An Analytical Model for External Auditor Evaluation of the Internal Audit Function Using Belief Functions*
Notice bibliographique
Résumé
The purpose of this paper is to advance research in internal audit (IA) evaluation by developing an IA assessment model that considers interrelationships among specific factors used by external auditors to evaluate the strength of the IA function. The model is based on three factors identified by auditing standards and by prior academic research: Competence, Work Performance, and Objectivity. We develop an analytical expression of the model using the belief function framework in order to overcome limitations of prior research. Our results reveal that modeling the And relationship is essential for assessing the strength of the IA function. As far as interrelationships are concerned, the analysis shows that, when the three factors have a strong or a perfect relationship, the strength of the IA function remains high even if there is positive or negative evidence about one of the factors. This result holds as long as there are high levels of belief about the other two factors. Further, we demonstrate how the quality of corporate governance affects the evaluation of the IA function and how a costbenefit analysis can be applied to this framework to help determine the amount of external audit work needed to comply with standards. Our analysis reveals that the extent of external audit work to be carried out by the external auditor depends on the strength of the IA function and the amount of litigation and regulatory costs likely to be faced by the external auditor. © 2010 CAAA.
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 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 | 0,011 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».