Anda di halaman 1dari 19

Versi terjemahan dari Kerr_etal_47_4.

pdf Page 1 Musim panas 2007 Jurnal Sistem Informasi Komputer 19 Pendekatan kasus berbasis pada evaluasi klien audit baru Stephen G. Kerr fritz h. GRupe University of Nevada - Reno University of Nevada - Reno Reno, Nevada 89557 Reno Nevada 89557 Simon JOOSte JAnnet m. Vreeland University of Nevada - Reno University of Nevada - Reno Reno, Nevada 89557 Reno Nevada 89557 SINOPSIS Mengevaluasi klien potensial adalah pekerjaan mahal. Klien potensial dievaluasi melalui wawancara ekstensif, evaluasi oleh di-rumah ahli industri, dan audit awal perencanaan. Pasangan Audit menggunakan pengalaman sebelumnya untuk membuat penilaian tentang calon klien. Keputusan tentang seorang klien telah lama berlangsung implikasi untuk auditor dan klien. Berbasis kasus penalaran adalah teknologi informasi yang dapat diterapkan pada proses evaluasi untuk memperluas dan memperdalam audit mitra penilaian. Tulisan ini menunjukkan bagaimana berbasis kasus penalaran dapat meningkatkan proses penerimaan audit. Yang melekat kesulitan penerimaan klien baru yang terakhir. Gambaran kasus berbasis penalaran disediakan. Kami kemudian menunjukkan bagaimana penalaran berbasis kasus dapat meningkatkan kualitas perusahaan tertentu penilaian risiko audit ketika mengevaluasi potensial yang terkait dengan klien baru. Akhirnya, kita membahas pelaksanaannya yang diharapkan dampak yang timbul dari penerapan penalaran berbasis kasus. Kata kunci: Kasus Berbasis Penalaran, CBR, Keterlibatan Audit Penerimaan, Audit Risk Assessment, Harga Audit. Pendahuluan Keputusan untuk menerima klien baru atau melanjutkan kontrak dari klien yang ada adalah tugas yang sulit bagi perusahaan BPA. Setiap waktu perusahaan menganggap menandatangani kontrak untuk jasa atestasi, itu perlu mempertimbangkan tiga komponen risiko keterlibatan: (1) resiko bisnis klien, (2) risiko audit, dan (3) bisnis auditor risiko. BPA perusahaan perlu melakukan ini penilaian risiko dalam biaya secara efektif, karena akan melewati biaya bersama ke klien. Jika perusahaan menghabiskan jumlah waktu yang berlebihan pada penilaian, risiko tidak memiliki klien jika prosedur audit dan biaya langit roket. Namun, jika tidak melakukan penilaian risiko, yang dihadapinya kemungkinan konsekuensi negatif masa depan dari kegagalan audit , litigasi dan hilangnya reputasi. Pentingnya penilaian risiko tidak pernah jelas dengan pers bisnis menyatakan bahwa profesi akuntansi dalam krisis di bangun dari Arthur Anderson / Enron bencana (Byrnes et al, 2002). Bahkan, perusahaan BPA menggunakan proses klien-penerimaan sebagai tahap pertama dalam mengendalikan mereka risiko (MacDonald 1997). Standar profesional mahal telah dikembangkan untuk panduan CPA evaluasi dari calon klien. American Institute Akuntan Publik Bersertifikat (AICPA) (1999) telah menetapkan 11

prosedur yang sebuah perusahaan dapat mempertimbangkan melakukan audit saat mengevaluasi retensi klien saat ini atau penerimaan baru klien. Prosedur ini termasuk menyelidiki reputasi petugas, direktur, dan pemegang saham utama, memperoleh akal pemahaman bisnis klien, dan menyelidiki semua klaim dengan SEC 8-K bentuk pengungkapan disiapkan oleh BPA keluar. Apa yang muncul dalam literatur adalah sebuah pemahaman bahwa CPA harus menolak beberapa klien. Thomas (1992) menunjukkan bahwa CPA harus mempertimbangkan biaya tambahan yang terkait dengan memastikan mereka dapat membuat kapasitas yang dibutuhkan untuk melayani klien dan bagaimana hubungan dengan klien akan mempengaruhi aspek lain dari bisnis mereka. AICPA (1999) telah lebih jauh mendukung hal ini posisi dengan mengharuskan auditor untuk mempertimbangkan calon kemampuan klien untuk membayar biaya yang wajar untuk layanan yang dibutuhkan. Danziger (1999) telah pergi lebih jauh dan mencatat bahwa klien harus dipilih berdasarkan pada kekuatan relatif perusahaan. Menurut Thomas (1992) dan Danzinger (1999) yang keputusan untuk menerima klien baru akhirnya tergantung pada penilaian dari mitra audit. Standar evaluasi profesional bertemu melalui wawancara dan penelitian yang dilakukan oleh mitra. Namun prosedur ini dibatasi oleh batas-batas alami kita untuk mengumpulkan biaya-efektif data. Menurut Brynes dkk. (2002) biaya konsultasi sisa dari klien audit biasanya lebih besar dari biaya audit yang utama. Hal ini menghasilkan tekanan Audit biaya. Sebuah Perhatian khusus adalah Houston (1999) menemukan bahwa mitra Audit kurang sensitif terhadap risiko yang terkait dengan klien ketika ada Biaya tekanan. Dia juga menemukan bahwa prosedur audit dikurangi ketika ada tekanan biaya. Sebagai jasa akuntansi menjadi lebih kompetitif, cara untuk mengurangi biaya tanpa mengurangi kualitas evaluasi klien audit adalah keuntungan strategis. Kasus-based reasoning (CBR) adalah sarana untuk meningkatkan klien proses evaluasi dan menurunkan risiko keterlibatan di biaya lebih rendah dibandingkan strategi kurang efektif sedang digunakan. CBR menawarkan prospek peningkatan akses mitra audit kepada perusahaanspesifik pengalaman dengan audit serupa. Ini harus meningkatkan pengambilan keputusan, dengan mempersatukan mengumpulkan informasi proses. Pendekatan efisien akan memungkinkan mitra audit untuk menemukan, jauh lebih awal dalam proses penyelidikan, jika perusahaan memiliki kompetitif keuntungan atau kerugian berdasarkan komprehensif review dari semua pengalaman perusahaan audit yang berlaku spesifik. Tujuan penelitian kami adalah untuk menguji penerapan CBR untuk proses yang mahal evaluasi klien baru. Makalah ini menyajikan pembahasan risiko keterlibatan dan penjelasan teknologi CBR. Kami mengembangkan sebuah demonstrasi teknologi untuk menguji penerapannya terhadap evaluasi audit baru klien. Kami telah menyimpulkan bahwa CBR bisa memberikan yang signifikan pengurangan biaya evaluasi sementara secara bersamaan meningkatkan Halaman 2 20 Jurnal Sistem Informasi Komputer Musim panas 2007 tersedia untuk pemeriksaan pasangan dibebankan dengan mencapai pergi-tidak ada d ata pergi keputusan tentang penawaran pada calon audit. keterlibatan RISIKO AICPA memperkenalkan konsep risiko keterlibatan pada tahun 1994 Pemberitahuan Risiko Audit nya. Keterlibatan resiko adalah kesel uruhan risiko yang terkait dengan menerima klien audit baru atau melanjutkan dengan klien saat ini. Hal ini terdiri dari tiga komponen: (1)

