Can ChatGPT Be a Certified Accountant? Assessing the Responses of ChatGPT for the Professional Access Exam in Portugal
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
Purpose: From an exploratory perspective, this paper aims to assess how well ChatGPT scores in an accounting proficiency exam in Portugal, as well as its overall understanding of the issues, purpose and context underlying the questions under assessment. Design/methodology/approach: A quasi-experimental method is used in this study. The questions from an exam by the Portuguese Order of Chartered Accountants (OCC, in the Portuguese acronym) served as input queries, while the responses (outputs) from ChatGPT were compared with those from the OCC. Findings: The findings indicate that ChatGPT’s responses were able to deduce the primary issue underlying the matters assessed, although some responses were inaccurate or imprecise. Also, the tool did not have the same score in all matters, being less accurate in those requiring more professional judgment. The findings also show that the ChatGPT did not pass the exam, although it was close to doing so. Originality: To the best of the authors’ knowledge, there is little research on ChatGPT accuracy in accounting proficiency exams, this being the first such study in Portugal. Practical implications: The findings from this research can be useful to accounting professionals to understand how ChatGPT may be used for practitioners, stressing that it could assist them and improve efficiency, but cannot, at least for now, replace the human professional. It also highlights the potential use of ChatGPT as an additional resource in the classroom, encouraging students to engage in critical thinking and facilitating open discussion with the guidance of teachers. Consequently, it can also prove beneficial for academic purposes, aiding in the learning process.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 découle