MétaCan
Menu
Retour à la cohorte
Enregistrement W4402397122 · doi:10.24908/iqurcp18059

Remote Work in Audit Firms: A Systematic Literature Review and Theoretical Framework

2024· article· en· W4402397122 sur OpenAlexaffvenue
A B U B A K E R SAEED

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCyberloafing and Workplace Behavior
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésAuditWork (physics)BusinessSystematic reviewAccountingComputer scienceProcess managementKnowledge managementEngineeringPolitical scienceMEDLINEMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The mass adoption of remote working technologies, facilitated by the COVID-19 pandemic, has permitted a transformation in the work of professional auditors. Where auditors previously worked long hours at the office or on the road near colleagues, remote work has created new work routines that are conducted alone at home. While home-based remote work may be a relatively new phenomenon for auditors, it is not a new phenomenon for knowledge workers in general. In this paper, we perform a systematic literature review across fields such as sociology, psychology, and management information systems to develop an organizing framework for the literature on remote work according to four primary dimensions: organizational factors, employee factors, job-level outcomes and the work-family boundary. From this organizing framework, we propose a theoretical model for how remote work can impact auditors in audit firms bringing in insights from the literature on the audit profession. Our theoretical model proposes that remote work will lead to changes in audit practices that will have implications at the client, employee and firm level. This theoretical model allows us to propose future avenues for research in this rapidly evolving area.

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)0,019
score de la tête « metaresearch » (Gemma)0,060
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,060
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0470,034
Études des sciences et des technologies0,0010,002
Communication savante0,0040,005
Science ouverte0,0020,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,061
Tête enseignante GPT0,408
Écart entre enseignants0,348 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference ProceedingsMême sujetCyberloafing and Workplace BehaviorTravaux en français237 207