resiko bisnis klien, (2) risiko audit, dan (3) bisnis auditor risiko. Risiko bisnis klien adalah berkaitan dengan faktor-faktor yang mempengar uhi profitabilitas dan keberadaan terus-menerus dari badan usaha. Risiko audit didefinisikan sebagai risiko bahwa auditor mungkin tanpa sadar gagal untuk tepat mengubah pendapat pada laporan keuangan salah saji yang material (AICPA 1983). Auditor bisnis kekhawatiran resiko kemungkinan bahwa auditor terkena kerugian atau cedera untuk praktek profesional dari litigasi, yang merugikan publisitas, atau kejadian yang timbul sehubungan dengan keuangan pernyataan bahwa ia telah diperiksa dan dilaporkan pada (AICPA 1983). Risiko bisnis klien adalah salah satu komponen keterlibatan atas resiko yang auditor tidak memiliki kendali. Auditor upaya untuk mengendalikan risiko ini dengan mengelola risiko audit, yang bertanggung ditentukan oleh auditor, dan risiko bisnis auditor, yang dapat dikontrol sampai tingkat tertentu oleh auditor (Colbert et al.. 1996). Penelitian sebelumnya telah memeriksa hubungan antara klien bisnis risiko dan risiko audit. Hasil penelitian menunjukkan bahwa dua arah ada hubungan antara risiko bisnis klien dan risiko audit. Seorang klien kondisi keuangan, yang diukur dengan klien resiko bisnis, dapat mempengaruhi evaluasi risiko audit. Demikian pula, Audit mungkin menemukan fakta-fakta yang akan memiliki efek negatif pada Audit klien pendapat (Kruetzfeldt dan Wallace 1986; O'Keefe et al. 1994; Palmrose 1987). Johnstone dan Bedard (2000) dikembangkan dan diuji model yang memeriksa karakteristik dari proses penerimaan klien memanfaatkan komponen risiko tiga risiko dan risiko keterlibatan adaptasi. Hasil penelitian menunjukkan bahwa mitra Audit mempertimbangkan karakteristik risiko klien bisnis dan potensi yang dihasilkan efek pada risiko bisnis auditor. Hasil juga menunjukkan bahwa perusahaan audit tidak menyesuaikan biaya atau prosedur audit untuk lebih beresi ko klien. Perusahaan-perusahaan memilih menghindari risiko, menolak klien, bukan beradaptasi prosedur audit dan meningkatkan biaya untuk membuat klien lebih diterima. Perkembangan ini mengungkapkan kognitif yang kompleks proses yang digunakan dalam proses pengambilan keputusan. Sebuah teori umum untu k seperti Bisnis ke Bisnis (B2B) yang muncul (Lee dan Kwon, 2006). Dalam hal ini penalaran berbasis konteks yang muncul sebagai alat yang berguna yang memungkinkan pertimbangan yang lebih kaya pengalaman bisnis di proses pengambilan keputusan. CASE-based reasoning CBR adalah bentuk menjanjikan kecerdasan buatan yang telah banyak kemungkinan aplikasi. Hal ini terutama berguna dalam situasi mana satu set heuristik yang sebelumnya dikembangkan dapat diterapkan ke baru masalah untuk mencapai solusi yang berpotensi sukses. Kasus adalah sebuah toko situasi berhasil dan tidak berhasil sama dapat digunakan untuk memandu tindakan masa depan. Mereka adalah akumulasi tubuh pemecahan masalah pengalaman yang dapat digunakan sebagai analogi. Sebuah model CBR spesifik melibatkan empat proses yang berbeda (Grupe 1993). Pertama, penilaian situasional dilakukan untuk menentukan parameter dari situasi atau masalah dan informasi apa tersedia. Proses kedua melibatkan mencari masa kasus yang dapat memberikan beberapa informasi yang dapat menyebabkan penuh atau parsial solusi dari situasi kasus saat ini. Ketiga Langkah melibatkan mempertimbangkan keadaan sehingga kasus paling relevan dengan situasi saat ini diambil. Akhirnya Kasus yang paling tepat harus dievaluasi untuk melihat apakah ia menyediakan solusi yang memuaskan. Penggunaan kasus adalah keuntungan khas dari model CBR

