Aplicación de la sección 11 de las NIIF para pymes intrumentos financieros básicos para la medición de los préstamos por pagar a largo plazo en la empresa Multiaceros S.A. en el año terminado al 31 de Diciembre del 2019
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
En este documento se aborda la temática de las Normas Internacionales de Información Financiera para pequeñas y medianas empresas (NIIF para las Pymes), con el objetivo de aplicar la sección 11 Instrumentos Financieros Básicos con un enfoque específico en pasivos no corrientes Préstamos por pagar a largo plazo a los Estados Financieros de la empresa Multiaceros S.A. en el periodo terminado al 31 de diciembre 2019. \nAdemás se detalla la evolución histórica de la contabilidad, su definición, importancia, la normativa contable, los principios de contabilidad generalmente aceptados (PCGA), las normas internacionales de contabilidad (NIC), hasta conocer el inicio de las NIIF, los antecedentes, importancia, objetivos, estructura y como se concluye la creación de las NIIF para las Pymes finiquitando en el enfoque principal de este seminario que es la sección 11 de instrumento financieros básicos dando a conocer su introducción, su alcance, reconocimiento, medición e información a revelar. \nPara la elaboración del caso práctico primeramente se recopiló la información de la empresa, la cual nos suministró las generalidades de la misma y Estados Financieros comparativos de los periodos 2017, 2018 y 2019 los cuales fueron de gran utilidad para demostrar la aplicación de la sección 11 de “Instrumentos Financieros Básicos” y de esta manera lograr explicar la importancia de llevar contabilidad en una empresa en base a NIIF para las Pymes en el país y los efectos contables, financieros y fiscales que ello conlleva
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.001 |
| Meta-epidemiology (narrow) | 0.004 | 0.004 |
| Meta-epidemiology (broad) | 0.003 | 0.003 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.004 |
| Open science | 0.006 | 0.003 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.000 | 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 it