Does an Audit Judgment Rule Increase or Decrease Auditors' Use of Innovative Audit Procedures?
Notice bibliographique
Résumé
ABSTRACT The current audit environment encourages auditors to conduct defensive auditing procedures in lieu of using new, innovative, and potentially more effective audit procedures, due to concerns these procedures may be second‐guessed in litigation or by audit inspectors such as the PCAOB. As a result, auditors may prefer traditional “generally accepted” procedures over innovative procedures that are potentially more effective. We test recent proposals that an Audit Judgment Rule (AJR) encourages the use of innovative, and potentially more effective, audit procedures analogous to the similar Business Judgment Rule that affords legal protections to corporate directors. Under an AJR, litigators or audit inspectors could not second‐guess auditor judgments, even if they perceive that alternate judgments would have ordinarily been reached, provided the auditor's judgment was made in good faith and in a rigorous manner. However, the AJR's requirements that auditors must defend the rigor of their innovative judgments could potentially backfire and lead auditors to select more traditional procedures. Under the framework of goal activation theory, we conduct an experiment with audit managers and seniors and find that an AJR makes auditors less likely to select innovative audit procedures, particularly when audit risk is high. They do so despite believing the innovative procedures to be more effective than the traditional procedures. Findings from a supplementary experiment with experienced auditors further suggest that national office affirmation of the reasonableness of the procedures does not help overcome this effect. Overall, our findings suggest that an AJR may have the unintended consequence of further increasing auditors' focus on more traditional, and potentially less effective, audit procedures.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,193 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».