ketika datang untuk memecahkan masalah yang kompleks. Sebuah model CBR tidak tidak menghapus kebutuhan untuk penilaian profesional. Tidak menawarkan dengan cara yang profesional yang efisien untuk mengumpulkan paling relevan sebelumnya pengalaman organisasi untuk aplikasi ke saat ini masalah. Sistem ini memungkinkan seorang profesional untuk membuat penilaian yang lebih komprehensif daripada yang mungkin dengan mengandalkan ingat pengalaman sendiri. Kasus itu sendiri kompleks entitas yang mengenkapsulasi banyak fakta dan hubungan tentang insiden dalam konteks tertentu. Penulis kasus tidak harus mengakui pentingnya setiap aspek kasus di agar untuk digunakan. Riesbeck dan Schank (1989) mengidentifikasi CBR aplikasi yang digunakan untuk sengketa dan konflik resolusi, rencana adaptasi, resep dan rencana modifikasi, argumentasi hukum, merger perusahaan analisis, dan diagnosis medis. Aplikasi untuk keputusan pemberian pinjaman adalah khas dari aplikasi jenis baru CBR yang diterapkan untuk (Kersnar, 2006). Kasus dapat diterapkan untuk bidang yang beragam seperti pendidikan bisnis dan perencanaan militer, iklan dan hukum, dan arbitrase dan trouble shooting. Kasus adalah cara yang nyaman untuk menangkap data situasional untuk mendukung pengambilan keputusan. Sebuah kasus adalah sebuah badan akumulas i pemecahan masalah pengalaman. Seperti dengan keahlian individu, nilai dasar kasus meningkat sebagai volume meningkat kasus. Hal ini tidak perlu menunggu, namun, sampai semua kasus telah dikembangkan sebelum sistem dapat digunakan. Dengan CBR sesedikit satu kasus sebelumnya dapat memberikan informasi berharga untuk saat ini masalah ketika bentuk lain dari analisis kuantitatif dan mendukung keputusan memerlukan basis data yang lebih besar dan banyak titik data (Yin 1993). Pengetahuan dikemas dalam kasus pertama mungkin membantu dalam memecahkan kasus kedua. Hal ini juga tidak perlu memiliki pemahaman konseptual yang lengkap tentang situasi sebelum awal karena kasus menangkap pengetahuan dengan mudah. Struktur kasus jauh lebih sedikit dibatasi dibandingkan, misalnya, ahli sistem. Tidak ada kebutuhan untuk menemukan keterkaitan yang kompleks antara kasus karena ada ketika penuh mengelaborasi ahli sistem aturan. Akibatnya, basis kasus datang online lebih cepat dan mereka tetap online bahkan sebagai kasus yang diubah atau dihilangkan. Belajar adalah inkremental dan berkelanjutan. Kami memahami banyak dunia dalam hal kasus. Sebuah berbagai teknik yang digunakan untuk struktur sistem CBR untuk kasus efisien penyimpanan dan pengambilan. Organisasi dasar dan fungsi sistem seperti itu adalah logis dan mudah diikuti karena mereka akrab proses untuk pengambil keputusan bagaimana bekerja dalam situasi yang kompleks. Para pembuat keputusan merasa lebih baik tentang menggunakan sistem yang menyaji kan dunia dalam format yang mereka kenal. Dengan cara ini CBR menambah kemampuan mereka karena bisa mengingat satu set kaya kasus dari pembuat keputusan dapat tanpa bantuan. Its utilitas juga berlangsung di luar kehadiran dari pembuat keputusan tertentu. Sebuah CBR sistem secara menyeluruh dan netral mengevaluasi semua kemungkinan sebelum membuat rekomendasi. Sebagai keadaan baru muncul dan pengalaman yang diperoleh kemampuan organisasi untuk menangani kasus masalah dan karena itu menentukan perubahan solusi sukses. Sebuah Model CBR menggabungkan pembelajaran baru dengan mudah. Dalam lingkungan belajar CBR dicapai dengan membuat penuh menggunakan pengalaman sebelumnya yang tersedia bagi perusahaan. Belajar yang te rbaik adalah ditunjukkan dalam situasi ketika tidak ada satupun kasus di kasus dasar memuaskan memecahkan masalah. Solusi harus Halaman 3

Musim panas 2007 Jurnal Sistem Informasi Komputer 21 diidentifikasi dengan cara lain. Sebuah solusi yang jelas adalah untuk meminta s uatu ahli untuk mempelajari masalah dan menyarankan solusi. Zhang (2004) menunjukkan pendekatan ini dalam pengembangan kasus virtual berbasis mentor. Sebuah pendekatan alternatif adalah untuk menambah kasus yang tersedia dasar dengan aturan yang perbaikan atau perbaikan kasus-kasus yang dekat untuk apa yang dibutuhkan. Pendekatan ini lebih jelas dalam Mitri yang (2003) pendekatan penilaian kurikulum. Dalam cara-cara baru klien dengan karakteristik unik dapat dinilai dengan ditingkatkan keahlian dengan mengacu pada kasus-kasus dengan beberapa atribut yang sama. Dalam kasus seperti itu kita bisa memperkenalkan penyesuaian untuk data kasus berbasis. Hasilnya adalah pembelajaran berdasarkan penggunaan lebih kaya dari pe rusahaan sebelumnya pengalaman bisnis. Sistem pakar mengandalkan satu set aturan. Ada saat-saat pendekatan berbasis aturan atau berbasis kasus dapat digunakan untuk memecahkan masalah (Choobineh dan Lo, 2006). Kasus tidak ditulis sebagai seperangkat aturan karena mereka dalam sistem pakar karena dua alasan. Pertama, para pengembang sering tidak yakin apa aturan adalah bahwa seorang ahli yang digunakan ketika me mecahkan masalah kasus. Kedua, kasus tidak dapat mencakup lengkap semesta kasus dan solusi dalam domain. Sebuah aturan mewakili pengetahuan khusus tentang suatu masalah dan bukan merupakan kasus yang lengkap. Sebuah kasus selesai, sementara aturan disintesis dari beberapa kasus dengan deduksi atau induksi. Oleh karena itu, tidak mungkin untuk dasar aturan yang lengkap untuk didefinisikan. Setelah solusi yang memuaskan dikembangkan, kasus baru atau direvisi disimpan sebagai entri baru di kasus dasar. Hal ini memberikan keuntungan yang berbeda CBR karena pemotongan tidak memerlukan pengetahuan lengkap yang diperlukan untuk membuat set aturan pemecahan masalah. Choobineh dan Lo (2006) menemukan bahwa dalam situasi ini para pengambil keputusan lebih memilih berbasis kasus pendekatan. CBR kemudian berguna untuk orang yang memiliki pengetahuan tentang tugas dan domain karena memberikan mereka cara untuk mengakses dan menggunakan k embali penalaran keras yang mereka lakukan di masa lalu. Hal ini bahkan lebih berguna, namun, untuk pemula dan mereka yang tahu sedikit tentang tugas atau domain (Kolodner, 1991). Fitur ini penting ketika pembuat keputusan yang baru. Telah diamati bahwa tradisional berdasarkan aturan sistem pakar bertindak sebagai seorang pemula tidak, berikut satu aturan setelah lain sampai tercapai suatu kesimpulan. CBR lebih sistem erat perkiraan seorang pakar hampir segera wawasan baru masalah karena karakteristik ahli telah dihadapkan sebelumnya. Mereka melihat masalah dan mereka tahu apa yang harus dilakukan. Ini "Gestalt" berkaitan dengan ambiguitas pemecahan masalah yang kompleks dengan cara yang lebih erat sesuai pengambilan pengetahuan proses ahli sesungguhnya. Pengambil keputusan baru yang umum di praktik penalaran publik dan berbasis kasus sehingga akan mempercepat pertumbuhan mereka menjadi ahli. Para teoritis dan teknis aspek pengembangan CBR Model yang dikembangkan dengan baik. Grupe (1993) mengidentifikasi lima prasyara t kriteria untuk penggunaan CBR untuk membantu pembuat keputusan. 1. Kasus harus mencirikan proses pemecahan masalah.

