MétaCan
Menu
Retour à la cohorte
Enregistrement W3125018233 · doi:10.2308/iace-50144

The Effect of Business Process Representation Type on Assessment of Business and Control Risks: Diagrams versus Narratives

2012· article· en· W3125018233 sur OpenAlexaff
J. Efrim Boritz, A. Faye Borthick, Adam Presslee

Notice bibliographique

RevueIssues in Accounting Education · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Engineering Research
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésDiagrammatic reasoningRepresentation (politics)NarrativeControl (management)Affect (linguistics)Process (computing)Task (project management)Computer sciencePerceptionPsychologyAccountingBusinessArtificial intelligencePolitical scienceManagementEconomicsLinguistics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The Sarbanes-Oxley Act (SOX) (U.S. House of Representatives 2002) mandates the assessment of internal controls over financial reporting, and many organizations are using diagrams to document their internal control processes. While educators regularly stress the effectiveness of diagrammatic representation of process information over textual representation, no prior study has offered convincing evidence that diagrammatic representation leads to improved performance. In an experiment, we examine students' performance on a business process risk and control assessment task using two informationally equivalent methods that are commonly taught in the classroom to document business processes: descriptive narrative (hereafter, textual) and diagrammatic. We also examine whether students' academic achievement and perceptions of their ability (self-efficacy) affect performance by type of representation. First, we find that while the method of representation has no effect on students' accuracy, those receiving the textual representation were more efficient and had a greater weighted-average performance than those receiving the diagrammatic representation. Second, we find academic achievement increases students' accuracy, decreases their efficiency, and has no effect on their weighted-average performance. Third, we find self-efficacy has no effect on students' accuracy, has no effect on their efficiency, and decreases their weighted-average performance. Finally, we find that both self-efficacy and academic achievement interact with the type of representation to affect students' performance. Implications for education and practice are discussed.

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)0,011
score de la tête « metaresearch » (Gemma)0,199
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 enseignants0,011
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,199
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,404
Écart entre enseignants0,379 · 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

Citations25
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIssues in Accounting EducationMême sujetSoftware Engineering ResearchTravaux en français237 207