top of page

Referencias.

Baena Paz, G. (2017). Metodología de la investigación. Grupo Editorial Patria.

Deloitte. (2025). Auditoría interna y su papel en la prevención, identificación y resolución de fraudes. https://www.deloitte.com/latam/es/services/risk-

            advisory/perspectives/auditoria-interna-y-su-papel-en-la-prevencion-identificacion-y-resolucion-de-fraudes.html

European Confederation of Institutes of Internal Auditors. (2024). RISK IN FOCUS: Hot topics for internal auditors. https://www.eciia.eu/wp-

            content/uploads/2024/09/Risk-in-Focus-2025-FINAL.pdf

Hernández Sampieri, R., Fernández Collado, C. & Baptista Lucio, P. (2014). Metodología de la Investigación. McGraw Hill

Holguín-Gutierrez, N. A., Loor-Saldarriaga, C. G., Granoble-Bustamante, J. J., Orlando-San Lucas, M. M., Ramírez-Ramírez, B. E., y Bowen-Cruzatty, M. L.

            (2024). LA IMPORTANCIA DEL CONTROL INTERNO EN LA GESTIÓN PÚBLICA Y PRIVADA. Ciencia y Desarrollo,

            27(4). https://doi.org/10.21503/cyd.v27i4.2779

Instituto Superior de Auditoría y Fiscalización. (s.f.). Marco Integrado de Control Interno. https://intranet.isaf.gob.mx/Publico/Documento/4653

Jiménez-Ballona, L. P., Zetina-Pérez, C. D., y Juárez-Solís, S. (2023). Principales problemas de control interno en pymes de Emiliano Zapata, Tabasco.

            Universita Ciencia, 11(30), 136-146. https://doi.org/10.5281/zenodo.7843497

Toctaquiza-Narváez, C. R., y Peñaloza-López, V. L. (2022). Control interno jurídico administrativo para la toma de decisiones en el sector público. Revista

            Dilemas Contemporáneos, 9(Spe 1). https://doi.org/10.46377/dilemas.v9i.2992

Universidad Autónoma de Chapingo. (2020). Evasión en sueldos y salarios: redes de patrones. SAT: http://omawww.sat.gob.mx/cifras_sat/Documents/Evasi%C3%B3n_en_sueldosysalarios_redes_de_patrones_Chapingo.pdf

Zumaya, M., Guerrero, R., Islas, E., Pineda, O., Gershenson, C., Iñiguez, G., y Pineda, C. (2021). Identifying tax evasion in Mexico with tools from network

            science and machine learning. arXiv. https://doi.org/10.48550/arXiv.2104.13353

bottom of page