2. Masalah serupa (kasus) yang berulang. 3. Lemah penjelasan ciri pemilihan pemecahantions. 4. Kasus sangat specifiable. 5. CBR informasi yang dibutuhkan oleh banyak orang. Sejumlah buku umum telah dikembangkan untuk memandu profesional melalui pengembangan sistem CBR. Untuk Misalnya, Leake (1996) serta Bergman dan Klaus (1998) memiliki sumber daya gaya buku teks yang dikembangkan yang tidak menganggap sebu ah berbasis komputer keahlian dalam teori kecerdasan buatan untuk panduan praktisi. CBR membuktikan menjadi teknologi suara seperti yang ditunjukkan meskipun berbagai aplikasi bisnis dan profesional yang melampaui perkembangan teori dasar. Li (1999) dokumen penggunaan CBR untuk membantu dengan diagnosis medis dan Jang (1993) berhasil menunjukkan penggunaan CBR technology untuk meningkatkan analisis kasus jantung. Terakhir bisnis apkomplikasi termasuk adopsi GE CBR untuk menangani dengan remote diagnosis produk teknologi tinggi dengan tenaga call center (Cheetham dan Varma 2001) dan pengembangan CBR Model di Deloitte dan Touche untuk mengidentifikasi daerah beresiko untuk putih kejahatan kerah (Watson 1997). Profesi hukum ini juga menemukan aplikasi. Rissland dan Daniels (1995) melaporkan keberhasilan dalam mengambil informasi kasus dan Elhadi (2000) melaporkan keberhasilan dalam menggunakan CBR untuk mengembangkan solusi untuk kasus-kasus kepailitan ya ng baru. Mortgage Serikat telah mengadopsi CBR langsung praktik pemberian pinjaman (Kersnar, 2006). Kisaran aplikasi ini menjelaskan mengapa sejumlah paket perangkat lunak standar untuk aplikasi CBR baru-baru menjadi tersedia. Lee dan Kwon (2006) telah mengambil langkah pertama yang dibutuhkan untuk mengembangkan kerangka teoritis untuk mempercepat penerapan CBR ke keputusan bisnis. Berdasarkan review kami dari CBR dan sastra klien penilaian kita merasa bahwa CBR bisa memfasilitasi evaluasi klien lebih efektif dengan Audit mitra. Permohonan CBR evaluasi Klien Memanfaatkan CBR ke dalam lingkungan akuntansi publik menawarkan potensi yang signifikan untuk meningkatkan efektivitas AEA (Audit Engagement Penerimaan) dan AP (Harga Audit) proses catat sebelumnya. CBR teknologi akan meningkatkan pengambilan keputusan dalam suatu lingkungan di mana AEA dan AP analisis dilakukan karena (1) lebih baik memanfaatkan analisis terakhir, (2) menghindari redundansi, dan (3) pembenaran yang lebih baik untuk keputusan dan kesimpulan yang dicapai. Gambar 1 (halaman 22) menjelaskan bagaimana penalaran berbasis kasus sistem mungkin diterapkan dalam lingkungan ini. Ketika masalah kasus (misalnya, permintaan untuk proposal dari sebuah perusahaan baru) yang dih adapi, dasar kasus dicari untuk pertandingan terdekat. Artinya, kita mencari kasus-dasar (yakni, tanggapan terhadap permohonan sebelumnya) untuk sebelumnya ditemui kasus yang mirip dengan kasus saat ini. Jika ada yang sama persis (yaitu, deskripsi klien audit), yang Audit deskripsi klien sebelumnya dapat digunakan kembali. Jika ada menutup cocok, deskripsi klien audit dapat digunakan kembali oleh adaptasi. Sebuah Audit deskripsi klien yang unik yang apa-apa tentang kasus ini pertandingan kasus-kasus sebelumnya membutuhkan pengembangan kasus asli dengan bantuan ahli untuk menentukan apakah mungkin ada sumber lain pada yang menarik. Sebuah contoh akan menjadi sebuah contoh di mana

kasus baru berurusan dengan klien yang beroperasi dalam industri yang unik yang tidak berada dalam wilayah perusahaan audit dari keahlian. Audit mitra akan memanggil keterampilan seorang ahli dan juga dapat memilih untuk memperluas jumlah atribut (yaitu, tambahkan faktor risiko tambahan) untuk kasus itu. Setiap kali audit klien baru atau diubah deskripsi selesai, informasi tentang bahwa klien audit disimpan dalam kasus dasar. Tidak seperti pencarian database, pencarian kasus adalah perkiraan dan melalui perolehan informasi tambahan dari pengguna, iteratif. CBR paling awal aplikasi dikembangkan di nonarea bisnis, sekarang mereka ada di audit, perbankan dan lainnya area bisnis. Kami tidak dapat menemukan aplikasi CBR di AEA dan area AP. Prototipe aplikasi CBR dijelaskan di sini menunjukkan jenis aplikasi CBR dapat memiliki dalam bisnis Halaman 4 22 Jurnal Sistem Informasi Komputer Musim panas 2007 umumnya, dan di AEA dan AP pada khususnya. Diragukan, ada daerah lain dalam pelayanan akuntansi manajemen publik yang CBR adalah tepat. Salah satu langkah kunci dalam mengelola audit praktek adalah untuk mengevaluasi kewajaran dan risiko yang terkait dengan menerima suatu klien audit. Hal ini melibatkan menganalisis klien untuk menghasilkan karakteristik klien dan mengukur klien potensial sepanjang dimensi persyaratan ini. Hal ini dapat digunakan untuk membantu dalam penerimaan klien dan melakukan analisis biaya pada audit. Karakteristik masing-masing klien dapat dengan mudah berubah menjadi kasus. Kasus dapat ditambahkan atau dihapus untuk kasus dasar dengan mudah. Bangunan Permohonan Kami membangun sebuah aplikasi yang target praktek manajemen audit dengan Orenge 3.2, konstruksi CBR alat yang diproduksi oleh Empolis Knowledge Management (2002). Ini alat serbaguna mencakup berbagai komponen untuk (a) membangun dan memelihara kasus dasar, (b) mencari dan mengambil kasus-kasus dari kasus ini dasar, dan (c) fasilitas untuk menambah rekomendasi kasus dengan ahli-gaya aturan. Penciptaan dimulai kasus dasar dengan pembentukan atribut kasus. Untuk tujuan penelitian ini kami mengembangkan atribut kasus untuk menyelaraskan dengan didirikan faktor yang digunakan oleh auditor untuk menilai auditor, klien, dan keterlibatan risiko. Tabel 1 menampilkan atribut dari kasus-kasus yang digunakan dalam aplikasi ini. Atribut yang mirip dalam konsep untuk bidang dan atribut yang digunakan dalam aplikasi database. Namun, operasi digunakan untuk kasus mengambil lebih kuat daripada yang digunakan untuk retrievals database. Risiko audit tersebut tercantum dalam atribut kolom Tabel 1. Atribut ditampilkan dalam Tabel 1 adalah berdasarkan struktur risiko enam faktor diadaptasi dari "Praktik Pemberitahuan No 94-3 Penerimaan dan kelanjutan dari Klien Audit "(AICPA, 1999). Gambar 2 memberikan contoh kasus di mana atribut (Faktor risiko) tercantum dalam Tabel 1 dapat dilihat dalam hubungannya dengan struktur faktor enam risiko. Struktur faktor risiko akrab bagi Audit mitra dan lain-lain dalam manajemen. Mereka pengetahuan tentang lapangan sangat penting untuk dapat benar mengidentifikasi dan merumuskan faktor risiko yang sesuai (atribut) untuk pengembangan kasus dan pengambilan. Angka 1 tabel 1 Contoh Atribut KASUS Atribut Jenis Audit Biaya

