MétaCan
Menu
Retour à la cohorte
Enregistrement W4411825683 · doi:10.1111/1911-3846.13055

Are intergroup differences between the audit committee and the rest of the board associated with monitoring effectiveness?

2025· article· en· W4411825683 sur OpenAlexvenueno aff
Ann Gaeremynck, Simon Dekeyser, Liesbeth Bruynseels, Mathijs Van Peteghem

Notice bibliographique

RevueContemporary Accounting Research · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRest (music)Audit committeeAccountingAuditBusinessPolitical scienceMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract In contrast to prior research that typically focuses on the characteristics of the audit committee (AC), we investigate how intergroup differences between the AC and the rest of the board (ROB) affect monitoring effectiveness. Drawing on group literature and the similarity attraction paradigm, we hypothesize that high intergroup differences between the AC and the ROB impede communication and information sharing. Poor “fit” between the AC and the ROB can lead to an “us versus them” mentality that reduces trust and hinders knowledge exchange, diminishing monitoring effectiveness. Using a sample of listed US firms, we find that intergroup differences between the AC and the ROB in terms of their respective characteristics are linked to a lower likelihood of reporting an existing or likely material weakness, higher discretionary accruals, and a lower likelihood of a going‐concern opinion among financially distressed firms. These negative effects are most pronounced when the AC and the ROB are very different (i.e., in the upper quartile and decile of the AC‐ROB distance distribution). Additional analyses show a higher probability of a Big R restatement, a lower likelihood of a Big R restatement when a material misstatement likely exists, and a lower likelihood of goodwill impairment when one is expected. Notably, the adverse impact of AC‐ROB dissimilarity is more prominent when the AC is less powerful or lacks group stability. Regulators and companies should be aware that AC composition decisions cannot be made in isolation because large intergroup differences in director profiles between the AC and the ROB reduce monitoring effectiveness.

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)0,040
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,040
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,037
Tête enseignante GPT0,285
Écart entre enseignants0,248 · 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'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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207