تاثیر مدل های ترکیبی یادگیری ماشین و علوم داده بر تحول حسابداری مدیریتی به سمت سیستم های پیش بینی کننده ریسک مالی یکپارچه با تاکید بر فرهنگ یادگیری و شفافیت داده محور

پژوهش حاضر با هدف بررسی تاثیر مدل های ترکیبی یادگیری ماشین و علوم داده بر تحول حسابداری مدیریتی به سمت سیستم های پیش بینی کننده ریسک مالی یکپارچه در سازمان های متوسط و بزرگ ایرانی انجام شد. روش تحقیق توصیفی-تحلیلی با رویکرد کمی و ابزار پرسشنامه محقق ساخته بود. جامعه آماری شامل مدیران مالی، حسابداران ارشد و کارشناسان حسابداری مدیریتی بود که با نمونه گیری خوشه ای چند مرحله ای و هدفمند ۲۰۵ نفر انتخاب شدند. روایی محتوایی توسط پانل متخصصان و پایایی با آلفای کرونباخ ۰.۹۳ تایید گردید. تحلیل داده ها با مدل سازی معادلات ساختاری حداقل مربعات جزئی در نرم افزار SmartPLS انجام شد. نتایج نشان داد که مدل های ترکیبی یادگیری ماشین و علوم داده با ضریب مسیر ۰.۶۵۹ تاثیر مثبت و معناداری بر تحول حسابداری مدیریتی به سمت سیستم های پیش بینی کننده ریسک مالی یکپارچه دارد و ۶۷.۲ درصد واریانس این متغیر را تبیین می کند، همچنین شفافیت داده محور با اثر تعدیلی ۰.۲۹۴ و فرهنگ یادگیری سازمانی با اثر تعدیلی ۰.۳۱۲ رابطه مذکور را به ترتیب ۱۳.۶ و ۱۵.۱ درصد تقویت می کنند. در سطوح بالای شفافیت و فرهنگ یادگیری، تاثیر مدل های ترکیبی بیش از دو برابر سطوح پایین است. سازمان های خصوصی نسبت به دولتی عملکرد بهتری در پذیرش این مدل ها نشان دادند. یافته ها حاکی از پتانسیل بالای ادغام مدل های ترکیبی در تحول حسابداری مدیریتی است اما محدودیت های زیرساختی و فرهنگی در ایران پذیرش گسترده را کند کرده است. پیشنهاد می شود سازمان ها سرمایه گذاری در آموزش مهارت های تحلیلی، توسعه فرهنگ داده محور و شفافیت داده را اولویت دهند تا بازگشت سرمایه این فناوری ها حداکثر شود. این پژوهش برای نخستین بار چارچوبی یکپارچه برای اتصال مدل های ترکیبی یادگیری ماشین به سیستم های پیش بینی کننده ریسک مالی یکپارچه با تاکید بر عوامل غیرفنی ارائه می دهد که می تواند راهنمای سیاست گذاری و پیاده سازی در سازمان های ایرانی باشد.

کلیدواژه ها:

مدل های ترکیبی یادگیری ماشین ، علوم داده ، حسابداری مدیریتی ، سیستم های پیش بینی کننده ریسک مالی ، فرهنگ یادگیری سازمانی ، شفافیت داده محور