MétaCan
Menu
Retour à la cohorte
Enregistrement W1617411210 · doi:10.1111/j.1911-3838.2010.00010.x

Culture Matters: How Our Culture Affects the Audit*

2010· article· en· W1617411210 sur OpenAlexvenueno aff
PHILIP COWPERTHWAITE

Notice bibliographique

RevueAccounting Perspectives · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMilitary, Security, and Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAuditProcess (computing)Public relationsBusinessInternational standardPolitical scienceAccountingComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract If the influence of national cultures on the implementation of global standards is not taken into account, the result will be inconsistent implementation at best and outright failure at worst. The experiences in fields such as medicine, peacekeeping, aviation, and environmental protection offer insight into possible difficulties with the implementation, beginning in 2010, of International Standards on Auditing (ISAs) by members of the International Federation of Accountants. Some countries may have difficulty with implementation because of the differences between their cultural assumptions and those embodied in the standards to be adopted. It is too soon to know if and where that will happen, especially because the data on first experiences will not begin to be available until 2013. However, cultural‐comparison data can be used to foresee which countries may have difficulty with implementation. But if unintended consequences do become evident, it will be important not to assume that the standards and the standard‐setting process are defective; it is more likely that practitioners will need help in interpreting the ISAs in light of their local culture. A useful first step would be for standard‐setting bodies to identify explicitly the cultural assumptions inherent in the standards they produce. The standard setters can then give that information to those responsible for standards implementation at the practitioner level to help promote consistent application of the standards globally.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,056
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,056
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0080,015
Communication savante0,0150,005
Science ouverte0,0010,006
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,316
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting PerspectivesMême sujetMilitary, Security, and Education StudiesTravaux en français237 207