Un modèle analytique d’évaluation de l’audit interne faisant appel aux fonctions de croyance, à l’usage de l’auditeur externe
Bibliographic record
Abstract
Les auteurs ont pour but de faire progresser la recherche dans le domaine de l’évaluation de l’audit interne en élaborant un modèle d’évaluation de la fonction d’audit interne qui tient compte des relations entre les facteurs précis qu’utilisent les auditeurs externes pour évaluer la solidité de cette fonction. Le modèle repose sur trois facteurs définis par les normes d’audit et par les travaux de recherche antérieurs : la compétence, la qualité du travail et l’objectivité. Les auteurs élaborent une expression analytique du modèle à l’aide du cadre de référence des fonctions de croyance afin de dépasser les limites des études antérieures. Leurs résultats révèlent que la modélisation de la relation « et » est essentielle à l’évaluation de la solidité de la fonction d’audit interne. Au chapitre des relations, l’analyse montre que, lorsque celle qui unit ces trois facteurs est solide ou parfaite, la fonction d’audit interne demeure d’une grande solidité, même en présence d’éléments probants positifs ou négatifs à l’égard de l’un des facteurs. Ce résultat persiste dans la mesure où les niveaux de croyance au sujet des deux autres facteurs sont élevés. Les auteurs démontrent en outre comment la qualité de la gouvernance d’entreprise influe sur l’évaluation de la fonction d’audit interne et comment il est possible de recourir à l’analyse coûts‐avantages dans ce contexte pour mieux déterminer la quantité de travail d’audit externe qu’exige le respect des normes. L’analyse des auteurs révèle que l’étendue du travail d’audit devant être réalisé par l’auditeur externe dépend de la solidité de la fonction d’audit interne et de l’importance des coûts associés aux litiges et au respect de la réglementation auxquels le vérificateur externe doit faire face.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".