Audit quality and COVID-19 restrictions
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
Purpose This study aims to examine declines in audit quality after the COVID-19 travel restrictions/stay-at-home orders were issued in the USA in early 2020. Design/methodology/approach Taking advantage of variation in the dates of stay-at-home orders issued by different US states, this study identifies engagements that were significantly affected by the lock down orders. Findings The results suggest that engagements affected by the restrictions produced lower audit quality, as measured through restatements and discretionary accruals, relative to those completed before COVID-19 travel restrictions/stay-at-home orders. Further analysis reveals that this decrease in audit quality was attributable to firms with high inventory relative to assets, high R&D expenses relative to assets and non-Big 4 auditors. Practical implications This study finds that the restrictions on physical and on-site interaction caused auditors to universally struggle with resource/judgment-intensive accounts such as inventory and R&D expenditures. The results suggest that while Big 4 auditors managed to maintain their status quo level of audit quality following COVID-19 restrictions, non-Big 4 auditors were unable to overcome the challenges of an online work environment and their audit quality declined. Originality/value To the best of the authors’ knowledge, this paper is the first to empirically examine changes in audit quality as a response to a substantial change in auditors’ working environment due to the global health crisis. As work-from-home becomes more prevalent in audit firms, the results suggest that, on average, this move does diminish audit quality.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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