MétaCan
Menu
Retour à la cohorte
Enregistrement W3125171574 · doi:10.2308/bria-19-064

Auditors' and Specialists' Views About the Use of Specialists During an Audit

2020· article· en· W3125171574 sur OpenAlexaff
J. Efrim Boritz, Natalia Kochetova, Linda Robinson, Christopher Wong

Notice bibliographique

RevueBehavioral Research in Accounting · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensWilfrid Laurier UniversityUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAuditAccountingBusinessFinancial statementJoint auditValuation (finance)HarmWalk-through testAudit planInformation technology auditAudit evidenceInternal auditPsychology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Auditors often rely on the assistance of specialists from such fields as tax, information technology, valuation, and forensic accounting. Integration of the work of specialists with the work of audit team members is a challenge for both groups. This interview-based study of 34 practitioners from six accounting firms, including 12 auditors (partners and managers) and 22 specialists (tax, IT, valuation, forensic) examines auditors' and specialists' views about the current state of specialist use on audits. The regulatory environment creates pressure for financial statement auditors to use specialists on audits; however, financial statement auditors often seek to limit specialist involvement. Both auditors and specialists are dissatisfied with the current situation, but for different reasons. Auditors are concerned about budget overruns, delays, and harm to client relationships by (overly) meticulous specialists. Specialists are concerned about auditors limiting the scope of specialist involvement, and its effect on audit quality. JEL Classifications: M4; M40; M42.

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)0,018
score de la tête « metaresearch » (Gemma)0,074
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,074
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,003
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,223
Tête enseignante GPT0,379
Écart entre enseignants0,156 · 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'étudeQualitatif
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

Citations54
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBehavioral Research in AccountingMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207