MétaCan
Menu
Retour à la cohorte
Enregistrement W4404333952 · doi:10.55486/amrrcg.v28i1.1

What are the ‘most influential people in accounting’ saying about the ‘most important issues currently facing the accounting profession’?

2024· article· en· W4404333952 sur OpenAlexaff
Matt Bamber

Notice bibliographique

RevueContabilidade e gestão · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural and Financial Auditing
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésAccountingBusiness

Résumé

récupéré en direct d'OpenAlex

Drawing on theories of influence derived from social psychology, this article studies Accounting Today’s 2023 list of The Top 100 Most Influential People in Accounting (‘the List’). For many reasons the List is controversial, but it is also a window into the profession, providing readers insights into where key players think it is, where it is going, and what it aspires to be. This article analyzes what those on the List consider to be the most important issues currently facing the accounting profession, and what they think the solutions are. A number of core themes emerge as salient, namely: (a) the pipeline problem, (b) the adoption and application of new technologies, (c) the struggle for relevance of (some) accounting work, and (d) the accounting workplace and human capital management. The solutions presented include: (i) accounting needs better branding and marketing, (ii) need to adopt and use new technologies in a range of creative, thoughtful, and compassionate ways, (iii) accounting workplaces and work conditions need to be improved, not least compensation for new entrants. Ultimately, this article’s core thesis is that the key challenges (opportunities) are fundamentally inter-related and inter-connected. Thus, a strategy which involves one group sitting back and hoping that another will fix a stand-alone issue while they watch on is a strategy that seems destined to fail and will cost us dearly. As such, holistic, ‘big tent’, consensus-garnering solutions are required.

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)0,011
score de la tête « metaresearch » (Gemma)0,042
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,042
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,006
Études des sciences et des technologies0,0130,014
Communication savante0,0220,013
Science ouverte0,0010,004
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,016
Tête enseignante GPT0,254
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContabilidade e gestãoMême sujetAgricultural and Financial AuditingTravaux en français237 207