Bilangan bulat Audit Perusahaan Perputaran Teks Audit Jam Bilangan bulat Mengubah Teknologi Teks Klien Teks Persaingan Teks Kompleksitas Lokasi Teks Kompleksitas Anak Perusahaan Teks Kompleksitas Transaksi Teks Desentralisasi Teks Gelar Dari Reliance Teks Penekanan Tinggi obj Penghasilan Tidak Realistis Teks Posisi Keuangan Teks Kelangsungan Teks Kategori Industri Teks Pengendalian internal Hasil Teks Panjang Dalam Bisnis Teks Length Of Service CFO Teks Litigasi Sejarah Teks Manajemen Perputaran Teks Op Mngmt Integritas Teks Peraturan Teks Ukuran Aset Teks Ukuran Karyawan Teks Ukuran Penjualan Teks Halaman 5 Musim panas 2007 Jurnal Sistem Informasi Komputer 23 Kasus Dan Atribut mereka Prototipe ini memiliki kemampuan untuk menggunakan aturan serupa dengan yang di sistem pakar untuk membantu dalam penyelesaian pertanyaan dan beradaptasi kasus diambil untuk memenuhi tujuan pencari. Sebuah penyelesaian aturan yang digunakan untuk mengidentifikasi nilai-nilai khusus dalam kriteria p encarian dan jika kriteria ini diidentifikasi, berat yang berbeda ditugaskan untuk

atribut dari nilai tersebut. Sebagai contoh, atribut untuk sebuah perusahaan penghasilan bruto adalah rentang numerik. Atas berbagai pendapatan tingkat, nilai yang tepat mungkin tidak signifikan. Jika, namun tingkat pendapatan yang sangat rendah, ini akan membutuhkan khusus perhatian karena jelas bahwa klien potensial dalam keuangan masalah. Jika, misalnya, aturan mengidentifikasi kondisi yang kotor pendapatan kurang dari pengeluaran kotor, itu akan memberikan atribut ini berat badan lebih besar dari itu akan jika perbandingan menunjukkan kotor pendapatan yang lebih dari pengeluaran. Hal ini akan memungkinkan pengambilan untuk menemukan lebih banyak kasus berguna. Adaptasi aturan mengakui bahwa nilai dalam kasus diambil adalah mungkin menyesatkan karena tidak benar-benar sesuai dengan kriteria pencarian. Aturan-aturan ini mengadaptasi hasil setelah kasus telah diambil. Sebagai contoh, anggaplah bahwa kasus terbaik mengatasi kriteria pencarian datang dari proposal kepada sebuah perusahaan di Los Angeles atau beberapa kota besar lain di mana biaya lebih tinggi dari normal. CPA perusahaan dan calon klien meminta audit dapat berada dalam biaya rendah ruang tamu, di mana biaya biasanya 20% rendah. Aturan adaptasi dapat dibuat yang secara otomatis menyesuaikan harga tawaran untuk sesuai dengan biaya yang lebih rendah dalam daerah. Atribut String memungkinkan penggabungan teks bebas unterbatas panjang dalam atribut. Hal ini terutama penting bagi CBR sistem, yang menarik pada kasus-kasus yang beragam di alam. Setiap klien audit baru menimbulkan skenario audit yang unik dan ada sejumlah cara yang berbeda (istilah) untuk menggambarkan karakteristik / resiko (atribut) dari klien potensial. Sebagai contoh, atribut "Bagaimana kondisi keuangan klien?" bisa dijelaskan dalam sejumlah cara yang berbeda dengan berbagai tingkat detail. Kemajuan dalam perangkat lunak CBR memungkinkan kita untuk menyimpan dan pencarian kasus-kasus di kedua tekstual (file teks) dan database (lapangan) format. Kami memilih untuk menggunakan format database untuk ilustrasi tujuan. Tabel 2 menggambarkan sebuah database Access dengan 20 kasus (entri) dengan sampel (bukan daftar lengkap) atribut (field) struktur tured sekitar model faktor risiko. Gambar 2 adalah contoh dari ditulis kasus dari mana atribut yang relevan diekstraksi (Manual) dan dimasukkan ke dalam database akses sebagai kasus " entri "(Proses ini dapat dihilangkan dengan mencari file teks. secara langsung.) Pertanyaan Ketika seseorang berusaha untuk query aplikasi CBR untuk kasus serupa dengan kebutuhan pengguna, sistem menyediakan petunjuk untuk yang pengguna dapat merespon. Pertanyaan terkait dengan kasus yang sedang diperiksa bertanya apakah kasus lain ada klien audit yang sesuai dengan skenario klien potensial audit. Pengguna menjawab sebanyak ini pertanyaan karena mereka dapat atau ingin. Aplikasi ini dilengkapi dengan terbaik pertandingan. Contoh pertanyaan yang dapat dimasukkan akan ditampilkan pada Tabel 3. Memilih untuk memilih atau tidak untuk memilih atribut tertentu, memungkinkan untuk pengambilan lebih bermakna dan selanjutnya keputusanmembuat. Bagian berikutnya membahas lebih banyak cara untuk mencapai bermakna pengambilan. Proses Pencarian Proses pencarian dimulai dengan entri (dengan memilih yang relevan atribut / faktor risiko) dari deskripsi parsial klien baru. Aplikasi ini menggunakan deskripsi untuk mengidentifikasi dan peringkat berpotensi cocok kasus pada kasus dasar. Hal ini dimungkinkan tabel 2 Sebuah kasus dasar dan atribut Contoh

Nama Klien Industri mngmt Penjualan Aset nomor pergantian (Dalam jutaan) (Dalam jutaan) karyawan Aksesoris online E-Commerce Cepat $ 5-50 $ 25-100 100-500 BB Konstruksi Konstruksi Lambat $ 5-50 $ 5-25 100-500 Mengkonsumsi online E-Commerce Cepat $ 1-5 $ 1-5 > 50 BPK Aspal Produsen Aspal Lambat $ 5-50 <$ 100 100-500 Crescent Hotel Keramahtamahan Cepat > $ 1 > $ 1 m > 50 Cure Obat dan Makanan Makanan dan Obat Lambat <$ 100 <$ 100 <500 David Bean & Co Praktik Hukum Lambat > $ 1 > $ 1 m > 50 Ely Pertambangan Pertambangan Cepat <$ 100 25-100 <500 FLI Barat Perusahaan penerbangan

