Enhancing auditor self-efficacy through targeted fraud detection training
Notice bibliographique
Résumé
Auditor self-efficacy (ASE), defined as auditors’ confidence in their capabilities to execute essential auditing tasks, is critical for audit effectiveness, particularly amid the profession's growing complexity and technological advancements. Despite extensive research on ASE in isolated competencies, limited empirical attention has been given to structured professional development interventions explicitly designed to simultaneously enhance multiple auditor competencies. This study empirically evaluated the immediate effects of a structured, interactive professional development workshop on ASE across three key domains: technical auditing skills, technological adaptation, and interpersonal communication. Grounded in Bandura’s social cognitive theory, the workshop comprised three weekly sessions (3 hours each), employing interactive exercises, mastery experiences, and structured feedback. A total of 63 practicing auditors participated, completing pre- and post-workshop evaluations using the validated Auditor Self-Efficacy (ASE) scale. Paired-sample t-tests revealed statistically significant improvements in all three domains (p < .001), with moderate-to-large effect sizes (Technical Skills: d = 0.77; Technological Adaptation: d = 0.66; Interpersonal Communication: d = 0.59). Qualitative analysis of participant reflections confirmed and enriched these findings, highlighting substantial gains in analytical proficiency, fraud detection capabilities, and communication effectiveness. The study provides clear empirical evidence supporting targeted, interactive training as a valuable tool for enhancing auditors' professional competencies and confidence. Practical implications and recommendations for future research are discussed. Keywords: Auditor Self-Efficacy, Professional Development, Auditing Training, Technical Skills, Technological Adaptation, Interpersonal Communication, Social Cognitive Theory.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».