perspectives, such as stock prices, accounting policies, earnings and cash flows: LO1: Understand the responses of stakeholders to J&J’s COVID-19 vaccines. LO2: Understand the accounting policies that J&J and its competitors follow regarding COVID-19 vaccines related to revenues, R&D expenditures and government funds. LO3: Apply Ball and Brown’s theory to the impact of COVID-19 vaccine development on earnings quality of J&J and its competitors. LO4: Assess the importance of COVID-19 vaccines in management decision-making through dividend policy and management compensation structure.

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)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0050,003
Communication savante0,0040,003
Science ouverte0,0020,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,264
Écart entre enseignants0,238 · 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'étudeQualitatif
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe CASE JournalMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207