What's Wrong with the Current Audit Risk Model?*/QU'EST‐CE QUI NE VA PAS DANS LE MODÈLE ACTUEL DE RISQUE DE VÉRIFICATION?
Notice bibliographique
Résumé
ABSTRACT This paper identifies a serious risk anomaly between the accounting and auditing literatures. This anomaly has important consequences for the validity of auditor professional judgement in today's rapidly evolving financial reporting environment. These risk consequences were comprehensively surveyed in a recent forum in this journal (2005, vol. 4, no. 2). I refer to these risk consequences as accounting risks. Accounting risks require an expanded concept of misstatements that incorporates forecast errors. The problem with the current audit risk concept is that it does not incorporate accounting risks. This is shown by reference to accounting and auditing standards and other authoritative literature, including empirical research. To remedy this limitation I propose a new risk model that helps integrate the accounting and auditing perspectives on financial reporting into one combined conceptual framework. Such an approach also addresses the problems of integrating into a conceptual framework the new business risk approaches to auditing. RÉSUMÉ L'auteur relève une sérieuse anomalie relative au risque selon qu'il est abordé à travers le prisme de la comptabilité ou celui de la vérification. Cette anomalie a d'importantes répercussions sur la validité du jugement professionnel du vérificateur dans le contexte actuel de l'information financière qui évolue rapidement. Ces répercussions ont fait l'objet d'une étude approfondie dans un récent forum paru dans la présente publication (vol. 4, n 0 2). L'auteur assimile ces répercussions au risque comptable, qui fait appel à une extension de la notion d'inexactitude incorporant les erreurs prévisionnelles. La notion actuelle de risque de vérification pose problème, car elle n'englobe pas le risque comptable. C'est ce que révèle la consultation des normes de comptabilité et de vérification, ainsi que d'autres textes faisant autorité, notamment ceux qui sont issus de la recherche empirique. Pour résoudre ce problème, l'auteur propose un nouveau modèle de risque qui facilite la conjugaison des points de vue de la comptabilité et de la vérification sur l'information financière dans un cadre conceptuel mixte. Ce modèle s'attaque également à un autre problème: celui d'insérer dans un cadre conceptuel les nouvelles approches de la vérification tenant compte du risque d'entreprise.
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 | 0,002 | 0,002 |
| 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 | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».