Navegando por Autor "Toaldo, Alexsandro"

Agora exibindo 1 - 2 de 2
  • N/D
    Artigo Científico
    Análise e aplicação dos pronunciamentos US GAAP SFAS 109, SFAS 141, ASC 740 e ASC 805: um estudo de caso no Brasil
    (2022) Toaldo, Alexsandro; Mendonça Neto, Octavio Ribeiro de; Oyadomari, José Carlos Tiomatsu; Peters, Marcos Reinaldo Severino
    Este estudo investiga como os pronunciamentos do US-GAAP relacionados a combinações de negócios e imposto de renda diferido mudaram substancialmente ao longo do tempo. O estudo de caso foi realizado a partir de dados coletados por meio da observação direta da equipe de controladoria local envolvida no processo de combinação de negócios. Os resultados nos casos de (a) combinação de negócios e (b) imposto de renda diferido, conclui-se, respectivamente: (a) para US-GAAP é utilizado o método de aquisição contábil e (b) demonstra que tanto SFAS 109 quanto ASC 740, continua a orientar, de forma genérica e inadequada, o procedimento de reconhecimento contábil relativo ao imposto de renda diferido em caso específico de combinação de negócios. A pesquisa contribui tanto para a prática quanto para a acadêmica. Apesar de amplamente utilizados, as combinações de negócios e o imposto de renda diferido não são objeto de pesquisas profundas e continuadas. Finalmente, este trabalho não analisa o efeito das combinações de negócios e impostos diferidos para fins de IFRS.
  • N/D
    Artigo Científico
    Validação de modelos de machine learning por experimentos estatísticos de campo
    (2024) Toaldo, Alexsandro; Vallim Filho, Arnaldo Rabello de Aguiar; Oyadomari, José Carlos Tiomatsu; Mendonça Neto, Octavio Ribeiro de
    Objetivo – Este artigo apresenta uma aplicação prática com o desenvolvimento de um experimento estatístico de campo em uma indústria de latas premium de alumínio nos Estados Unidos, visando validar estatisticamente resultados de modelos de machine learning (ML), previamente construídos. Metodologia: Usou-se conceitos de pesquisa intervencionista, que envolve experimentos de campo onde pesquisador e organização anfitriã atuam em conjunto buscando experimentar no sistema em estudo, e por meio da observação gerar conhecimento. Originalidade/Relevância: Sobre originalidade, não é frequente na literatura modelos de ML validados por experimento planejado de campo, seguido de análise estatística rigorosa. E a relevância da proposta se deve à sua contribuição para a literatura e pelas possibilidades de replicações do estudo em escala maior, na própria empresa ou em qualquer outra com desafios similares. Principais Resultados: Em fase anterior do estudo modelos de ML identificaram as variáveis de maior impacto em ineficiências (geração de sucata) em um processo de produção de latas de alumínio. Essas variáveis foram validadas nesta fase do estudo, através de experimento estatístico de campo, confirmando a significância estatística dos resultados do modelo de ML. Contribuições Teóricas e Práticas: A pesquisa contribui em termos práticos e científicos, pois a validação estatística de modelos de ML por experimentos planejados de campo é uma contribuição para a literatura de ciência aplicada, além de usas possibilidades práticas. Da mesma forma, apesar de amplamente utilizadas em diferentes áreas, pesquisas de cunho intervencionista ainda apresentam lacuna importante nas ciências sociais aplicadas, principalmente na gestão de processos industriais.