MétaCan
Menu
Retour à la cohorte
Enregistrement W2608653572 · doi:10.2308/ajpt-51772

Conventions of Audit Quality: The Perspective of Public and Private Company Audit Partners

2017· article· en· W2608653572 sur OpenAlexaffabout
Marion Brivot, Mélanie Roussy, Maryse Mayer

Notice bibliographique

RevueAuditing A Journal of Practice & Theory · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésAuditAccountingQuality auditJoint auditAudit planBusinessInformation technology auditAudit evidencePerformance auditConventionChief audit executiveInternal auditExternal auditorQuality (philosophy)AccountabilityPublic relationsPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

SUMMARY This research is based on an in-depth analysis of 34 interviews with partners in Big 4, medium-sized, and small audit firms that specialize in private and/or public company audits, to explore how they understand the concept of audit quality. Two contrasting conventions—i.e., shared judgment norms—of audit quality emerge from the analysis. Public company audit partners in Big 4 firms espouse what we call the “model” audit quality convention, which considers that audit quality results from a technically flawless audit, where professional judgment is highly formalized, and quality is attested by a perfectly documented audit file that passes Canadian Public Accountability Board (CPAB) and PCAOB inspections. In contrast, partners working primarily on private company audits, regardless of their firm's size, endorse what we call the “value-added” audit quality convention, which considers that audit quality results from tailoring the audit to meet the client's unique needs, where professional judgment is unconstrained, and where quality is attested by the client's perception that the audit has given a better understanding of their financial situation and the associated risks and opportunities. Our analysis also reveals significant tensions within each of these two conventions, and a fear that the current regulatory framework for quality control might end up severely hurting audit quality.

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)0,042
score de la tête « metaresearch » (Gemma)0,085
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,222

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,085
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0070,016
Communication savante0,0170,011
Science ouverte0,0010,008
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,042
Tête enseignante GPT0,330
Écart entre enseignants0,288 · 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'étudeQualitatif
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

Citations44
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAuditing A Journal of Practice & TheoryMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207