شناسایی و اولویت بندی مولفه های کلیدی کاربرد هوش مصنوعی در بهبود فرایندهای حسابرسی مستقل و کاهش ریسک های مالی: رویکرد دلفی فازی و تحلیل مضمون

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 43

فایل این مقاله در 41 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ACCTG-33-3_002

تاریخ نمایه سازی: 21 مهر 1405

چکیده مقاله:

هدف: این پژوهش با هدف طراحی و اعتبارسنجی الگوی کاربرد هوش مصنوعی در کاهش ریسک های مالی حسابرسی مستقل انجام شده است. روش: پژوهش حاضر از نوع توسعه ای کاربردی با رویکرد آمیخته (کیفی کمی) است. در مرحله کیفی، پس از مرور نظام مند ۱۲۷ منبع و غربالگری به ۲۰ منبع کلیدی، با استفاده از تحلیل مضمون استقرایی و مصاحبه با ۱۲ خبره، ۶۲ کد باز استخراج و در قالب ۱۰ مقوله دستهبندی شد. خبرگان این پژوهش، استادان دانشگاهی با حداقل ۱۰ سال سابقه تدریس و سوابق پژوهشی در هوش مصنوعی، مدیران ارشد و شرکای موسسه های حسابرسی با حداقل ۱۵ سال سابقه حرفه ای و متخصصان هوش مصنوعی / فناوری اطلاعات درگیر در پروژه های مالی بودند که به روش نمونه گیری هدفمند و گلوله برفی انتخاب شدند. مقوله های شناسایی شده عبارت اند از: پیش بینی روندهای مالی، اتوماسیون وظایف، تجزیهوتحلیل داده های مالی، تشخیص تقلب، بهبود کنترل داخلی، افزایش دقت و کارایی، صرفه جویی در زمان، بهبود کیفیت حسابرسی، حسابرسی به موقع و کاهش نیروی کار. پایایی کدگذاری با ضریب کاپای ۷۵۸/۰ تایید شد. در مرحله کمی، الگوی طراحی شده با بهره مندی از ۱۵ خبره مستقل با روش دلفی فازی (مقیاس ۹ درجه ای با معیار پذیرش کوچک تر از ۷/۰) اعتبارسنجی شد. خبرگان بخش کمی افرادی با حداقل ۲۰ سال سابقه در حسابرسی یا ۱۰ سال در هوش مصنوعی کاربردی، تحصیلات دکتری مرتبط یا مدیریت ارشد موسسه های بزرگ بودند. سپس با استفاده از DEMATEL و ISM، روابط علت ومعلولی و ساختار سلسله مراتبی مولفه ها تحلیل شد. یافته ها: تحلیل مقایسه ای گروه های شاخص ها نشان داد که حسابرسی به موقع با میانگین ۷۱/۷ در رده نخست، افزایش دقت و کارایی با میانگین ۶۳/۷ در رده دوم و بهبود کیفیت حسابرسی با میانگین ۵۵/۷ در رده سوم قرار گرفتند. نتایج دیماتل نشان داد که تشخیص تقلب و حذف خطاها، موثرترین مولفه است و در ارتقای کیفیت حسابرسی نقش محوری دارد. اتوماسیون وظایف تاثیر معناداری بر صرفه جویی در زمان (ضریب ۷/۰) و پیش بینی روندهای مالی (ضریب ۶/۰) دارد. کاهش نیروی کار، کم اثرترین مولفه بود که نقش مکمل هوش مصنوعی در قضاوت انسانی را نشان داد. نتیجه گیری: الگوی طراحی شده نشان می دهد که هوش مصنوعی در حسابرسی مستقل، بیش از هر چیز، سرعت و به موقع بودن، دقت و کارایی و کیفیت کلی حسابرسی را بهبود می بخشد. محور اثرگذاری آن، تشخیص تقلب و خطا و اتوماسیون فرایندها است؛ در حالی که کاهش نیروی انسانی، پیامد فرعی و کم اهمیت تری محسوب می شود. تلفیق روش تحلیل مضمون با دلفی فازی، برای استخراج و اعتبارسنجی الگویی بومی در زمینه کاربرد هوش مصنوعی در حسابرسی مستقل ایران، اصالت پژوهش است. این رویکرد آمیخته با تمرکز بر خبرگان آشنا به فناوری، مدلی جامع و عملیاتی ارائه می دهد که می تواند مبنایی برای سیاست گذاری حرفه ای، آموزش حسابرسان و پژوهش های آتی در حوزه تحول دیجیتال حسابرسی باشد. این مطالعه به دانش موجود در زمینه تاثیر هوش مصنوعی بر مدیریت ریسک حسابرسی می افزاید و چارچوبی کاربردی برای کاهش ریسک های مالی فراهم می آورد..

نویسندگان

حسن حامد محمد

دانشجوی دکتری، گروه حسابداری و مدیریت مالی، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران.

