Study on the reliability assessment and early-warning method of online auditing based on the perspective of IT control
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose An important issue in online auditing is how to improve the reliability of online auditing in order to reduce the overall audit risk. In this paper, a reliability assessment and early-warning method of online auditing based on RC (rank centroid), AHP (analytic hierarchy process) and GM (1,1) is proposed from the perspective of information technology (IT) audit risk control. Design/methodology/approach The paper begins by structuring the AHP hierarchy to the reliability assessment of online auditing used in China. Then, RC is used to rank the importance of the assessment criteria. Pairwise comparisons of criteria are made based on the rank results of RC, and this leads to a matrix of comparisons. Next, the comparison matrices are translated into weights, and the reliability assessment and early-warning model of online auditing is constructed using the GM (1,1) model. A case illustration is given to analyze the application of this method. Findings Research results show that the reliability of the evaluation method designed in this paper is rigorous and effective. The reliability assessment and early-warning method of online auditing based on RC/AHP/GM (1,1) can assess and give an effective early warning of reliability changes in an online auditing system, which can meet the needs of current online auditing projects. Practical implications The results of this study have good potential for widespread future implementation of online auditing projects. Originality/value An effective reliability assessment and early-warning method of online auditing is proposed from the perspective of IT audit risk control in this study.
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.
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 | 0,021 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle