MétaCan
Menu
Retour à la cohorte
Enregistrement W4406992046 · doi:10.3390/jrfm18020067

Impact of IPSAS Adoption on Governance and Corruption: A Comparative Study of Southern Europe

2025· article· en· W4406992046 sur OpenAlexvenueno aff
Bassam Mohammad Maali, Amer Morshed

Notice bibliographique

RevueJournal of risk and financial management · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCorruption and Economic Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceBusinessAccountingLanguage changeBusiness administrationPolitical scienceFinance

Résumé

récupéré en direct d'OpenAlex

This study examines the impact that International Public Sector Accounting Standards adoption might have on governance quality and corruption control in Spain, Portugal, and Italy. IPSAS was designed to globally enhance public transparency and accountability thanks to accrual accounting. However, its effectiveness in fighting corruption and steering better governance has varied across institutional contexts and implementation phases. This paper examines, using partial least squares structural equation modeling (PLS-SEM) and comparative analysis, how legal systems, political stability, and anti-corruption measures mediate the relationship. The results indicate that full IPSAS adoption, as in the case of Spain, significantly enhances governance if the institutional framework is solid and, by extension, reduces corruption. Partial adoption, such as that by Portugal, exposes moderate improvements, but Italy, still in the preparation of the process, shows the poorest result. The study identifies that the legal system, along with complementary reforms like capacity building and political stability, is a very crucial factor in enhancing the IPSAS impact. This covers the evidential gaps and provides actionable insights for policymakers, while at the same time underlining institutional strength as a key driver for IPSAS adoption, contributing to broader discussions on advancing public sector accounting reforms.

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)0,000
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 enseignants0,602
Score d'incertitude au seuil0,204

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,022
Tête enseignante GPT0,303
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'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

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetCorruption and Economic DevelopmentTravaux en français237 207