MétaCan
Menu
Retour à la cohorte
Enregistrement W3140920764

Fool Me Once, Shame on You; Fool Me Twice, Shame on Me: The Long-Term Impact of Arthur Andersen’s Demise on Partners’ Audit Quality

2019· article· en· W3140920764 sur OpenAlexaff
Feng Guo, Ling Lei Lisic, Jeffrey Pittman, Timothy A. Seidel, Mi Zhou, Ying Zhou

Notice bibliographique

RevueScholarsArchive (Brigham Young University) · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésAuditDemiseShameQuality auditAccountingJoint auditQuality (philosophy)PsychologyActuarial scienceAudit planAudit evidenceBusinessInternal auditSocial psychologyPolitical scienceLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Although recent evidence suggests that individual audit partners explain a substantial portion of the variation in audit quality proxies, much less is known about what determines an audit partner’s quality. Psychology and behavioral economics theories hold that an individual’s experiences can have enduring impacts on subsequent behavior. We examine whether auditors’ direct exposure to Arthur Andersen’s collapse has a long-term impact on the quality of their audits. Our evidence implies that audit partners who directly experienced Andersen’s demise impose stricter monitoring evident in their clients exhibiting a lower propensity for misstatements and small profits, and paying higher audit fees. Importantly, these findings reconcile with research in finance and economics implying that firsthand experiences matter more to subsequent behavior than general economic conditions or secondhand or thirdhand experiences. Collectively, the results shed light on one facet of how partners’ audit quality evolves over time. Our findings suggest that major failures associated with the audit firm in which an auditor works can ultimately result in these affected individuals later delivering higher audit quality, which should benefit audit committees in partner selection decisions and audit firms in designing partner assignment policies.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,152
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,260
Écart entre enseignants0,241 · 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 tête enseignante, pas un consensus.

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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarsArchive (Brigham Young University)Même sujetAuditing, Earnings Management, GovernanceTravaux en français237 207