MétaCan
Menu
Retour à la cohorte
Enregistrement W2505796366 · doi:10.1108/s1475-1488(2013)0000016008

The Effects of Offshoring Audit Tasks on Jurors’ Evaluations of Damage Awards Against Auditors

2013· book-chapter· en· W2505796366 sur OpenAlexfundno aff
Brian Daugherty, Denise Dickins, Meindert Fennema

Notice bibliographique

RevueAdvances in accounting behavioral research · 2013
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLaw, Economics, and Judicial Systems
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of British ColumbiaEast Carolina UniversityLibrary Company of Philadelphia
Mots-clésOffshoringDamagesAuditBusinessAccountingTask (project management)Work (physics)Quality auditSubmarine pipelineMarketingEconomicsEngineeringOutsourcingManagementLawPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Offshoring is the process of using unaffiliated foreign companies or affiliated offshore entities (AOEs) to manufacture goods or perform services. The Big 4 public accounting firms offshore tax services (Houlder, 2007) and, more recently, have started to offshore audit tasks of their U.S.-based clients to AOEs located in India (Daugherty & Dickins, 2009). While the benefits of offshoring might be substantial, there are also costs associated with moving domestic work to foreign locations. One of these costs may be greater damage awards in lawsuits involving an audit failure where audit tasks were performed overseas as opposed to the United States. This study investigates that possibility by experimentally examining the effect of offshoring audit tasks requiring different levels of judgment on the amount of damages awarded by potential jurors as a result of an audit failure. The results show potential jurors awarded greater damages against the auditor when audit tasks were performed offshore than when they were performed in the United States. There was no effect of the level of judgment of the audit task on damages awarded. Since this study examines offshoring to only one location, India, results may not be generalizable to other offshore locations.

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 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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,651
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,085
Tête enseignante GPT0,372
Écart entre enseignants0,287 · 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 tête enseignante, pas un consensus.

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

Citations16
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in accounting behavioral researchMême sujetLaw, Economics, and Judicial SystemsTravaux en français237 207