MétaCan
Menu
Retour à la cohorte
Enregistrement W2992375490 · doi:10.5430/ijfr.v11n1p405

Internal Controls and Performance of Selected Tertiary Institutions in Ekiti State: A Committee of Sponsoring Organisations (COSO) Framework Approach

2019· article· en· W2992375490 sur OpenAlexvenueno aff
Gideon Tayo Akinleye, Adebola Daniel Kolawole

Notice bibliographique

RevueInternational Journal of Financial Research · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceState (computer science)Control (management)AccountingBusinessBusiness administrationManagementEconomicsFinanceMathematics

Résumé

récupéré en direct d'OpenAlex

This study examined the effect of internal controls on performance of selected tertiary institutions in Ekiti state using a committee of sponsoring organisations (COSO) framework approach. The study employed a survey research design. Primary data were obtained and analysed using multiple regression analysis. Findings from the study showed that the overall influence of COSO components of internal control on performance of selected tertiary institutions in Ekiti state was significantly positive. However, Control activities (CA) (t =2.487, p=0.013 <0.05), Information & communication (IFC) (t=7.195, p=0.000 < 0.05) and Monitoring activities (MA) (t=4.809, p=0.000 < 0.05) had significant and positive influence on organisational performance of the selected tertiary institutions while Control environment (CE) (t =0.569, p=0.570 > 0.05) and Risk assessment (RA) (t=0.446, p=0.656 > 0.05) had positive but insignificant effect on organisational performance of the selected tertiary institutions. The study concluded that internal control had a positive effect on performance and was statistically significant in explaining performance of selected tertiary institutions in Ekiti state. The study thus recommended that those charged with governance in tertiary institutions should strengthen the highlighted components of internal controls.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,025
Tête enseignante GPT0,297
Écart entre enseignants0,271 · 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.

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

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207