Cepat $ 50-100 25-100 100-500 Gamble On Game Rata-rata <$ 100 $ 25-100 <500 Hyperama Grosir Distr. Rata-rata 5-50 $ 5-25 100-500 Asuransikan Me Asuransi Cepat $ 1-5 > $ 1 > 50 Joe Bloggs, BPA Akuntan Publik Lambat $ 1-5 $ 1-5 50-100 Meksiko Eatery Restoran rendah $ 1-5 $ 1-5 50-100 Tidak 4 Laba Tidak untuk keuntungan Lambat $ 1-5 $ 1-5 > 50 Kualitas Logam Logam Distr. Lambat <$ 100 <$ 100 <500 Software Developer Desain Software Lambat > $ 1 > $ 1 > 50 Serikat Transportasi Angkutan barang Lambat <$ 100 <$ 100 <500 Losmen Wayside, Inc Layanan hotel

Lambat $ 1-5 $ 1-5 > 50 Williamson dan Oliver Akuntan Publik Lambat <$ 100 $ 25-100 100-500 Halaman 6 24 Jurnal Sistem Informasi Komputer Musim panas 2007 Tidak semua atribut perlu sama tertimbang. Sebagai contoh, atribut "Industri Kategori" mungkin lebih penting bahwa atribut "Manajemen Omset." Ketika melakukan query, pengguna memiliki kemampuan untuk menyesuaikan bobot untuk tiap atribut. Semakin tinggi berat badan yang ditugaskan untuk atribut, yang tinggi tingkat kepentingan yang diberikan untuk itu dalam proses pengambilan. Selanjutnya, programmer dapat mendefinisikan kesamaan antara atribut konsep. Sebuah contoh sederhana adalah atribut "Manajemen Perputaran "yang kami memutuskan untuk membagi menjadi tiga kategori atau "Konsep" di CBR terminologi: cepat, rata-rata dan lambat, untuk menyelaraskan dengan terminologi yang digunakan dalam penilaian risiko AICPA sastra. Orang bisa menetapkan kesamaan 60% antara yang cepat dan rata-rata. Oleh karena itu, dalam hal bahwa "cepat" yang dipilih untuk atribut "Manajemen Perputaran" dalam kasus baru dan "cepat" omset kasus tidak ada, kasus-kasus dengan omset rata-rata masih akan dipilih (dan peringkat sesuai) karena ada pra-didefinisikan kesamaan antara "cepat" dan "rata-rata" seperti yang "Cepat" adalah lebih dekat dengan "rata-rata" daripada kemampuan ini "lambat." memungkinkan penciptaan kombinasi lebih produktif oleh proses pencarian. Programmer memiliki pilihan untuk membuat pertanyaan yang membantu panduan pengguna dalam proses pengambilan. Pengguna memiliki pilihan untuk menggulir ke bawah daftar pertanyaan dan menanggapi pertanyaan dalam urutan apapun, bagaimanapun, dan bahkan mungkin terpaksa, karena kurangnya pengetahuan, untuk menjawab hanya beberapa pertanyaan. Sebagai jawaban GAMBAR 2 Sebuah contoh dari kasus yang ditulis Judul proyek: Losmen Wayside, Inc Wayside Inns, Inc, yang terletak di Kansas City, Missouri, ditandai dengan perga ntian manajemen 1 . Panjang pelayanan kunci staf keuangan (Manajer Hotel) rata-rata. Integritas manajemen operasi dan track record positif 3 . Entitas tidak memiliki keprihatinan akan masalah 4 . Entitas 5 . Entitas tidak rentan terhadap perubahan teknologi 6 . Losmen di pinggir jalan, Inc beroperasi di industri Layanan Hotel 7 . Entitas telah berkecimpung dalam bisnis selama

8 . Entitas telah dibedakan sendiri baik di tengah-tengah 9 . Tingkat regulasi di industri Layanan Hotel 10 . Losmen di pinggir jalan, Inc telah 11 . Entitas telah disewa sama perusahaan audit sejak mulai beroperasi karena 12 . TheWayside Hotel di Kansas City merupakan bagian dari rantai Wayside Losmen, H otel Inc. Para manajer Wayside Inn di Kansas memiliki banyak otonomi dalam menjalankan bisnis. Oleh karena itu 13 . Dengan Wayside Inn kotor dan memesan untuk tahun yang berakhir 31 Desember 2000 (untuk akhir fiskal tahun terakhir) 14 . Pinggir jalan Inn of Kansas menjalankan rata-rata setiap tahun, beroperasi di satu lokasi dan memiliki 15 . Kompensasi manajemen mencakup bonus yang bergantung pada pendapatan, ukuran investasi hotel dan faktor kinerja . Akibatnya ada 16 . Manajemen memiliki 17 . Selain itu, hasil kontrol internal 18 . 1. Badan Usaha Risiko (EBR) (Manajemen) - Perputaran Manajemen 2. EBR (Manajemen) - Lama pelayanan CFO dan staf keuangan lainnya kunci 3. EBR (Manajemen) - Manajemen operasi integritas / track record (sikap terhadap regualtion dan etika) 4. EBR (Entity) - Apakah entitas memiliki masalah going concern? 5. EBR (Entity) - Apakah entitas memiliki basis modal yang memadai atau sangat l everaged? 6. EBR (Entity) - Apakah entitas culnerable untuk teknologi cepat berubah? 7. EBR (Industri) - Kategori Industri 8. EBR (Industri) - Lama waktu dalam bisnis 9. EBR (Indusrty) - Tingkat persaingan 10. EBR (Industri) - Gelar regulasi 11. Auditor Risiko Bisnis - Litigasi sejarah 12. Risiko Bisnis Auditor - Audit perusahaan omset 13. Risiko Bisnis Auditor - Derajat Desentralisasi 14. Risiko Bisnis Auditor - Ukuran: karyawan, penjualan dan aset 15. Risiko Bisnis Auditor - Kompleksitas: jumlah transaksi, lokasi dan subsidari es 16. Auditor Risiko Audit - Penekanan pada bonus penghasilan yang tinggi dan tuju an unrealisitc 17. Auditor Risiko Audit - Tingkat ketergantungan pada perkiraan, pribadi dan ak hir tahun transaksi kunci 18. Risiko Audit Auditor - hasil pengendalian internal (kesalahan tahun sebelumn ya, penyesuaian dan sistem pelaporan Tabel 3 Contoh pertanyaan panduan query

