MétaCan
Menu
Retour à la cohorte
Enregistrement W4388510124 · doi:10.5539/ijef.v15n12p16

Fiscal Pedal: Fraud or Creative Accounting? A Theoretical Understanding of the Dangerous Fiscal Cycles that Affected the Brazilian Economy

2023· article· en· W4388510124 sur OpenAlexvenueno aff
Jeremias Pereira da Silva Arraes, José Matias-Pereira, João Abreu Faria Bilhim

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAcademic Research in Diverse Fields
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccountingImpeachmentPhenomenonCreative accountingAuditCommissionGovernment (linguistics)EconomicsAccounting information systemPolitical scienceLawPoliticsFinance

Résumé

récupéré en direct d'OpenAlex

This essay aims to discuss, in a theoretical way, how creative accounting is presented in Brazil in the years 2014 and 2015, which resulted in an impeachment process and affected the Brazilian economy. The methodology is qualitative with the application of content and document analysis techniques. The basis of the accounting information is taken from the analyzes of the special impeachment commission and the Federal Court of Auditors in relation to the accusation of a crime of fiscal responsibility to the detriment of the president of the republic. The research discusses the accounting operations carried out by the government and which resulted in the famous expression “fiscal pedaling”. In light of accounting theory Hendriksen and Van Breda (2018), there is a complexity in the analysis that has led to frequent divergences regarding the objectives of accounting and the nature of the economic environment in which it operates. Thus, as research results, it is possible to observe that the concepts given to creative accounting and fraud are close, but they are not similar, where characteristics such as intentional error and the transit of accounting operations, outside the accounting regulations and principles, end up elucidating the particularities of each phenomenon.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,256
Score d'incertitude au seuil0,346

Scores Codex et Gemma par catégorie

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

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 Opus0,062
Tête enseignante GPT0,342
Écart entre enseignants0,280 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetAcademic Research in Diverse FieldsTravaux en français237 207