MétaCan
Menu
Retour à la cohorte
Enregistrement W4389253812 · doi:10.22495/rgcv13i4p3

An examination of ‘institutional ascription’: Capture of the gatekeepers of accounting veracity

2023· article· en· W4389253812 sur OpenAlexaff
Murray Bryant, Þröstur Olaf Sigurjónsson

Notice bibliographique

RevueRisk Governance and Control Financial Markets & Institutions · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRisk Management in Financial Firms
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésAscriptionAccountingAccrualFalse Claims ActExplanatory powerPolitical scienceLaw and economicsBusinessLawEconomics

Résumé

récupéré en direct d'OpenAlex

This paper aims to apply the theory of gatekeeping — institutional ascription — using the financial crisis of 2008–2009 in Iceland as a case. An investigation of the theory was conducted (Gabbioneta et al., 2014). The research question tested is whether the auditors, regulators, rating agencies, and analysts failed in the duty of stewardship to assess the scale and scope of accounting scandals and fraud perpetrated by executives of financial institutions. The paper shows that unless legal cases are prosecuted, where a complete presentation of evidence is presented, the theory has explanatory power but little predictive power, as all information must be in the public domain. The data applied in this paper is enriched by several unique elements of the situation described: a Special Investigation Commission (SIC, 2010), a report by a well-known regulator, the Office of a Special Prosecutor, (Jännäri, 2009) the role of the Supreme Court in reviewing all cases emanating from the crash, and a Report on Financial Stability (Central Bank of Iceland, 2010). Because of the extensive database provided by a combination of disinfectant and sunlight, this paper permits a richness of data across all financial institutions and an investigation of the theory of institutional ascription. The paper teaches authorities the need for more active use of the criminal system to prosecute wrongdoing.

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)0,029
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 enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,009
Communication savante0,0040,005
Science ouverte0,0010,003
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 Opus0,010
Tête enseignante GPT0,209
Écart entre enseignants0,199 · 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 revueRisk Governance and Control Financial Markets & InstitutionsMême sujetRisk Management in Financial FirmsTravaux en français237 207