sesuai dengan atribut entropi pertanyaan 1. Apakah bisnis teknologi rentan? 2. Apakah tingkat ketergantungan pada perkiraan, kunci personil dan akhir tahun transaksi? 3. Apa jumlah transaksi perusahaan? 4. Apa panjang pelayanan CFO dan kunci lainnya keuangan staf? 5. Untuk apa gelar penekanan mereka pada pendapatan tinggi dan tujuan tidak realistis? 6. Berapa banyak karyawan yang dipekerjakan oleh bisnis? 7. Apa adalah jumlah anak perusahaan? 8. Berapa banyak lokasi operasi terpisah yang ada? 9. Apakah bisnis yang menjadi perhatian pergi? yang persis deskripsi klien yang tepat dapat ditemukan, bagaimanapun, yang jarang terjadi. Sebagai contoh, pencarian untuk klien yang adalah sebuah kasino, mungkin menemukan kasus dari sebuah hotel, yang terbukti pertandingan terbaik. Dalam kebanyakan kasus, sistem menemukan deskripsi yang harus menjadi nilai yang paling bagi pengguna. Programmer telah kekuatan untuk program proses pencarian untuk menggunakan atribut dalam cara yang berbeda. Halaman 7 Musim panas 2007 Jurnal Sistem Informasi Komputer 25 masuk dalam menanggapi pertanyaan-pertanyaan yang berasal dari kasus, semua of the cases are re-ranked. If an answer corresponds to the answer given for a case in the case base its matching score inlipatan. A mismatch degrades the matching score. Pertanyaan and the possible answers to them are stored in a common area and are shared by all cases. For example, choosing a different industry category might increase the score for twenty cases and decrease the score for sixty other cases. The matching scores have changed and the order of potential matching cases has also berubah. The user can browse the retrieved cases. Table 4 displays an example of a set of results produced by a query. Perhatikan bahwa the example provided does not provide a comprehensive list of attributes (corresponding to each case) or cases retrieved. Sebuah comprehensive list of attributes and cases would ordinarily be displayed for browsing and analysis. The retrieved set of results gives the user a description of the original case, the attributes associated with it, and the closest matching cases. The application can be made to adapt the recommended case automatically or prompt the user to adjust for the adaptation rules. By browsing cases as ranked, the Audit Partner becomes aware of other client descriptions similar to the one under development. Armed with this information, the Audit Partner substantially reduces the search space. The Audit Partner can review a smaller number of cases to find analyses bearing on the threat of potential litigation, the complexity of the audit, the size of the audit and the potential cost of the audit or in any combination thereof. Adapting the Client Description Beyond simply retrieving existing cases and their attendant information, the case base also is able to modify the results retrieved in order to adapt the case to the user's needs. Untuk instance, if a user in one part of the country found a potential client description that originated in another part of the country, rules can be implemented that automatically recommend an appropriate audit price for the user's region. Aplikasi ini

incorporates two different kinds of rules (services): completion rules and adaptation rules. Completion rules are used to complete a query or a case from the case base. The rules are of an ifthen construction. They only execute if the condition is true. Under this circumstance the action part is performed the rule fires. They are executed while entering the values of attributes of a case, and, upon retrieval, after all possible adaptation rules have fired. Some actions (ie, weights, filter and similarity) are tABle 4 IdentIfICAtIOn Of ClOSeSt mAtChInG CASe Attributes selected Attribute value Audit Firm Turnover Medium turnover Mengubah Teknologi Ya Persaingan Tinggi Complexity Locations 1 - 5 Complexity Subsidiaries 1 - 5 subsidiaries Complexity Transactions > 25,000 Desentralisasi Low decentralization Degree Of Reliance High emphasis Emphasis High Earnings Unrealistic Obj High emphasis on earnings Posisi Keuangan Adequate capital base/not highly leveraged Kelangsungan No going concern problem Kategori Industri E-Commerce Internal Control Outcomes Baik Length In Business > 5 yrs Length Of Service CFO > 5 yrs Litigation History Tidak ada Management Turnover Cepat Mngmt Op Integrity Positif Peraturan Low regulation Size Assets 25 - 100 million Size Employees 100 - 500 Size Sales 5 - 50 million PARTIAL RESULTS: Case Rank Kesamaan Perusahaan

Industri Audit fees Audit time 1 .96 Accessories Online E-Commerce $ 45.000 1500 jam 2 .60 Fli West Perusahaan penerbangan $ 75.000 3000 jam 3 .54 Williamson & Oliver Akuntan Publik $ 50.000 1700 jam 4 .50 BB Construction Konstruksi 115.000 $ 5000 hours 5 .49 Pengembang Software Desain Software $ 23.000 1250 hours Halaman 8 26 Jurnal Sistem Informasi Komputer Musim panas 2007 executed only from the current query and not for all the cases in the case base. Adaptation rules can be used to derive a new result case from a query and retrieved cases. The main difference between an adaptation rule and a completion rule is the access to attribute values and the number of actions. Completion rules are executed after two events: The obvious event is at the retrieval of a case from the case base. After each input from the user, the rule system checks its rules. The second event is after executing the adaptasi aturan. In this case only the rules are executed during a consultation session after the retrieval of cases. Copying the retrieved case creates a result case. fIndInGS And COnCluSIOnS This paper set out to demonstrate the applicability of CBR to the expensive and crucial process of assessing new clients. Para demonstration project shows that a greater level of firm specific experience can be considered when evaluating potential clients with lower costs to the audit firm. Utilizing a CBR model will assist a firm by: 1. reducing the risks associated with client evaluation and acceptance (engagement risk). 2. reducing the cost and time of client audit evaluation and penerimaan.

3. providing a more accurate estimate of the fees to be charged to and the time spent on the audit. 4. helping forge the best match with audit clients. An effective infrastructure is one of the most critical components for long-term success with CBR systems. Pengguna these systems must understand that the purpose of CBR is to be an aid in the problem solving process. CBR will not necessarily to solve problems completely nor will it remove the need for expert professional assessment. Even the most effectively designed CBR systems lose their value with time. New cases must be specified or indexed correctly. Misclassified cases inhibit the problem solving or analysis process. This is comparable to a very experienced individual who has poor recall and communications skills. Mereka experience is rendered relatively useless. Similarly, misleading and inappropriate cases should not be retrieved because they will provide confusing information. Careful planning and implementation of a CBR system will diperlukan. A firm must have sufficient knowledge of the purpose of CBR and how it will benefit them. Firms will need to know what changes need to be made to incorporate CBR into their information system. Without this there may not be enough commitment to learn the new processes. The technology of CBR alone is not enough to increase productivity and improve quality public accounting practice management. If implemented with inadequate planning, CBR could easily become a disaster. Tepat planning and the adoption of formal administrative methods help set the expectations of the user community and increase the peluang keberhasilan. Once the decision has been made to build a CBR system appropriate expertise has to be employed. Gottschauk and Khandelwal (2002) documented the experience of many legal firms in Norway and Australia with knowledge management. Jelas a methodology for building, administering, and maintaining the system must be deployed in order to insure success. Acquiring the expertise to develop an effective infrastructure to support a CBR system might be a difficult challenge for an accounting firm. Sebagai noted by Chen and Liou (2002) all such systems require systems expertise but also a willingness of decision makers to embrace the possible productivity gains. All vendors offering CBR construction tools offer consulting services and these services will be critical for success. The application of CBR to the evaluation of new audit clients may provide information professionals a rich opportunity for professional advancement and research. Public accounting firms are operating in a competitive environment where complex regulations and business risks berlimpah. CBR can be used to help audit firms make informed decisions in engaging audit clients and costing audits. Dalam melakukan so, risks are decreased and the audit firm's financial condition is not put in jeopardy. Audit firms are able to select clients and correspondingly price audits that will ultimately result in increased productivity and profitability. The solutions are only as good as the case base. It may be easy to lose track of the logic being used in retrieving the case over a prolonged time frame. If the logic is wrong, the application may go awry as the CBR tool learns from the new case(s). Our next step will be to move beyond experimentation with a live demonstration project. CBR offers an excellent opportunity for streamlining the AEA and AP process. The potential of this application has yet to be fully explored and developed. This paper is meant to point the way to the next step in realizing those benefits.