مهدی حیدری

دانشجوی دکتری، گروه حسابداری و مدیریت مالی، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران.

علی آشتاب

دانشیار، گروه حسابداری و مدیریت مالی، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، 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 :
  • ایران مهد، محسن؛ بهارمقدم، مهدی و اوسعیدی، مینا (۱۴۰۳). شناسایی ...
  • جامعی، رضا؛ هلشی، مهران و حاجی عیدی، عبدالله (۱۳۹۱). بررسی ...
  • خسروانی، آرزو؛ قهرمانی، محمد و باباخانیان، زهرا (۱۴۰۳). پیش بینی ...
  • گلیجانی، مهرداد؛ علیخانی، رضیه؛ مران جوری، مهدی و فلاح، رضا ...
  • محمدی، پویان؛ جاویدمهر، حسین؛ طهماسبی، الیاس (۱۴۰۳). کاربرد هوش مصنوعی ...
  • ملکیان، اسفندیار؛ اقبال صفت رونقی، اسماعیل؛ قمری مقدم، امین و ...
  • میرزاپور، مانا (۱۴۰۲). مروری بر اثرات هوش مصنوعی بر اهداف ...
  • نریمانی، نگار؛ همت فر، محمود (۱۴۰۳). تجزیه وتحلیل ادراک حسابرسان ...
  • Allami, F. A. J. (۲۰۲۲). The use of external auditor ...
  • Appelbaum, D., Kogan, A. & Vasarhelyi, M. A. (۲۰۱۷). Big ...
  • Arnaboldi, M., Busco, C. & Cuganesan, S. (۲۰۱۹). Accounting, accountability, ...
  • Baldwin, A. A., Brown, C. E. & Trinkle, B. S. ...
  • Braun, V. & Clarke, V. (۲۰۱۵). Using thematic analysis in ...
  • Braun, V. & Clarke, V. (۲۰۰۶) Using thematic analy sis ...
  • Cahyadi, N. & van der Wal, R. (۲۰۲۰). A case ...
  • Darbandi, Y. & Olad Ghaffari, H. & Kholfi, S. (۲۰۲۴). ...
  • Gepp, A., Linnenluecke, M. K., O'Neill, T. J. & Smith, ...
  • Goleyjani, M., Alikhani, R., Mraanjory, M., Fallah, R (۲۰۲۱). Designing ...
  • Hasan, A. R. (۲۰۲۲). Artificial intelligence (AI) in accounting & ...
  • Hashimoto, K. (۲۰۲۰). Unpacking the black box of artificial intelligence ...
  • Hooda, N., Bawa, S. & Rana, P. S. (۲۰۲۰). Optimizing ...
  • Hossain, M. S., Rahman, M., Rahman, A. & Kabir, M. ...
  • Huang, F. & Vasarhelyi, M. A. (۲۰۱۹). Applying robotic process ...
  • Iran Mahd, M., Bahar Moghadam, M., Abu Saeidi, M (۲۰۲۴). ...
  • Jamei, R., Halashi, M. & Hajiaidy, A. (۲۰۱۳). Effectiveness of ...
  • Kruskopf, S., Lobbas, C., Meinander, H., Söderling, K., Martikainen, M. ...
  • Kuncoro, E. A., Lindrianasari, L. & Fatmasari, A. (۲۰۲۳). Artificial ...
  • Landis, J. R. & Koch, G. G. (۱۹۷۷). The measurement ...
  • Lois, P., Drogalas, G., Karagiorgos, A. & Tsikalakis, K. (۲۰۲۰). ...
  • Malekian, E., Eghbal Sefat Ronaghi, E., Ghamari Moghaddam, A. & ...
  • Mirzapour, M. (۲۰۲۲). A review of the effect of artificial ...
  • Mohammadi, P., Javidmehr, H., Tahmasebi, E. (۲۰۲۴). Application of artificial ...
  • (in Persian)Mpofu, F. (۲۰۲۳). The application of Artificial Intelligence in ...
  • Munoko, I., Brown-Liburd, H. L. & Vasarhelyi, M. (۲۰۲۰). The ...
  • Narimani, N., Hemmat Far, M. (۲۰۲۴). Analysis of auditor’s perception ...
  • Omoteso, K. (۲۰۱۶). Audit effectiveness: Meeting the IT challenge. Routledge ...
  • Pleşa, T. L., Popescu, C. & Pleşa, I. T. (۲۰۲۳). ...
  • Rose, A. M., Rose, J. M., Sanderson, K. A. & ...
  • Safarzadeh Bondari, M. H., Arab Mazar Yzadi, M. & Hooshmand ...
  • Wang, J. C., Huang, K. T. & Ko, M. Y. ...
  • West, J. & Bhattacharya, M. (۲۰۱۶). Intelligent financial fraud detection: ...
  • Zhang, C., Dai, J. & Vasarhelyi, M. A. (۲۰۲۰). The ...
  • نمایش کامل مراجع