MétaCan
Menu
Retour à la cohorte
Enregistrement W2171037160 · doi:10.1108/20439371111181224

Dynamic analysis of Bayesian audit strategies with tests of controls and reliability modeling

2011· article· en· W2171037160 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueGrey Systems Theory and Application · 2011
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Statistical Methods and Models
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAuditReliability (semiconductor)Bayesian probabilityComputer scienceSampling (signal processing)Sample (material)EconometricsData miningAccountingArtificial intelligenceMathematicsBusiness

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to summarize a simulation study that analyzed the performance of Bayesian audit strategies in a novel fashion – dynamically and with varying sample sizes depending on the extent of an auditor's prior information. Design/methodology/approach The prior information for the Bayesian strategies arises from a set of control tests that are evaluated making use of reliability theory. The entire audit strategy is simulated under systematically different control reliabilities and related amounts of total misstatements in an accounting population. Findings The major finding is that robust Bayesian audit strategies that have recently been developed in auditing research are more sensitive to non‐sampling errors than existing strategies of audit practice. Practical implications The authors find that there are differential effects of sampling error vs non‐sampling error on the Bayesian strategies and that controls testing does not need to be extensive to get full internal control reliance. Originality/value The paper adds to existing research by examining the performance of various Bayesian audit strategies under more realistic audit conditions of sampling and non‐sampling uncertainty.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,606
Score d'incertitude au seuil0,255

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,035
Tête enseignante GPT0,341
Écart entre enseignants0,307 · 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