دانلود مقاله ISI انگلیسی شماره 97818
ترجمه فارسی عنوان مقاله

درس هایی از طبقه بندی غلط در حسابداری بین المللی

عنوان انگلیسی
Lessons from misclassification in international accounting
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
97818 2018 56 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : The British Accounting Review, Volume 50, Issue 3, April 2018, Pages 239-254

ترجمه کلمات کلیدی
طبقه بندی، حسابداری بین المللی،
کلمات کلیدی انگلیسی
Classification; International accounting;
ترجمه چکیده
طبقه بندی فعالیت اصلی در بسیاری از علوم، مانند شیمی است. در علوم اجتماعی، ما نمی توانیم دقت بالا و سودمندی جدول مندلیف از عناصر را به دست آوریم، اما می توانیم سعی کنیم از طبقه بندی نامناسب جلوگیری کنیم. این مقاله یک روش برای شناسایی طبقه بندی غلط در هر حوزه را مشخص می کند، که براساس ویژگی های کیفی اطلاعات مفیدی که در چارچوب مفهومی گزارشگری مالی، به ویژه بازنویسی و ارتباطات وفادار، ارائه شده است. این روش ابتدا به زمینه های مختلف علمی و سپس به بسیاری از طبقه بندی های حسابداری بین المللی و سایر طبقه بندی های مورد استفاده توسط محققان حسابداری اعمال می شود. علل طبقه بندی ضعیف مورد بررسی قرار می گیرند؛ برای مثال، برخی از طبقه بندی ها غلط هستند، برخی از آنها غیرمنصفانه هستند و بعضی بعید به نظر می رسند که اهمیت زیادی داشته باشند. مفاهیم برای محققان پیشنهاد شده است.
پیش نمایش مقاله
پیش نمایش مقاله  درس هایی از طبقه بندی غلط در حسابداری بین المللی

چکیده انگلیسی

Classification is a central activity in many sciences, such as chemistry. In social sciences, we cannot achieve the high precision and usefulness of the Mendeleev table of elements, but we can try to avoid poor classification. This paper sets out a method for identifying mis-classification in any field, drawing on the qualitative characteristics for useful information set out in the conceptual framework for financial reporting, particularly faithful representation and relevance. The method is applied first to various scientific fields and then to many classifications in international accounting and to other classifications used by accounting researchers. The causes of poor classification are examined; for example, some classifications are untrue, some are unfair and some are unlikely to be relevant for any important purpose. The implications for researchers are proposed.