L’influence du profil éthique du propriétaire-dirigeant sur le contenu informatif1 des nombres comptables
Bibliographic record
Abstract
Depuis les travaux pionniers de Beaver, Ball et Brown en 1968, une abondante littérature s’est développée autour de la problématique du contenu informatif des nombres comptables. Les scandales financiers survenus au début de ce siècle ont eu comme portée, le renouvellement de ce débat. Dans la plupart des cas, la perspective d’analyse retenue par différents travaux empiriques a été celle des entreprises managériales cotées. Dans la mesure où cette perspective d’analyse ne permet pas de saisir l’influence directe des acteurs sur la qualité des chiffres publiés, cet article propose une extension de la problématique des nombres comptables en contexte PME, la question principale étant de savoir si le profil éthique du propriétaire-dirigeant influence le contenu informatif de ces nombres. L’étude empirique porte sur les données comptables d’un échantillon de 93 PME candidates au financement bancaire. Le principal résultat mis en évidence est que les PME rationnées sur le marché du crédit bancaire sont paradoxalement celles dont la valeur comptable des actifs nets est relativement plus élevée. L’analyse permet d’établir que le profil éthique des propriétaires-dirigeants justifie ce résultat.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.013 | 0.042 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.019 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".