Determinants influencing the effectiveness of internal auditing and the responsibility of auditors in fraud detection in an emerging country
Notice bibliographique
Résumé
Internal audit has become an essential part of firms in the age of Industry 4.0 due to its ability to identify errors or violations leading to fraud in firms (Alzeban & Gwilliam, 2014; Cohen & Sayag, 2010). This study is conducted to investigate the relationship between variables such as the quality of internal audit, the capability of the internal audit team, the independence of internal audit, and the support of leadership on the effectiveness of internal audit (EIA). Specifically, the study also examines the relationship between the EIA and the responsibility of auditors in detecting fraud. Data were gathered through a survey of 325 questionnaires from joint stock firms in the context of Vietnam, using SPSS 22 software and SmartPLS 3.0 software to analyze the regression of influencing determinants. The results reveal that: 1) the quality of the internal audit, the capability of the internal audit team, the independence of the internal audit, and the support of leadership have an impact on the internal audit effectiveness; 2) the EIA, the responsibility of auditors, and auditor training have a positive and significant impact on fraud detection. Therefore, the importance of internal audit in identifying accounting fraud and the need for firms to design internal audit processes and training to improve the effectiveness of their operations are highlighted.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».