MétaCan
Menu
Retour à la cohorte
Enregistrement W4413939180 · doi:10.24908/iqurcp19846

Mandatory Disclosure and Female Representation in Corporate Leadership: Evidence from NASDAQ

2025· article· en· W4413939180 sur OpenAlexvenueno aff
Gigi Juriansz

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccountingBusinessRepresentation (politics)Political scienceLaw

Résumé

récupéré en direct d'OpenAlex

Over the course of the summer, I had the privilege to work with Bhargav Gopal and his team of researchers on the topic of a disclosure rule introduced by NASDAQ in 2021. With increasing regulatory focus on corporate board diversity, prior research has focused on gender quotas, but not on mandatory disclosure. His paper contributes to research regarding the effect of mandatory disclosure on corporate female diversity, short-term and long-term effects on financial performance, and explores why some firms choose compliance and some do not. I participated in a review of previous quota and disclosure literature, contributed to writing the literature review, and researched datasets on heterogeneity and investor reputation sensitivity. The sample used in the research included NASDAQ- and NYSE-listed firms, focusing on U.S. firms present in all three datasets: CRSP, Compustat, and BoardEx. There were two main approaches: a Difference-in-Differences (DiD) design for Board Composition and Long-Term Financial Outcomes, and an analysis of Short-Term Financial Outcomes. The short-term outcomes were studied using an Event Study Methodology and a Portfolio Approach. Throughout my work on the literature review and supporting disclosure knowledge, I kept these methodologies in mind. There was a moderate increase in gender diversity in response to NASDAQ’s requirement. However, point estimates were much smaller relative to gender quotas, diversity campaigns led by institutional investors, and other mandatory diversity disclosure policies. The relatively small increase in female diversity suggests minimal reputational consequences for disclosing no diversity. I look forward to contributing more to this paper going forward.

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)0,034
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 enseignants0,032
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,255
Tête enseignante GPT0,359
Écart entre enseignants0,104 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference ProceedingsMême sujetCorporate Finance and GovernanceTravaux en français237 207