MétaCan
Menu
Retour à la cohorte
Enregistrement W2896887611 · doi:10.1111/1911-3838.12180

New Perspectives in Internal Audit Research: A Structured Literature Review

2018· article· en· W2896887611 sur OpenAlexaffvenue
Mélanie Roussy, Alexandre Perron

Notice bibliographique

RevueAccounting Perspectives · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésInternal auditAuditAccountabilityInformation technology auditAccountingControl environmentAudit planBusinessJoint auditPsychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract This structured literature review adopts a multimethod and multitheoretical approach to identify current knowledge about internal audit as well as related knowledge gaps. To that end, it provides an overview of post‐Sarbanes‐Oxley Act literature, organizing it under three themes: the multiple roles of internal audit, internal audit quality (IAQ), and the practice of internal audit. Despite the volume of literature published during the period covered by this review (2005 to mid‐2017), the first two themes are still in development, while the third is emergent. We suggest research avenues to fill the following main gaps: (i) Given differing opinions about the expected or actual roles of internal audit, prior literature infers that the internal audit function has become the “jack of all trades” of governance, but does not clearly capture its actual roles. (ii) The viewpoint of external auditors has dominated IAQ research, leading to a misunderstanding of how actors with greater stakes in the practice of internal audit conceptualize and evaluate IAQ. (iii) Knowledge of the actual practice of internal audit and its accountability and ethical issues is fragmentary, therefore the literature's current picture of internal audit is far from comprehensive.

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)0,021
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,046
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0320,025
Études des sciences et des technologies0,0020,004
Communication savante0,0080,011
Science ouverte0,0010,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,025
Tête enseignante GPT0,303
Écart entre enseignants0,278 · 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.

Devis d'étudeRevue systématique
DomaineÉvaluation
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations118
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAccounting PerspectivesMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207