Navigating global–local epistemic tensions: how a Big Four shapes its IASB comment letters
Notice bibliographique
Résumé
Purpose This study investigates the internal editorial process undertaken by a Big Four accounting firm (hereafter, Case Firm) in preparing global comment letters in response to the IASB's exposure drafts on revenue recognition and leases (IFRS 15 and 16). It examines global–local tensions through the lens of epistemic cultures, focusing on how local auditors and technical experts engage with and contest the firm's knowledge production practices. The study also explores how professional knowledge is constructed, legitimized, and circulated across geographically dispersed teams. Design/methodology/approach The study adopts a qualitative research design, drawing on semi-structured interviews with local IFRS experts and technical specialists from one of Case Firm's European Professional Practice Function (PPF). Data collection also includes internal document analysis and meeting observations, gathered during six months of immersive fieldwork. Findings Although local participants possess deep expertise in IFRSs, they perceive their technical contributions as undervalued in the global editorial process. Drafting is marked by negotiation, selective inclusion, and epistemic asymmetries that limit the influence of local perspectives. These tensions reflect clashing epistemic cultures within the firm, structured by spatial hierarchies and organizational dynamics that shape the recognition and circulation of knowledge. Originality/value Empirically, the paper offers rare insight into the backstage processes that shape Big Four firms' responses to global standard-setting initiatives. Theoretically, it extends research on global–local tensions in Global Professional Service Firms (GPSFs) by foregrounding the role of epistemic cultures in shaping technical decision-making. It further underscores the practical implications of perceived epistemic injustice for participants in GPSFs' knowledge-sharing initiatives.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,036 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,019 | 0,020 |
| Communication savante | 0,019 | 0,007 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».