MétaCan
Menu
Retour à la cohorte
Enregistrement W4413400919 · doi:10.54097/nq93v031

Auditor Responsibility in the Context of Forward-Looking Judgments, Fraud Risk, and Evolving Stakeholder Expectations

2025· article· en· W4413400919 sur OpenAlexaff

Notice bibliographique

RevueHighlights in Business Economics and Management · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBusinessStakeholderContext (archaeology)AuditAccountingPublic relationsPolitical scienceHistory

Résumé

récupéré en direct d'OpenAlex

This paper examines the changing scope of auditor responsibility in light of growing reliance on forward-looking estimates, fraud risk, and stakeholder expectations. It critiques the traditional Audit Risk Model, which assumes risks are quantifiable and independent, and shows how it fails to address uncertainties in areas such as expected credit losses, goodwill impairment, and fair value assessments. In response, newer frameworks like the Performance Materiality Model offer a more integrated approach by combining audit risk with accounting risk, better aligning with the complexities of modern audits. The discussion also highlights the audit expectation gap, which is the disparity between what the public expects auditors to do and what auditing standards require. Although stakeholders increasingly expect auditors to detect fraud and anticipate business failure, the auditor’s formal role remains limited to providing reasonable assurance. Professional skepticism, though crucial, is often reduced to procedural compliance rather than being practiced as a code of conduct. The paper argues that reframing auditor responsibility requires both methodological and cultural shifts in how skepticism is exercised and communicated. Auditors must adopt more flexible risk assessment tools, actively apply skepticism, and clearly communicate their role to stakeholders. Bridging this gap is critical to maintaining public trust and the relevance of the audit profession.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,896
Score d'incertitude au seuil0,896

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
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 Opus0,011
Tête enseignante GPT0,210
Écart entre enseignants0,199 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHighlights in Business Economics and ManagementMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207