RefeRenCeS AICPA. 1999. Practice Alert No. 94-3 Acceptance and Continuance of Audit Clients (Sept. 1994-updated through 7/1/99): available at www.aicpa.org/members/div/secps/lit/practice/ 943.htm. AICPA.1983. Statement of Auditing Standard No. 47: Audit Risk and Materiality in Conducting an Audit: available in AICPA Professional Standards, Volume 1 . 2000. New York. AICPA. Bergman, R. and DA Klaus.1998. Methodology for building CBR applications. Chapter 1 in Case-Based Reasoning: Technology from Foundations to Applications : New York. Springer-Verlag Byrnes, N., M. McNamee, R. Grover, J. Muller, and A. Park. 2002. Auditing here- consulting over there. Business Week Online (April 8): available at www.businessweek/content/02_14/ b3777051.htm. Cheetham, W. and A. Varma. 2001. Case-based reasoning at General Electric. New York, NY: General Electric's Corporate Research and Development Center. Chen M. and Liou YI Building a Knowledge-Enabled Electronic Commerce Environment. Journal of Computer Information Systems. 2002 Special edition, Volume 42, Issue 5, p. 95-101. Choohineh J. and Lo A. 2006. Should Rule Based Reasoning Be Enhanced by Case-Based Reasoning For Conceptual Database Design? A Theory and An Experiment? Journal of Computer Information Systems. Summer 2003, Volume 46, Issue 2, p. 69-77. Colbert, J., M. Luehlfing, and CW Alderman. 1996. Engagement Risk. The CPA Journal (March): 54-56. Danziger, E. 1999. Just say no to costly clients. Journal of Accountancy (June): 45-7. Elhadi, MT 2000. Bankruptcy support system: taking advantage of information retrieval and case-based reasoning. Expert Systems with Applications 18: 215-219. Page 9 Musim panas 2007 Jurnal Sistem Informasi Komputer 27 Empolis Knowledge Management. 2002. available at www. empolis.com. Gottschalk P. and Kandelwal V. 2002. Inter-Organizational Knowledge Management: A comparison of Law firms in Norway and Australia. Journal of Computer Information Systems. 2002 Special edition, Volume 42, Issue 5, p. 50-58. Grupe, F. 1993. Case-based reasoning: applying past experience to new problems. Information System Management. 10(2) (Spring): 77-80. Houston, R. 1999. The effects of fee pressure and client risk on audit seniors' time budget decisions. Auditing: A Journal of Practice and Theory 18(2) (Fall): 70-86. Jang, Y. 1993. A hybrid system with feedback for diagnosing multiple disorders. MIT: Ph.D. Tesis. Johnstone KM and Bedard JC 2003. Risk Management in Client Acceptance Decisions. The Accounting Review. October 2003, Volume 78, Issue 4, p. 1003-1025. Kersnar S. 2006. United Mortgage Lenders Pick MindBox for Bull-Eye System. National Mortgage News. May 22, 2006, h. 12. Kolodner, J. 1991. Improved human decision making through

case-based decision aiding. AI Magazine 12 (2)(Summer): 52-68. Kreutzfeldt, RW, and WA Wallace. 1986. Error characteristics in audit populations: Their profile and relationship to environmental factors. Auditing: A Journal of Practice and Theory 6 (Fall): 20-43. Leake, DB 1996. Case Based Reasoning: Experiences, Lessons, and Future Directions . Boston, MA: AAAI Press/MIT Press. Lee K. and Kwon S. 2006. The Use of Cognitive Maps and CaseBased Reasoning for B2B Negotiation. Journal of Management Information Systems. Spring 2006, Volume 22, Number 4, hal 337-376. Li, LLX 1999. Knowledge-based problem solving: an approach to health assessment. Expert Systems with Applications 16(1): 33-42. MacDonald, E. 1997. More accounting firms are dumping risky clients. Wall Street Journal (April 25): section 3, 2. Mitri, M. 2003. A knowledge Management Framework For Curriculum Assessment. Journal of Computer Information Systems. Summer 2003, Volume 43, Issue 4, p. 15-24. O'Keefe, TB, DA Simunic, and MT Shields. 1994. Production of audit services: evidence from a major public accounting firm. Journal of Accounting Research 32 (Autumn): 241-261. Palmrose, ZV. 1986. Audit fees and auditor size: further evidence. Journal of Accounting Research 24 (Spring): 97-110. Riesbeck, CK and RC Schank. 1989. Inside Case-Based Reasoning . New York, NY: Lawrence Erlbaum Associates. Rissland, EL and JJ Daniels. 1995. A Hybrid CBR-IR Approach to Legal Information Retrieval . New York, NY: ACM Press. Thomas, CR 1992. Should the client be accepted? The CPA Journal Online (November): available at www.nysscpa.org/ cpajournal/old/13856825.htm. Watson, I. 1997. Applying Case-Based Reasoning: Techniques for Enterprise Systems . San Francisco, CA: Morgan Kaufmann Publishers. Yin RK1993. Application Of Case Study Research , Applied Social Research methods Series, Volume 34. London: Sage Publikasi. Zhang D. 2004. Virtual Mentor and The Lab System Toward Building an Interactive, Personalized, and Intelligent E-learning Environment. Journal of Computer Information Systems. Spring 2004, Volume 44, Issue 3, p. 35-43. Please note that the order of the authors for the article title below was listed incorrectly in the Winter 2006-2007 issue of JCIS. The authors should have been listed in the following order. The editorial board of JCIS regrets the error. RIGOR In mIS SuRvey ReSeARCh: In SeARCh Of IdeAl SuRvey methOdOlOGICAl AttRIBute S dR. teReSA l. Ju , Department of Information Management, Shu-Te University, Kaohsiung, Taiwan dR. Szu-yuAn Sun , Department of Information Management, National Kaohsiung First University of Science and Technology, Kaohsiung, Taiwan yueh-yAnG Chen , Department of Information Management, National Kaohsiung First University of Science and Technology, Kaohsiung, Taiwan ChAnG-yAO wu , Department of Information Management, National Kaohsiung First University of Science and Technology, Kaohsiung , Taiwa n