2021 International Conference on Computer Auditing in Tokyo
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.<br /> 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 &quot;&quot;what I should do now&quot;&quot;. 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 &quot;&quot;what I should do now&quot;&quot; by having people from each position give a lecture on &quot;&quot;What is data analysis in auditing and how will it be developed in the future?&quot;&quot; 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle