‘Are we good? or do we need to keep going?’: unraveling auditors’ comfort with evidence sufficiency determinations
Notice bibliographique
Résumé
Determining when sufficient appropriate evidence has been gathered is a critical aspect of audit judgment, with regulators citing insufficient evidence as a key deficiency in audits. Drawing on interviews with 45 auditors across firms of varying sizes and using a theoretical framework that integrates the structured and affective dimensions of professional judgment, our study explores how auditors approach evidence sufficiency determinations. While auditors begin with established guidelines such as predefined document lists or materiality thresholds, these often prove insufficient or ill-suited to specific scenarios, triggering discomfort. This discomfort may prompt auditors to seek relief by adjusting evidence expectations through revised thresholds, incremental evidence gathering, and the construction of mental models. Auditors may also incorporate experiential factors, renewing their sense of what counts as ‘enough,’ or draw on relational cues such as client interactions and inputs from reviewers and team members to support comfort renewal and/or achieve relief. Comfort reflects a provisional and dynamic state emerging through a recursive feedback loop between structured procedures, interpersonal interactions, and auditors’ affective sense of when evidence sufficiency has been achieved. These findings offer a more nuanced understanding of how evidence sufficiency judgments unfold in practice, with implications for audit research and standard setting.
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 | 0,214 | 0,342 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,020 |
| Communication savante | 0,018 | 0,014 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,008 |
| 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 ».