لزوم توسعه به کارگیری روش ها ی دادهکاوی در حسابداری وحسابرسی
محل انتشار: دهمین همایش ملی حسابداری ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,290
فایل این مقاله در 24 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:
IAAC10_048
تاریخ نمایه سازی: 4 اسفند 1391
چکیده مقاله:
ابهامات محیطی ناشی از مدلهای نوین کسب و کار سبب تشدید پیچیدگی در تصمیمگیری، به ویژه درحوزه مالی شده است؛ به طوریکه بسیاری از متغیرهای تأثیرگذار ناشناخته بوده و روابط آنها نیز غیرخطی وپیچیده است. در چنین شرایطی دیگر نمیتوان دادهها را با ابزارهای سنتی تحلیل نموده و از آنها دانش استخراج کرد. در سالهای اخیر فناوریهای تولید و گردآوری دادهها به سرعت در حال رشد بوده است. مسئله پیش رویسازمانها به ویژه در حوزه تصمیمگیریهای مالی در حسابداری و حسابرسی دیگر جم عآوری صرف دادهها نیست، بلکه دستیابی به توان استخراج دانش مفید نهفته در دادهها دغدغه اصلی سازمانها است. در چنین شرایطیاست که باید از رشد فناوری برای استفاده مؤثر از این دانش بالقوه سود جست و دادهکاوی یک جواب مناسب برای استخراج این ثروت است.در مقاله حاضر ضمن تعریف الگوریتمها و روش های دادهکاوی و کاربرد آنها درحوزه مالی، به نقش و لزوم توسعه ب هکارگیری این تکنیکها و هوش مصنوعی در حسابداری و حسابرسی پرداخته شده است. مطالب ارائه شده در این مقاله نشان میدهد که امروزه محققان با توجه به توان بالای فناوری دادهکاوی و هوش مصنوعی در پردازش پایگاههای دادهای بزرگ و یافتن الگوهای پیچیده و غیرخطی در آنها، از روش-های آماری به سمت روشهای هو شمصنوعی پیش میروند. همچنین بررسی مطالعات داخلی نشان میدهد که در ایران در حوزه مالی به صورت اندک از این تکنیکها استفاده شده است که بایستی بستر مناسبی برای توسعه بیشتر استفاده از این فناوری برای تحقیقات حسابداری و حسابرسی در داخل کشور فراهم گردد
کلیدواژه ها:
نویسندگان
ابراهیم عباسی
استادیار دانشکده علوم اجتماعی و اقتصاد دانشگاه الزهرا
یوسف قنبری
کارشناس ارشد حسابداری دانشگاه علوم اقتصادی
معصومه نجاری
کارشناسان ارشد حسابداری و مربیان دانشگاه آزاد اسلامی( واحد خسروشهر- وا
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 :