کاربرد داده کاوی در بهبود فرایندهای مالیاتی: مرور ادبیات سیستماتیک و دسته بندی
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 483
فایل این مقاله در 27 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ACCTG-29-3_006
تاریخ نمایه سازی: 14 آبان 1401
چکیده مقاله:
هدف: با توجه به اهمیت استخراج دانش مفید از داده های مالیاتی و نقش موثر داده کاوی در این زمینه، هدف این پژوهش، مرور ادبیات جامع و نظام مند و ارائه گزارشی از وضعیت تحقیقات حوزه داده کاوی و مالیات، دسته بندی پژوهش های انجام شده و معرفی شکاف های تحقیقاتی و ارائه نقشه راهی برای محققان و علاقه مندان در این زمینه است. روش: جامعه آماری پژوهش، تحقیقات انجام شده در زمینه داده کاوی و مالیات، طی سال های ۲۰۰۰ تا ۲۰۲۱ بوده است. با مرور ادبیات جامع و نظام مند تحقیقات، از دیدگاه فرایندی، ۴ فرایند و از دیدگاه حوزه های کاربردی مختلف، ۷ زمینه مطالعه و بررسی شد. دسته بندی تحقیقات بر اساس چارچوب پیشنهادی انجام گرفت و تحلیل های مختلفی از منظر فرایندها، حوزه های کاربردی و روش های داده کاوی ارائه شد. یافته ها: نتایج این تحقیق نشان می دهد که فرایند بازرسی (آزمون) و حوزه کاربردی «انتخاب مبتنی بر ریسک برای حسابرسی مالیاتی» بیشترین حجم از تحقیقات را به خود اختصاص داده اند. محبوب ترین و پرکاربردترین تکنیک استفاده شده، «رده بندی و پیش بینی» بوده و الگوریتم های شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان نیز به ترتیب بیشترین کاربرد را داشته اند. نتیجه گیری: در زمینه های کاربردی هفت گانه، پتانسیل خوبی برای پیاده سازی تکنیک های داده کاوی وجود دارد. رویکردهای مبتنی بر یادگیری انتقالی، یادگیری عمیق، تحلیل گراف و تحلیل کلان داده برای تحقیقات آتی پیشنهاد می شود. ارائه چارچوب های کاربردی بومی سازی شده برای سیستم ها و اداره های امور مالیاتی کشورهای مختلف و یکپارچه سازی منابع داده داخلی و خارجی اداره های امور مالیاتی و تحلیل آن، از خلاهای اصلی این حوزه است که می تواند اثربخشی ویژه ای ایجاد کند.
کلیدواژه ها:
نویسندگان
رضا مجیدی
دانشجوی دکتری، گروه حسابداری، دانشکده مدیریت و حسابداری، واحد تهران مرکز، دانشگاه آزاد اسلامی تهران، ایران
نگار خسروی پور
استادیار، گروه حسابداری، دانشکده مدیریت و حسابداری، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.
الهام آخوندزاده نوقابی
استادیار، گروه مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، تهران، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :