MétaCan
Menu
Retour à la cohorte
Enregistrement W4327967159 · doi:10.1111/1911-3838.12334

Ted's Teas: A Two‐Part Accounting and Audit “Crossover Case”*

2023· article· en· W4327967159 sur OpenAlexaffvenueabout
Samantha Taylor, Poppy Riddle, Tammy Crowell, Ana Bullock, Kyla Chisholm

Notice bibliographique

RevueAccounting Perspectives · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAccounting Education and Careers
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésAccountingAuditCompetence (human resources)BankruptcyCapstoneRubricExternal auditorBusinessPsychologyInternal auditFinanceEconomicsManagementPedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract This fictional case is based on a real specialty tea company in Nova Scotia. Ted's Teas is a two‐part crossover case that illustrates the integration of financial accounting and audit learning outcomes applied to real‐world scenarios. In Part 1, students assume the role of an internal accountant and apply knowledge of the Chartered Professional Accountants (CPA) of Canada's CPA Way to identify how to treat leases, changes in policy, and estimates as part of accounting knowledge under both Accounting Standards for Private Enterprises and IFRS frameworks. In Part 2, students “cross over” and change roles, so they are now external auditors for Ted's Teas, tasked to provide an analysis of risk of material misstatement, recommend an audit approach, and develop substantive procedures. This two‐part case presents opportunities for students to demonstrate technical competence in multiple areas, either separately in two different courses or combined in one “capstone” or case course. The case and teaching notes, including the marking rubrics, were adapted from principles used to train and evaluate CPA Professional Education Program candidates, tailored to an appropriate level for undergraduate and graduate learners.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,364
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,267
Écart entre enseignants0,251 · 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'étudeSans objet
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

Citations2
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAccounting PerspectivesMême sujetAccounting Education and CareersTravaux en français237 207