MétaCan
Menu
Retour à la cohorte
Enregistrement W4409369331 · doi:10.3390/jrfm18040206

The Moderating Role of Auditor Experience on Determinants of Computer-Assisted Auditing Tools and Techniques

2025· article· en· W4409369331 sur OpenAlexvenueno aff
Tasneem Alsarayrah, Basel J. A. Ali

Notice bibliographique

RevueJournal of risk and financial management · 2025
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensnon disponible
Organismes subventionnairesAl-Balqa' Applied University
Mots-clésAuditAccountingBusiness

Résumé

récupéré en direct d'OpenAlex

This study indicates that internal auditors need to fully adopt CAATs to improve the efficiency of auditing tasks. This paper investigates the determinants influencing CAAT adoption among internal auditors in Jordanian firms. This study investigates the roles of performance expectancy, effort expectancy, social influence, and facilitating conditions on the adoption of CAATs. Also, this study investigates the moderating variable of auditor experience. The data were collected using a survey that was sent to 420 internal auditors in auditing firms in Jordan. A total of 291 responses were collected, of which 279 proved to be valid for study. This study found that the adoption of CAATs is influenced by performance expectancy, facilitating conditions, social influence, and auditor experience. Conversely, effort expectancy has no influence. Furthermore, auditor experience moderates the relationship between performance expectancy and facilitating conditions for CAAT adoption. This study found that auditor experience does not moderate the relationship between effort expectancy or social influence and CAATs in auditing firms in Jordan.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,929
Score d'incertitude au seuil0,184

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,033
Tête enseignante GPT0,338
Écart entre enseignants0,305 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations11
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetTechnology Adoption and User BehaviourTravaux en français237 207