An Appraisal in Internal Control Frameworks Implementation of COSO, ISO 27001 and NIST for Opportunities in Industry 5.0
Notice bibliographique
Résumé
Industry 5.0 represents a paradigm shift in industrial evolution, emphasising human-machine collaboration through sophisticated cognitive systems. This transformation creates new opportunities and challenges for organisations implementing established frameworks like COSO, NIST, and ISO 27001 for compliance, risk management, and governance. While Industry 5.0 builds upon Industry 4.0's foundation, it focuses explicitly on enhancing cognitive capabilities and human-centric approaches. Cognitive technologies enable the automation of complex tasks such as document review, data analysis, and real-time decision support, leading to improved efficiency, cost reduction, and accuracy. However, integrating these technologies presents significant challenges, particularly in data quality management and algorithmic bias mitigation. This study comprehensively analyses internal management practices in Industry 5.0 organisations through a systematic literature review and conceptual analysis. The research examines academic literature on human-machine collaboration performance management and evaluates key frameworks' applicability in this new paradigm. Given the increasing complexity of automation and interconnectivity in modern enterprises, robust internal controls have become critical for organisational success. This paper aims to guide organisations in adopting Industry 5.0 technologies while effectively integrating cognitive systems and human oversight, ultimately achieving enhanced efficiency, personalisation, and sustainability.
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 | 0,106 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,020 | 0,015 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,011 | 0,007 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».