Joint Audit: Issues and Challenges for Researchers and Policy-Makers
Notice bibliographique
Résumé
The publication of the European Commission Green Paper, ‘Audit Policy: Lessons from the Crisis’ in October 2010, has stirred up a lively debate on the role of joint audits. This literature review identifies and evaluates, for the benefit of future research and regulators, existing evidence about joint audits. We find limited empirical support to suggest that joint audits lead to increased audit quality, but some empirical support to suggest that joint audits lead to additional costs. Overall, this paper indicates that joint audit should be seen as a mechanism that is embedded in a broader institutional context and not be considered in isolation from other factors that might impact the audit market. The results indicate that various country-level characteristics are simultaneously at play. While joint audits can potentially enhance the audit market competition by allowing smaller audit firms to maintain larger market shares, the related impact on audit quality has not yet been clearly demonstrated and thus provides a promising avenue for future research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,258 | 0,349 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,006 | 0,017 |
| Études des sciences et des technologies | 0,012 | 0,038 |
| Communication savante | 0,041 | 0,046 |
| Science ouverte | 0,008 | 0,019 |
| Intégrité de la recherche | 0,033 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,004 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».