Propuesta de implementación de NIIF en una empresa del sector de la Construcción
Bibliographic record
Abstract
El presente artículo es resultado de la investigación “Informe Final de Implementación de Normas Internacionales de Información Financiera (NIIF) en la empresa constructora Davinci S.A.S. de la ciudad de Pasto, enero de 2015”, de la Facultad de Posgrados y Relaciones Internacionales de la Universidad Mariana. El sector de la construcción ha tenido un auge importante en los últimos años, por lo cual es necesario que las empresas vinculadas a este sector, implementen las Normas Internacionales de Información Financiera (NIIF). Para contribuir con este proceso, el presente artículo propone la implementación de las NIIF en una empresa constructora de la ciudad de Pasto. Para ello se utilizó una metodología cualitativa a través de una entrevista semi-estructurada y un análisis cuantitativo de los estados financieros de la empresa a través de métodos contables. Entre los principales resultados se encontró que el manejo contable de la empresa se ajusta al método PCGA. Además, se logró establecer las políticas de medición, reconocimiento y revelación a deudores, propiedad planta y equipo, inversiones, cuentas por pagar y obligaciones financieras, ingresos y gastos. Finalmente se presentan las estrategias para el cumplimiento de las actividades para la implementación de las NIIF para Pymes.
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 | 0.043 | 0.048 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".