MétaCan
Menu
Retour à la cohorte
Enregistrement W3137383806 · doi:10.5430/ijfr.v12n4p65

Exploring Reflections of Lecturers on Ethics in the Accounting Curriculum: A Case Study of Ukzn and Unizulu, South Africa

2021· article· en· W3137383806 sur OpenAlexvenueno aff
Ankur Ratnam Tewari, Lokesh Ramnath Maharajh

Notice bibliographique

RevueInternational Journal of Financial Research · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEthics in Business and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccountingMisconductAuditCurriculumAccounting scandalsContext (archaeology)Political scienceForensic accountingFinancial accountingPublic relationsAccounting information systemBusinessLawHistory

Résumé

récupéré en direct d'OpenAlex

The accounting profession has changed considerably over the past twenty years or so. This has led to the new accounting curriculum undergoing many changes such as increased financial fraud coverage, laws relating to financial crime and globalisation and financial security issues. However, there have been many financial scandals in the 21st century in the African and American context. Several notable incidents of ethical misconduct such as Enron, Klynveld Peat Marwick Goerdeler (KPMG), and Satyam (which negatively impact the world economy) are examples of misuse of accounting to cover the truth. Lack of ethics is believed to be responsible for most of these scandals. This study, therefore, aims at understanding the reflections on the issue of ethics in teaching accounting. The study followed a case study approach and involved a small sample of accounting lecturers from UKZN and UNIZULU. The study's findings suggest that special topical issues on ethics should be taught in each accounting course. For example, in the auditing course, ethical procedures should be touched upon, and students should be sensitized about accountants' ethical behaviour.

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)0,007
score de la tête « metaresearch » (Gemma)0,017
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0220,011
Communication savante0,0080,004
Science ouverte0,0020,007
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,806
Tête enseignante GPT0,605
Écart entre enseignants0,201 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetEthics in Business and EducationTravaux en français237 207