Why Settle for the Status Quo? A Critical Assessment of Pension Liability Measurement Under <scp>IFRS</scp> and <scp>US GAAP</scp>
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Relevance and faithful representation are identified by standard‐setters as fundamental qualitative characteristics for useful accounting information. We critically assess whether current pension measurement guidance under International Financial Reporting Standards (IFRS) and US generally accepted accounting principles (GAAP) results in pension measurement that achieves these characteristics. We argue that: (1) conceptual justification is inconsistent with current guidance; (2) IFRS and US GAAP provide differing justifications; and (3) existing guidance applies inconsistent measurement principles and uses principles that are inconsistent with other standards. We conclude that current guidance does not achieve representational faithfulness. Next, we introduce two alternative approaches to pension liability measurement—going concern and settlement—which use consistent measurement principles and thus are more representationally faithful than current standards. We summarize empirical evidence, suggesting that both alternative measures demonstrate stronger relevance to equity and debt investors than current measurement. We conclude by recommending that standard‐setters: (1) use settlement measurement for pension liabilities; and (2) require disclosures that would enable users to re‐estimate pension liabilities using different parameters that would suit their particular needs and consider the characteristics of the plans themselves. We believe that our recommendations would improve the relevance and faithful representation of pension liabilities.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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