MétaCan
Menu
Retour à la cohorte
Enregistrement W3114990837

Effect Of Independence, Auditor Experience, Task Complexity, And Time Budget Pressure On Audit Quality (Study On Surakarta, Yogyakarta, And Semarang KAP)

2019· article· en· W3114990837 sur OpenAlexaff
Ajiheri Anggara, Nugroho Wisnu Murti

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior and Marketing Influence
Établissements canadiensAdidas (Canada)
Organismes subventionnairesnon disponible
Mots-clésAuditQuality auditTest (biology)Quality (philosophy)VariablesTask (project management)AccountingRegression analysisPopulationPsychologyWalk-through testSampling (signal processing)StatisticsBusinessExternal auditorInternal auditComputer scienceMathematicsDemographyEconomicsManagement
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to find out and provide empirical evidence of the significance of the influence of independence, auditor experience, task complexity, and time budget pressure on audit quality.This research is quantitative research. The population in this study were 74 auditors who worked in Public Accountants Office in Surakarta, Yogyakarta, and Semarang. The sampling technique used was convenience sampling and a sample of 58 auditors was obtained. The analysis technique consists of the classic assumption test, multiple linear regression analysis, t test, and R2 test. The results of testing the questionnaire using Test Validity and Reliability Tests that obtain valid and reliable results. The results of hypothesis testing indicate that the independence variable has a significant positive effect on audit quality. The auditor experience variable has a significant positive effect on audit quality. Task complexity variables have a significant positive effect on audit quality. Variable time budget pressure has a positive significant effect on audit quality. The R2 test results show that the Adjusted R Square value is 0.719. So that independence, auditor experience, task complexity, and time budget pressure can explain the level of audit quality by 71.9%, while 28.1% is influenced by other factors outside the research regression model.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,015
Tête enseignante GPT0,283
Écart entre enseignants0,269 · 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.

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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetConsumer Behavior and Marketing InfluenceTravaux en français237 207