شناسایی اصول اخلاقی در استفاده از هوش مصنوعی در فرآیندهای حسابرسی

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 54

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJEST-21-2_008

تاریخ نمایه سازی: 14 مرداد 1405

چکیده مقاله:

زمینه: ادغام هوش مصنوعی در حسابرسی با توجه به رویکردهای اخلاقی توجه محققان را در تحقیقات دانشگاهی به خود جلب کرده است. هدف از این مطالعه، شناسایی اصول اخلاقی در استفاده از هوش مصنوعی در فرایندهای حسابرسی است. روش: این مطالعه از نوع تحقیقات آمیخته (کیفی-کمی) است. جامعه آماری در بخش کیفی، خبرگان شامل اساتید دانشگاه­های مرتبط با حسابداری و حسابرسی هستند که به روش نمونه­گیری غیرتصادفی و هدفمند، تعداد ۱۰ نفر به عنوان حجم نمونه انتخاب شدند. جامعه آماری در بخش کمی اساتید دانشگاه­ها و مدیران سازمان بورس هستند که به روش نمونه­گیری غیرتصادفی و در دسترس، تعداد ۳۰ نفر به عنوان حجم نمونه انتخاب شدند. ابزار گردآوری داده­ها در بخش کیفی، ادبیات پژوهش و پرسشنامه دلفی و در بخش کمی، پرسشنامه مقایسات زوجی است. تحلیل داده­ها در بخش کیفی توسط روش­های فراترکیب و دلفی و در بخش کمی توسط روش AHP و نرم­افزار Expert choice انجام شد. یافته ­ها: با توجه به نتایج بخش کیفی، ابتدا توسط روش فراترکیب و بررسی ۲۱ مقاله داخلی و خارجی، ۷ مولفه اصلی و ۲۶ مولفه فرعی و پس از غربالگری توسط روش دلفی، در نهایت ۵ مولفه اصلی و ۲۴ مولفه فرعی شناسایی گردید. با توجه به نتایج بخش کمی، مولفه­های اصلی سودمندی، حریم خصوصی و حفاظت از داده­ها، شفافیت و توضیح پذیری، عدالت و انصاف، اعتماد، آزادی/خودمختاری و انطباق با مقررات و استانداردهای حرفه­ای به ترتیب با وزن­های ۲۱۶/۰، ۱۸۲/۰، ۱۶۹/۰، ۱۶۷/۰، ۱۰۷/۰، ۰۸۸/۰ و ۰۷۲/۰ دارای رتبه­های اول تا هفتم در اصول اخلاقی در استفاده از هوش مصنوعی در فرآیندهای حسابرسی می­باشند. نتیجه­ گیری: با رعایت اصول اخلاقی در استفاده از هوش مصنوعی در حسابرسی، حسابرسان و سازمان­ها می توانند اطمینان حاصل کنند که هوش مصنوعی به طور مسئولانه و اخلاقی در شیوه­های حسابرسی استفاده می­شود.

نویسندگان

مهدی جعفری

Ph.D. Student, Department of Accounting, Qom Branch, Islamic Azad University, Qom, Iran

مژگان صفا

Department of Accounting, Qom Branch, Islamic Azad University, Qom, Iran

سید عباس برهانی

Department of Accounting, Qom Branch, Islamic Azad University, Qom, Iran

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 :
  • Azarsaeed Y, Rostami S. Artificial intelligence and ethical decision-making in ...
  • Zare H, Hajiha Z, Keyghobadi A. Investigating the impact of ...
  • Torroba M, Sánchez JR, López L, Callejón A. Investigating the ...
  • Almufadda G, Almezeini NA. Artificial intelligence applications in the auditing ...
  • Laine J, Minkkinen M, Mäntymäki M. Ethics-based AI auditing: A ...
  • Adelakun NO. Ethical considerations in the use of AI for ...
  • Ahmadzade Z, Yaghoub Nezhad A. The effect of auditors’ inception ...
  • LaBrie R, Steinke G. Toward a framework for ethical audits ...
  • Bialik M, Fadel C, Holmes W. Artificial intelligence and ethical ...
  • Zhang J, Vasarhelyi MA. Black-Box auditing: Challenges and opportunities with ...
  • Rice SC, Warren DE. Investigating the impact of algorithmic biases ...
  • Bolat E, Aydan A, Durmaz E, Durmaz M. The role ...
  • Kokina J, Blanchette S, Davenport T, Pachamanova D. Challenges and ...
  • Hartman E, Smith J. The Role of AI in Enhancing ...
  • Nolan C, Winkler L. Adapting audit regulations to ai: an ...
  • Jauhiainen T, Lehner OM. Good Governance of AI and big ...
  • Shukla S, George JP, Tiwari K, Kureethara JV. Data security. ...
  • Raji ID, Buolamwini J. Actionable auditing revisited: Investigating the impact ...
  • Richardson R, Schultz J, Crawford K. Dirty data, bad predictions: ...
  • Arnold M, Bellamy RKE, Hind M, Houde S. Fact sheets: ...
  • Agarwal R, Melnick L, Frosst N, Zhang X, Lengerich B, ...
  • Tiron-Tudor A, Deliu D. Reflections on the human-algorithm complex duality ...
  • Patel P, Uddin MN. AI for algorithmic auditing: mitigating bias ...
  • Seligson H, Lehner OM. The promise of digital accounting and ...
  • Kaur D, Uslu S, Rittichier KJ, Durresi A. Trustworthy Artificial ...
  • Minkkinen M, Niukkanen A, Mäntymäki M. What about investors? ESG ...
  • Cheng L, Varshney KR, Liu H. Socially responsible AI algorithms: ...
  • Barlas P, Kyriakou K, Kleanthous S, Otterbacher J. Social B(eye)as: ...
  • Galdon Clavell G, Zamorano M, Castillo C, Smith O, Matic ...
  • Kulkarni ON, Patil V, Singh VK, Atrey PK. Accuracy and ...
  • Mehrabi N, Morstatter F, Saxena N, Lerman K, Galstyan A. ...
  • Richardson B, Gilbert JE. A framework for fairness: A systematic ...
  • Knowles B, Richards JT. The sanction of authority: promoting public ...
  • Brown S, Davidovic J, Hasan A. The algorithm audit: scoring ...
  • Avin S, Belfield H, Brundage M, Krueger G, Wang J, ...
  • Mohseni S, Zarei N, Ragan ED. A multidisciplinary survey and ...
  • Malgieri G, Comande G. Why a right to legibility of ...
  • Mökander J, Axente M, Casolari F, Floridi L. Conformity assessments ...
  • Reed C, Kennedy E, Silva S. Responsibility, autonomy and accountability: ...
  • Floridi L, Cowls J, Beltrametti M, Chatila R, Chazerand P, ...
  • Shen H, DeVos A, Eslami M, Holstein K. Everyday algorithm ...
  • de Almeida PGR, dos Santos CD, Farias JS. Artificial intelligence ...
  • Fallah Karimi Goukeh N, Maleki Choubari M, Barari Nokashti S. ...
  • Zamani R, Lari dash bayaz M, Hesarzadeh R. Identifying factors ...
  • Rahimiaghdam S, Salehpoor P, Namvar R. Ethical Challenges of Adopting ...
  • Khodabandeh A, Kurdestani G, Biglar K. Modeling the Ethical Behavior ...
  • Ramezani M, Feizi Derakhshani M. Machine Ethics: Ethical Challenges and ...
  • نمایش کامل مراجع