The Effectiveness of Alternative Risk Assessment and Program Planning Tools in a Fraud Setting*
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This study examines the impact of alternative risk assessment (standard risk checklist versus no checklist) and program development (standard program versus no program) tools on two facets of fraud planning effectiveness: (1) the quality of audit procedures relative to a benchmark validated by a panel of experts, and (2) the propensity to consult fraud experts. A between‐subjects experiment, using an SEC enforcement fraud case, was conducted to examine these relationships. Sixty‐nine auditors made risk assessments and designed an audit program. We found that auditors who used a standard risk checklist, structured by SAS No. 82 risk categories, made lower risk assessments than those without a checklist. This suggests that the use of the checklist was associated with a less effective diagnosis of the fraud. We also found that auditors with a standard audit program designed a relatively less effective fraud program than those without this tool but were not more willing to seek consultation with fraud experts. This suggests that standard programs may impair auditors' ability to respond to fraud risk. Finally, our results show that fraud risk assessment (FRASK) was not associated with the planning of more effective fraud procedures but was directly associated with the desire to consult with fraud specialists. This suggests that one benefit of improved FRASK is its relation with consultation. Overall, the findings call into question the effectiveness of standard audit tools in a fraud setting and highlight the need for a more strategic reasoning approach in an elevated risk situation.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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