طراحی مدل حسابرسی شناختی مبتنی بر هوش مصنوعی مولد برای کشف الگوهای پنهان تقلب مالی در سازمان های هوشمند
محل انتشار: مجله مدیریت استراتژیک هوشمند، دوره: 5، شماره: 4
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 27
فایل این مقاله در 24 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:
JR_ISM-5-4_010
تاریخ نمایه سازی: 22 آبان 1405
چکیده مقاله:
در این پژوهش، مدل حسابرسی شناختی مبتنی بر هوش مصنوعی مولد برای کشف الگوهای پنهان تقلب مالی در سازمان های هوشمند طراحی و اعتبارسنجی شد. با توجه به پیچیده تر شدن ساختارهای مالی و گسترش تقلب های چندلایه و داده محور، روش های سنتی حسابرسی کارایی لازم را در شناسایی رفتارهای غیرعادی ندارند. پژوهش حاضر با رویکرد آمیخته (کیفی–کمی) انجام شد؛ در فاز کیفی، با استفاده از تحلیل مضمون و مصاحبه با ۱۸ خبره، ابعاد مدل شامل زیرساخت های داده محور، قابلیت های شناختی، هوش مصنوعی مولد، پردازش اطلاعات، کشف ناهنجاری و تصمیم گیری هوشمند استخراج گردید. در فاز کمی، داده ها از ۳۲۰ پرسشنامه معتبر جمع آوری و با استفاده از مدل یابی معادلات ساختاری مبتنی بر حداقل مربعات جزئی تحلیل شد. نتایج نشان داد که مدل از برازش مناسبی برخوردار بوده و کلیه روابط میان سازه ها معنادار هستند. یافته ها بیانگر آن است که زیرساخت های داده محور از طریق تقویت قابلیت های شناختی و مولد، نقش مهمی در افزایش دقت کشف تقلب، کاهش ریسک مالی و ارتقای شفافیت مالی دارند. همچنین هوش مصنوعی مولد با توانایی تحلیل داده های ساختاریافته و غیرساختاریافته، امکان شناسایی الگوهای پنهان و پیش بینی رفتارهای متقلبانه را فراهم می سازد. در مجموع، نتایج پژوهش نشان می دهد که حسابرسی شناختی می تواند به عنوان رویکردی نوین و کارآمد در ارتقای نظام های حسابرسی و مقابله با تقلب مالی در سازمان های هوشمند مورد استفاده قرار گیرد.
کلیدواژه ها:
نویسندگان
فرشید سیدمهدی
معاونت مالی و اداری.شرکت سبززیور، تهران، ایران
ارکیده حامدی
استادیار مدیریت بازرگانی، گروه مدیریت، اقتصاد و حسابداری، دانشکده علوم انسانی، دانشگاه پیام نور، تهران، 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 :