Enhancing auditors fraud risk assessment by using throughput model as a decision aid
Notice bibliographique
Résumé
Following the recommendations in the current standards (e.g., Canadian Institute of chartered accountants, IAASB, AICPA (SAS No. 82 and 99)), along with the fraud triangle factors, in this work, a decomposition approach that employs SAS No. 99 factors is proposed, whereby these are decomposed in a Throughput model (TP) that serves as a decision aid. Auditors’ task of assessing fraud risk is a critical step that affects auditing planning and procedures, especially in the light of the recent major financial scandals. Authors of several prior studies suggest that a decision aid is an effective way to improve fraud risk assessment and make the best use of professional skepticism. Throughput model breaks up the decision making into four main dominant concepts: Perception (P), Information (I), Judgment (J), and Decision Choice (D). This decision aid is expected to be beneficial in the performance of comprehensive fraud risk assessments, and direct the auditor’s attention to wide classes of problems, especially those associated with the SAS No. 99/ ISA 240 requirements. This work is intended to test the decomposition of the categorized fraud risk factors into processes comprising the thinking model. In the present study, an experimental setting comprising of 42 auditors from different audit positions was adopted, and the model was tested using Partial Equation Modeling PLS. A comparison analysis was subsequently performed to compare auditors characterized by high and low skepticism in two fraud risk conditions (high and low). The results suggest that, when the SAS No. 99 factors were decomposed into the dominant concepts of the Throughput model, an effect was found between these dominant concepts. In addition, study findings reveal no significant differences between high and low skepticism when auditors follow the process of thinking model to assess fraud risk. These findings suggest that the requirement and recommendation under SAS No. 99 can effectively increase auditors’ sensitivity to high risk factors when the situation suggests high fraud risk.
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 | 0,010 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».