Les mesures financières hors normes – La profession comptable pourrait bien détenir la solution
Bibliographic record
Abstract
Les mesures financières hors normes que l’on retrouve en marge des états financiers et qui ne sont donc ni régies par la normalisation comptable, ni couvertes par l’audit indépendant jouissent depuis plusieurs années d’une popularité grandissante. L’investisseur moyen ne pouvant faire la différence entre les données tirées des états financiers audités par des experts-comptables indépendants et toutes les autres informations rendues publiques par les directions d’entités et les médias, il nous apparaît que la normalisation comptable devrait être plus proactive; notamment en améliorant la présentation des états financiers traditionnels de telle sorte à faire ressortir les différents éléments recherchés par les utilisateurs à travers ces mesures alternatives. Il nous semble évident qu’une présentation plus standardisée favorisera la comparabilité d’une entité à l’autre, mais aussi d’une période à l’autre. La profession comptable pourrait ainsi contribuer à limiter les comportements opportunistes de certains dirigeants et s’assurerait de remplir sa mission première, soit la protection du public.
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 | 0.012 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.015 | 0.013 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.005 | 0.007 |
| Insufficient payload (model declined to judge) | 0.027 | 0.006 |
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".