ادغام هوش مصنوعی توضیح پذیر و قابلیت های پویا سازمانی در توسعه چارچوب های هوشمند بودجه بندی مبتنی بر ریسک برای سازمان های ایرانی در شرایط نوسانات اقتصادی و تحریم ها
سال انتشار: 1405
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 55
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IMPEB01_1157
تاریخ نمایه سازی: 10 آبان 1405
چکیده مقاله:
این پژوهش با هدف توسعه چارچوبی یکپارچه برای ادغام هوش مصنوعی توضیح پذیر و قابلیت های پویا سازمانی در بودجه بندی هوشمند مبتنی بر ریسک در سازمان های ایرانی تحت شرایط نوسانات اقتصادی شدید و تحریم های بین المللی انجام شد. روش تحقیق توصیفی-تحلیلی با رویکرد کمی و ابزار پرسشنامه محقق ساخته بود. جامعه آماری شامل مدیران مالی و کارشناسان بودجه بندی در سازمان های متوسط و بزرگ دولتی و خصوصی در چهار استان تهران، اصفهان، فارس و آذربایجان شرقی بود. با نمونه گیری خوشه ای چندمرحله ای ۳۱۲ پرسشنامه معتبر جمع آوری گردید. روایی محتوایی توسط پنل متخصصان و پایایی با آلفای کرونباخ ۰.۹۳۴ تایید شد. تحلیل داده ها با مدل سازی معادلات ساختاری مبتنی بر حداقل مربعات جزیی در نرم افزار اسمارت پلس انجام گرفت. نتایج نشان داد که کاربرد هوش مصنوعی توضیح پذیر تاثیر قوی و معناداری بر دقت پیش بینی ریسک بودجه ای (ضریب مسیر ۰.۶۸۱) و کاهش ریسک مالی (ضریب مسیر ۰.۶۴۳) دارد و ۵۸.۰۷ درصد واریانس این متغیرها را توضیح می دهد. همچنین قابلیت های پویا سازمانی شامل حس کردن، فرصت ها، بهره برداری از آنها و بازسازی منابع رابطه میان هوش مصنوعی توضیح پذیر و اثربخشی بودجه بندی هوشمند را به طور معناداری تعدیل می کند و ضریب تعیین را از ۰.۴۸۱ به ۰.۶۴۲ افزایش می دهد. چارچوب ترکیبی پیشنهادی هوش مصنوعی توضیح پذیر و قابلیت های پویا، ۶۵.۱ درصد واریانس بهینه سازی تخصیص منابع را در شرایط نوسانی توضیح می دهد. سازمان های خصوصی عملکرد بهتری نسبت به سازمان های دولتی نشان دادند که این امر به دلیل انعطاف پذیری بیشتر و سرمایه گذاری بالاتر در فناوری است. یافته ها بیانگر پتانسیل بالای ترکیب هوش مصنوعی توضیح پذیر و قابلیت های پویا برای تحول بودجه بندی در محیط های پرریسک ایران است. این چارچوب با ارائه توضیح پذیری بالا از طریق روش های مناسب اعتماد مدیران را افزایش می دهد و امکان شبیه سازی سناریوهای ناشی از تحریم و نوسانات ارزی را فراهم می کند. این پژوهش برای نخستین بار این ادغام را در شرایط تحریم زده ایران بررسی کرده و چارچوبی عملی برای کاهش ریسک بودجه ای تا ۴۰ درصد ارائه می دهد. پیشنهاد می شود سازمان ها برنامه های آموزشی مرتبط با هوش مصنوعی توضیح پذیر، تقویت زیرساخت های داده ای و سیاست های حمایتی رهبری را در اولویت قرار دهند تا پذیرش این فناوری تسریع شود.
کلیدواژه ها:
هوش مصنوعی توضیح پذیر ، قابلیت های پویا سازمانی ، بودجه بندی هوشمند مبتنی بر ریسک ، تحریم های اقتصادی ، نوسانات اقتصادی ایران
نویسندگان
علی شهبازی
دانشجوی کارشناسی ارشد دانشگاه اراک
محمد تقی کبیری
دکتری حسابداری دانشگاه اراک
کرامت الله حیدری رستمی
دکتری حسابداری دانشگاه اراک