MétaCan
Menu
Retour à la cohorte
Enregistrement W4385463562 · doi:10.2308/api-2022-009

Technology, Ethics, and the Pandemic: Responses from Key Accounting Actors

2023· article· en· W4385463562 sur OpenAlexaff
Emilio Boulianne, Annie Lecompte, Mélissa Fortin

Notice bibliographique

RevueAccounting and the Public Interest · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain Resilience and Risk Management
Établissements canadiensUniversité du Québec à MontréalConcordia University
Organismes subventionnairesnon disponible
Mots-clésAuditEthosContext (archaeology)AccountingInformation ethicsPublic relationsPandemicDocumentationCITESPolitical scienceEngineering ethicsSociologyBusinessCoronavirus disease 2019 (COVID-19)MedicineLawEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT A pandemic is an exceptional context involving radical disruptions for organizations and society. Ethical considerations evolve among individuals and organizations, and the way technology is used is an important factor in this evolution. We explore how key actors in the accounting space—namely, the Big 4 firms, the professional accounting associations, and the audit regulators—responded to the conjunction of the pandemic, ethics, and technology. We contextualize our documentation analysis referring to the ETHOs framework, which integrates ethics and technology. Findings suggest that ethics and technology are significant for the professional accounting associations and the audit regulators during the pandemic. In contrast, the Big 4 appear to overlook this importance, focusing instead on gains to be obtained from technology, applying a commercial logic above a professional logic. Our study underscores the importance of considering ethics in the future design and utilization of technology to maintain trust in the accounting profession. Data Availability: Data are available from the public sources cites in the text.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,036
score de la tête « metaresearch » (Gemma)0,059
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,036
Score d'incertitude au seuil0,188

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0360,059
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0120,022
Communication savante0,0140,011
Science ouverte0,0010,014
Intégrité de la recherche0,0050,009
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,275
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting and the Public InterestMême sujetSupply Chain Resilience and Risk ManagementTravaux en français237 207