MétaCan
Menu
Retour à la cohorte
Enregistrement W1975227734 · doi:10.5539/ibr.v7n4p31

Factors of Affecting Internal Control Benefits under ERP System An Empirical Study in Taiwan

2014· article· en· W1975227734 sur OpenAlexvenueno aff
Hsing-Hwa Hsiung, Juo-Lien Wang

Notice bibliographique

RevueInternational Business Research · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueERP Systems Implementation and Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessInternal controlControl environmentControl (management)Internal auditQuality (philosophy)AccountingEnterprise resource planningOperations managementProcess managementAuditComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Implementation of an ERP system has become an inevitable trend in modern enterprises. The smoothperformance of daily operations and successful reduction of operational risks for an enterprise depend on theimplementation of a sound internal control mechanism. Referencing literature and recruiting internal auditors ofTaiwan Stock Exchange (TWSE)/Gre Tai Securities Market (GTSM)-listed companies and emerging stockcompanies, this study investigates the factors that influence the internal control benefits (based on COSO) of anenterprise in an ERP system environment. The results indicate that (1) critical factors that influence the internalcontrol benefits of an enterprise include various ERP quality variables, such as system and information quality,service quality, and internal control quality. Good communication quality can enhance the internal controlbenefits. (2) The extent of implementation and the internal control benefits of an enterprise are positivelycorrelated. The implementation of internal controls with an ERP equipped with an internal control mechanismimproves the internal control benefits of an enterprise.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,166
Tête enseignante GPT0,438
Écart entre enseignants0,273 · 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'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

Citations14
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetERP Systems Implementation and ImpactTravaux en français237 207