MétaCan
Menu
Retour à la cohorte
Enregistrement W4411916256 · doi:10.1111/1911-3846.13059

The influence of client incivility and coping strategies on audit professionals' judgments

2025· article· en· W4411916256 sur OpenAlexafffundvenue
Tim Bauer, Sean M. Hillison, Ala Mokhtar

Notice bibliographique

RevueContemporary Accounting Research · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWorkplace Violence and Bullying
Établissements canadiensMcMaster UniversityUniversity of Waterloo
Organismes subventionnairesUniversity of Michigan-DearbornErasmus Universiteit RotterdamWilfrid Laurier UniversityUniversity of South CarolinaUniversity of WashingtonNorth Carolina State University
Mots-clésAuditIncivilityCoping (psychology)PsychologyBusinessSocial psychologyAccountingPsychotherapist

Résumé

récupéré en direct d'OpenAlex

Abstract Prior research demonstrates that audit professionals encounter client incivility. We extend this research by examining whether client incivility negatively impacts auditors' judgments and whether any adverse effects are reduced when auditors use coping strategies. We first collect descriptive survey evidence revealing that client incivility toward auditors is more widespread than currently documented. Next, using an experiment, we predict and find that auditors who experience client incivility (vs. those who do not) are less likely to challenge aggressive reporting if they are not prompted to cope. We also find that active coping reduces the adverse impact of client incivility, whereas findings for passive coping are inconclusive. Audit standards and users of financial statements expect auditors to fulfill their duty of maintaining a high level of professional skepticism irrespective of external circumstances. Our findings highlight the challenges auditors face in meeting these expectations when facing uncivil clients, thus posing a threat to audit quality.

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)0,007
score de la tête « metaresearch » (Gemma)0,057
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,007
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,057
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,060
Tête enseignante GPT0,429
Écart entre enseignants0,369 · 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'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

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetWorkplace Violence and BullyingTravaux en français237 207