مروری بر روش های نوین مقابله با فرار مالیاتی و نقش داده کاوی در حسابداری مالیاتی

فرار مالیاتی یکی از چالش های بنیادین اقتصادهای نوظهور و درحال توسعه به شمار می آید که آثار منفی آن بر عدالت اجتماعی، تامین درآمدهای عمومی و اعتماد شهروندان به نظام مالیاتی انکارناپذیر است. پیشرفت فناوری های اطلاعاتی و ظهور داده های بزرگ (Big Data) افق تازه ای برای شناسایی الگوهای پنهان در داده های مالیاتی و کشف تقلب فراهم کرده است. داده کاوی و یادگیری ماشین به عنوان ابزارهای تحلیلی هوشمند، قادرند روابط پیچیده میان متغیرهای مالیاتی را شناسایی و رفتار مالیاتی مودیان را پیش بینی نمایند. این مقاله با رویکرد مروری، به بررسی پژوهش های داخلی و بین المللی طی سال های ۲۰۱۸ تا ۲۰۲۵ در زمینه روش های نوین مقابله با فرار مالیاتی می پردازد. یافته ها نشان می دهد رویکردهای مبتنی بر داده کاوی به ویژه الگوریتم های درخت تصمیم، شبکه های عصبی و مدل های بیزین بیشترین دقت را در شناسایی الگوهای تقلب مالیاتی داشته اند. همچنین، مرور مطالعات داخلی نشان می دهد که نظام مالیاتی ایران هنوز در مرحله اولیه دیجیتالی سازی قرار دارد و استفاده از ابزارهای داده کاوی نیازمند یکپارچگی پایگاه های اطلاعاتی و تربیت نیروهای متخصص حسابداری داده محور است.

کلیدواژه ها:

فرار مالیاتی ، داده کاوی ، حسابداری مالیاتی ، یادگیری ماشین ، کشف تقلب