2021 International Conference on Computer Auditing in Tokyo
Notice bibliographique
Résumé
Due to COVID-19, it is assumed that companies may allow special measures such as emergency response and unprecedented response that cannot be handled by conventional internal control, and there is risks of fraud and errors. It can be said that the opportunities of occurring risks and errors are increasing. For this reason, auditors are required to perform higher quality audits than ever before, and technology-based auditing methods are attracting attention in remote environments. However, there are many futuristic contents such as AI audits which can be seen on the Web etc., and there is very few specific information that can be provided such as how to utilize technology for audits at this time. In addition, it is difficult to collect the directions that regulators and research institutes are thinking in a timely manner, and I thought that there might be needs to know more about ""what I should do now"". In order to meet the needs, I aimed to create an opportunity that 2021 International Conference on Computer Audit was held for the purpose of gathering and discussing people from four positions, an audit industry (Certified Public Accountant), regulators (FSA, UK FRC), business world (internal auditor), research institutions (universities / graduate schools). I aimed to create an opportunity that think about ""what I should do now"" by having people from each position give a lecture on ""What is data analysis in auditing and how will it be developed in the future?"" We would be happy if we could provide such an opportunity to everyone who watched it.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,158 | 0,093 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».