MétaCan
Menu
Retour à la cohorte
Enregistrement W4405258441 · doi:10.5267/j.dsl.2024.9.005

The moderating effect of the effectiveness of the internal audit function on the relationship between CAATS and corporate governance and the quality of financial reports in commercial banks: Evidence from the Kingdom of Saudi Arabia

2024· article· en· W4405258441 sur OpenAlexvenueno aff
Adeeb Alhebri

Notice bibliographique

RevueDecision Science Letters · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueOrganizational and Employee Performance
Établissements canadiensnon disponible
Organismes subventionnairesKing Khalid University
Mots-clésAccountingBusinessCorporate governanceAuditStructural equation modelingInternal auditCertificationQuality (philosophy)External auditorQuality auditFinanceManagementEconomics

Résumé

récupéré en direct d'OpenAlex

This study sought to determine how CAATS, corporate governance (CG), and EIAF positively and directly influence the quality of financial reports (QFR). In addition to identifying the moderating effect of EIAF on the links between CAATS, CG and QFR in Saudi commercial banks. To this end, data was collected from 293 participants, including administrative managers, board members, internal auditors, certified public accountants, and staff members from the audit and internal audit departments as well as the accounting departments. Using structural equation modelling (SEM) via SmartPls, data was analyzed. The study showed that QFR is positively and significantly affected by CAATS, CG, and EIAF. Moreover, EIAF does not moderate the effect of CAATS and CG on QFR. Hence, this study enriches accounting literature and has implications for both practitioners and policymakers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,057
Tête enseignante GPT0,303
Écart entre enseignants0,246 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDecision Science LettersMême sujetOrganizational and Employee PerformanceTravaux en français237 207