برای شفافیت حسابرسی پیوسته و نظارت هوشمند

هدف کلی این مقاله تبیین و تحلیل نقش یادگیری ماشین در ارتقای کارآمدی شفافیت و نظارت پذیری نظام حسابداری سه طرفه است. با توجه به محدودیت های نظام حسابداری دو طرفه در ثبت فراداده های زمینه ای و پاسخگویی به الزامات نظارتی نوین این پژوهش تلاش دارد نشان دهد که چگونه تلفیق حسابداری سه طرفه با روش های تحلیل پیشرفته می تواند داده های مالی رمزنگاری شده را به بینش های تحلیلی و نظارتی معنادار تبدیل کند. روش تحقیق این مطالعه کیفی و مبتنی بر مرور انتقادی و نظام مند ادبیات موجود در حوزه های حسابداری سه طرفه، بلاک چین و یادگیری ماشین است. در این راستا مدل ها و چارچوب های مفهومی پیشین بررسی و مقایسه شده و یک جریان کار تحلیلی برای تبدیل ثبت های مالی و فراداده های سه طرفه به ویژگی های قابل استفاده در مدل های یادگیری ماشین ارائه می شود همچنین جایگاه این رویکرد در مقایسه با راهکارهای جایگزین حفظ شفافیت از جمله محاسبات چند جانبه و فناوری های حفظ حریم خصوصی مورد بررسی قرار گرفته است. یافته های مقاله نشان می دهد که حسابداری سه طرفه در صورت پشتیبانی توسط یادگیری ماشین ظرفیت بالایی برای کشف ناهنجاری ها، پایش مستمر، انطباق، پیش بینی جریانات مالی و ارتقای حسابرسی پیوسته دارد. این تلفیق نقش حسابداران و حسابرسان را از ثبت کننده و نمونه گیر به تحلیل گر و ناظر داده محور تغییر داده و امکان گذار نهادهای نظارتی به نظارت پیش نگری را فراهم می سازد. در نهایت مقاله ضمن شناسایی محدودیت های اجرایی مسیرهای پژوهشی آینده را در حوزه هایی نظیر یادگیری عمیق و پردازش زبان طبیعی برای تحلیل فراداده های حسابداری سه طرفه برجسته می کند.

کلیدواژه ها:

حسابداری سه طرفه ، یادگیری ماشین ، شفافیت گزارشگری مالی ، حسابرسی پیوسته ، نظارت هوشمند