MétaCan
Menu
Retour à la cohorte
Enregistrement W4404584226 · doi:10.3390/jrfm17120528

Accounting Outsourcing in Tourism SMEs and Financial Risk Mitigation

2024· article· en· W4404584226 sur OpenAlexvenueno aff
Ioulia Poulaki, Anna Kyriakaki, Eleni Mavragani

Notice bibliographique

RevueJournal of risk and financial management · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainability and Innovation in Business
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessOutsourcingTourismAccountingFinancial riskFinanceGeographyMarketing

Résumé

récupéré en direct d'OpenAlex

This paper aims to investigate the characteristics of outsourcing in accounting services for tourism SMEs as a choice to mitigate their financial risk. The research was carried out in summer 2022, during tourism recovery from the COVID-19 pandemic crisis, while the findings indicate that the majority of tourism SMEs choose to outsource their accounting services in order to reduce operating costs; to save their funds by exploiting a partner’s information systems; to take advantage of a partner’s accounting knowledge; to achieve greater flexibility in their core activities; and to speed up the processing of the accounting tasks in order to deal with any arising problems and/or difficulties. Furthermore, it is evident that in a constantly changing and complex tax system and a changing economic landscape, accounting outsourcing provides tourism SMEs with advantages such as already established processes, expertise, technology, consulting support, and pathways for dealing with the various accounting issues that may arise.

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)0,002
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,686
Score d'incertitude au seuil0,627

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,000
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 Opus0,005
Tête enseignante GPT0,204
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 tête enseignante, pas un consensus.

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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetSustainability and Innovation in BusinessTravaux en français237 207