The Settlement Norm in Audit Legal Disputes: Insights from Prominent Attorneys
Notice bibliographique
Résumé
ABSTRACT Prior research indicates that most audit legal disputes settle. There is, however, little evidence of the factors that drive the settlement norm and its exceptions in audit legal disputes. To better understand these factors, we rely on theory related to how professionals manage risks and, as a result, how professions defend jurisdictional claims. We use this theoretical lens to help motivate four research questions that we probe by interviewing 27 prominent attorneys experienced in audit litigation. Consistent with our lens, our interview data indicate that attorneys manage their risks, including the risk of reputational loss, by settling based on their expectations of trial verdicts. Unlike trials, settlements simultaneously enable attorneys on both sides to limit costs and avoid catastrophic jury verdicts and, by doing so, claim “wins” for their clients. Attorneys also stress that they settle many audit disputes without any legal filings. Thus, a large subset of disputes is invisible to the public and researchers. Attorneys characterize trials as exceptions to the settlement norm that emerge due to abnormal conditions sometimes present in disputes. However, trial verdicts in these abnormal conditions help attorneys justify the use of settlements to clients, as attorneys stress that by settling they can avoid the dreaded possibility of extreme unfavorable verdicts. We conclude that as individual attorneys manage their risks, especially the risk of reputational loss, their profession maintains its public image and thereby defends its jurisdictional claims. Among the many questions we pose for future research is whether the settlement norm reduces society's ability to monitor the audit profession and, more generally, whether this norm's benefits outweigh its drawbacks.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,004 |
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 ».