MétaCan
Menu
Retour à la cohorte
Enregistrement W1853429181 · doi:10.1108/jfra-03-2014-0015

The application of business risk audit methodology within non-Big-4 firms

2015· article· en· W1853429181 sur OpenAlexaboutno aff
Imad Kutum, Ian Fraser, Khaled Hussainey

Notice bibliographique

RevueJournal of financial reporting & accounting · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAuditAccountingBusinessBig FourJoint auditDisadvantageOriginalityAudit planAudit evidenceInternal auditInformation technology auditAudit riskPerformance auditQuality auditBusiness risksQualitative researchRisk analysis (engineering)Computer scienceSociology

Résumé

récupéré en direct d'OpenAlex

Purpose – This paper aims to explore the application of the business risk audit (BRA) approach within non-Big-4 audit firms in the USA, the UK and Canada. This paper focuses on the motivation for adopting this approach for non-Big-4 audit firms in the three countries, and the advantages, disadvantages and aftermath of applying this method. Design/methodology/approach – A combination of qualitative and quantitative methods to obtain the data necessary to address the research questions was used. Findings – It is found that non-Big-4 audit firms in the three countries have adopted BRA; their motivation was primarily to follow the standards in each country, and the general trend in the industry. The advantages identified are consistent with previous research; a direct benefit was noted for audit effectiveness and risk management for both clients and auditors. One major disadvantage of applying BRA is the cost burden to both the audit firm and their clients. Some of the interviewees claimed that this method is better suited to large firms and large audits. Originality/value – This is an innovative study that addresses a contemporary auditing issue. The majority of the audit research studies concentrate on the big audit firm practices; this study is the first to examine the application of audit practices within smaller audit firms.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,277
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,479
Score d'incertitude au seuil0,901

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,277
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,037
Tête enseignante GPT0,278
Écart entre enseignants0,242 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations12
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of financial reporting & accountingMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207