Analyse du contenu informatif de la divulgation des informations sur le capital immatériel : le cas des entreprises américaines
Bibliographic record
Abstract
L’objectif de cette recherche est d’analyser le contenu informatif de la divulgation des informations sur le capital immatériel (CI) de l’entreprise. La méthode d’analyse de contenu a été utilisée afin de collecter les données sur la divulgation du CI à partir des rapports annuels de 126 entreprises américaines. À l’aide d’une série d’analyses de corrélation et de régression multiple, nos résultats montrent que les informations divulguées sur le CI, notamment celles de qualité, sont considérées comme pertinentes pour les investisseurs puisqu’elles ont un contenu informatif additionnel dans l’évaluation boursière des entreprises. Ces résultats impliquent, par conséquent, que les investisseurs perçoivent le CI comme une source de valeur bien qu’il ne soit pas comptabilisé parmi les actifs de l’entreprise. Nos résultats permettent, entre autres, d’encourager les dirigeants d’entreprises à divulguer volontairement de l’information sur le CI afin de pallier à l’absence de ces informations dans les états-financiers traditionnels.
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 | 0.005 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".