MétaCan
Menu
Retour à la cohorte
Enregistrement W2911031764 · doi:10.1108/jfc-09-2017-0086

A fraud investigation plan for a false accounting and theft case

2019· article· en· W2911031764 sur OpenAlexaff
Mark Lokanan

Notice bibliographique

RevueJournal of Financial Crime · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensRoyal Roads University
Organismes subventionnairesnon disponible
Mots-clésCircumstantial evidenceDocumentationPlan (archaeology)Forensic accountingSuspectAccountingFinancial fraudTest (biology)Computer scienceBusinessActuarial scienceAuditPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to formulate and propose a fraud investigation plan that forensic accountants can use to investigate financial frauds. In particular, the paper sets out the structure and rationale of the fraud investigation plan that both forensic accountants and fraud examiners can use in their investigation of false accounting and theft charges. Design/methodology/approach The paper uses the material facts from the Polly Peck International fraud as a prototype case upon which to build an investigation plan and detail potential areas of investigation to establish evidence for a criminal trial. Findings The findings revealed that the case can be used to provide insights on evidence gathering techniques and test particular models of fraud detection. The concealment and conversion evidence gathering techniques provide fodder on how to gather and triangulate both direct and circumstantial evidence that can be used to avoid mistrials in courts. Practical implications The case is of interest to practitioners and forensic and fraud examination students who would like to build on their existing knowledge and obtain insights into the steps to follow to conduct an investigation and gather evidence to build a case. The paper makes specific recommendations to enhance the effectiveness and efficiency of investigations. Originality/value The paper is among one of the few to propose a fraud investigation plan designed to investigate cases involving false accounting and theft charges. More importantly, the paper uses a real case to illustrate how to examine documentation/data and how such documentation will be analysed in a trial.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,536
Score d'incertitude au seuil0,639

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
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 savante0,0000,001
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 Opus0,014
Tête enseignante GPT0,220
Écart entre enseignants0,206 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Financial CrimeMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207