Les vérificateurs internes « sur la crête » : idéologie, politique, éthique et lutte contre la fraude et la corruption
Bibliographic record
Abstract
Cet article examine certains défis idéologiques, politiques et moraux auxquels font face les vérificateurs internes dans leur lutte contre la fraude et la corruption. Plus particulièrement, il considère l’influence de ces trois facteurs sur les définitions de la fraude et de la corruption et sur la perception des objectifs des vérifications internes. Les deux cas très connus de fraude et de corruption (le scandale des commandites au Canada et l’effondrement de WorldCom) sont abordés de manière à montrer comment ces facteurs peuvent nuire à l’indépendance, à l’intégrité et au jugement professionnel des vérificateurs. Ces deux cas d’espèce illustrent bien le phénomène des dénonciateurs et à quel point la foi de ceux-ci en l’intégrité du système peut en faire des victimes d’injustices et d’aliénation, ou même des « héros tragiques ». Finalement, les meilleures politiques d’intervention dans ces situations et les ressources didactiques que la profession a rendues disponibles et qui permettraient d’assister les personnes aux prises avec ces divers enjeux sont décrites.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.002 |
| Scholarly communication | 0.001 | 0.003 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".