MétaCan
Menu
Retour à la cohorte
Enregistrement W2095539273 · doi:10.1111/1911-3838.12040

Judgment and Decision-Making Research in Auditing and Accounting: Future Research Implications of Person, Task, and Environment Perspective

2015· article· en· W2095539273 sur OpenAlexvenueno aff
Rajni Mala, Parmod Chand

Notice bibliographique

RevueAccounting Perspectives · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)AuditTask (project management)AccountingBusinessManagement scienceComputer scienceEconomicsManagementArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The discipline of accounting and auditing has increasingly recognized judgment and decision making (JDM) as highly important attributes in the profession because individuals such as managers, auditors, financial analysts, accountants, and standard setters make pivotal judgments and decisions. Many studies undertaken in this domain of research also substantiate the significance of JDM in accounting and auditing. This study evaluates all the papers published in 10 accounting journals among the leading ones from 1980 to 2010 that fall within the domain of JDM research. The categorization of the studies reviewed in this paper is based on Bonner's (1999) three major determinants of JDM: Person, Task, and Environment variables. The review highlights the progress in the literature over the past three decades and also identifies the methodological limitations of previous research. The identified limitations will be useful for improving the research method of future JDM studies in accounting and auditing. The review also draws inferences on how JDM research in auditing, which is well established, could usefully guide future JDM research in financial accounting.

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)0,024
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,027
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,007
Études des sciences et des technologies0,0020,009
Communication savante0,0090,013
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,052
Tête enseignante GPT0,333
Écart entre enseignants0,281 · 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'étudeThéorique ou conceptuel
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

Citations79
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting PerspectivesMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207