MétaCan
Menu
Retour à la cohorte
Enregistrement W6886146868 · doi:10.14662/ijalis2015.033

ARABIAN ONLINE OPEN ACCESS JOURNALS : A STUDY ON DOAJ

2015· article· en· W6886146868 sur OpenAlexaboutno aff

Notice bibliographique

RevueINFM-OAR (INFN Catania) · 2015
Typearticle
Langueen
DomaineDecision Sciences
Thématiquescientometrics and bibliometrics research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDirectorySubject (documents)Developing countryAccess to informationDeveloped countryQuarter (Canadian coin)

Résumé

récupéré en direct d'OpenAlex

This study investigates the effects of material weaknesses from auditing standards and of material misstatement from accounting standards on the audit sanctions severity. Using a unique database in the period 1983 – 2015, we find mixed results. Among the auditing standards, Internal Control Weaknesses lead to more severe audit sanctions than Quality Control, Other Auditors, Reporting and Audit Opinion Material Weaknesses Audit Sanctions, and to less severe audit sanctions than Professional Skepticism and Substantial Procedures. Among accounting standards, Fair Value misstatements are associated with more severe audit sanctions than Long-term investment, bank debts, and liquidity errors, and with lower severity of audit sanctions than Account receivables. Taken together, these findings suggest two main determinants of audit sanctions severity that auditors and accountants need to be aware: the area of internal control deficiencies and the area of fair value measurement. From these results, we learn that accounting and auditing standards errors have different likelihood of audit sanctions, and that auditors that aim to avoid sanctions need to invest mainly in the internal control assurance and in the fair value items of the financial reporting.

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)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie, Communication savante, Science ouverte
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 enseignants1,000
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,015
Études des sciences et des technologies0,0020,001
Communication savante0,0030,003
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,964
Tête enseignante GPT0,772
Écart entre enseignants0,191 · 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.

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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINFM-OAR (INFN Catania)Même sujetscientometrics and bibliometrics researchTravaux en français237 207