L'adoption des IFRS au Canada et leur impact sur la divulgation des provisions environnementales
Bibliographic record
Abstract
Dans ce mémoire, le travail de recherche consiste à analyser l'impact de l'adoption des normes IFRS (IAS-16 et IAS-37) par les entreprises publiques canadiennes, sur la divulgation des montants et des notes relatives aux provisions environnementales. Nous avons commencé par l'étude de quelques travaux antérieurs sur l'impact de l'adoption des IFRS sur la qualité et la quantité des informations financières des entreprises publiques. Certains résultats issus d'études empiriques antérieures ont remis en question l'hypothèse que l'introduction des normes internationales d'informations financières (IFRS) a eu un impact positif sur la divulgation financière, ce qui nous a conduit à formuler notre question de recherche. Pour répondre à cette question de recherche, nous avons examiné 100 entreprises publiques canadiennes. Cette étude empirique nous permet de savoir si l'adoption des \nIFRS par les entreprises canadiennes a un impact majeur sur les montants des provisions environnementales et sur les informations y relatives dans les notes aux états financiers. Les résultats nous ont montré que l'adoption des IFRS par les entreprises publiques a eu un impact significatif, aussi bien sur les montants des provisions environnementales (c'est-à-dire la quantité d'informations) que sur les informations présentées dans les notes aux états financiers (c'est-à-dire la qualité de l'information divulguée), lorsque les entreprises de l'échantillon sont prises globalement. Par contre, les analyses par secteur d'activité montrent des résultats relativement plus mitigés : les entreprises qui publiaient déjà des informations dans les notes aux états financiers ont accru leur niveau de détail suite à l'adoption des IFRS; par contre, celles qui publient peu ou pas du tout d'informations dans les notes ont maintenu leur comportement après l'adoption des \nIFRS. \n_____________________________________________________________________________ \n \nMOTS-CLÉS DE L’AUTEUR : adoption des normes IFRS, divulgation financière, provision environnementale, Canada
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 | 0.037 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.009 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".