A maturity level assessment of the use of technology by internal audit functions: a comparative analysis of the Federal Government of Canada
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
This work presents the results of the empirical study conducted on internal audit (IA) functions in the Federal Government of Canada (after this Federal Government) to measure generalized audit software (GAS) use practices. The study empirically gauged the function maturity of the Federal Government Internal Audit. It sought to provide information on the current state and usage of GAS and the future needs of audit functions across the federal government. The current maturity assessment (2022) is phase two; phase one (2017) was completed five years ago. This work enables us to see if progress has been made in data analytics and provides valuable information on where to focus efforts to achieve best practices. People, processes and technology form the foundation of effective internal auditing. It is essential to continue assessing progress in these areas. This paper focuses on these three aspects, which contribute equally to the overall assessment of the maturity of GAS use by internal auditors in the Federal Government. The comparison drawn from the empirical findings indicates that there has not been significant progress in any area or overall maturity levels since the initial study in 2017. A comprehensive discussion of the results leads to policy recommendations for shaping the maturity-level assessment of future GAS use. At the same time, by considering Canada as an advanced country case study, the research aims to provide a lessons-learned experience from an organizational learning perspective for other countries and organizations while contributing to decision-making processes.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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