DEVELOPING A MEASUREMENT INSTRUMENT FOR TECHNICAL AND ANALYTICAL SKILLS IN AUDITING FOR ENHANCED FRAUD DETECTION
Notice bibliographique
Résumé
This study bridges a significant gap in forensic accounting and fraud detection by establishing a standardized measure for Technical and Analytical Skills (TAS) in external auditing. Despite the acknowledged importance of TAS in fraud detection, the absence of a universally accepted definition and measurement instrument has limited the field's advancement. This research introduces a validated TAS measurement instrument, underpinned by a novel framework that categorizes TAS into six critical dimensions: Substantive Analytical Procedures, Technical Tools and Software, Critical Thinking, Innovation and Solution Implementation, Professional Development, and Quantitative and Statistical Analysis. A structured survey among 360 auditors from international firms in Southern Africa confirmed the instrument's reliability, with Cronbach's alpha values exceeding 0.70 across all dimensions, and supported the distinctiveness of the six-factor structure through confirmatory factor analysis. The instrument's potential to enhance auditing practices and fraud detection capabilities is considerable. It offers a foundation for future research to explore its cross-cultural applicability, predictive validity, and adaptation to technological advancements. This contribution not only provides a robust tool for auditing professionals but also fosters a culture of innovation and continuous learning within the field.
 Keywords: Technical and Analytical Skills, Forensic Accounting, Fraud Detection, External Auditing, Skill Measurement, Professional Development, Confirmatory Factor Analysis, Auditing Education.
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 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 | 0,009 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».