طراحی و اعتبارسنجی مدل شناختی-الگوریتمی یادگیری حرفه ای و مهارت های تحلیلی حسابداران عصر هوش مصنوعی: رویکرد ترکیبی یادگیری ماشین و پردازش زبان طبیعی در محیط های دیجیتال چندرسانه ای

12 مهر 1405 - خواندن 7 دقیقه - 102 بازدید

عنوان:
طراحی و اعتبارسنجی مدل شناختی-الگوریتمی یادگیری حرفه ای و مهارت های تحلیلی حسابداران عصر هوش مصنوعی: رویکرد ترکیبی یادگیری ماشین و پردازش زبان طبیعی در محیط های دیجیتال چندرسانه ای

Design and Validation of a Cognitive-Algorithmic Model for Professional Learning and Analytical Skills of Accountants in the Age of Artificial Intelligence: A Combined Approach of Machine Learning and Natural Language Processing in Multimedia Digital Environments

مرور و تحلیل تحقیقات پیشین
تحقیقات متعدد نشان داده اند که هوش مصنوعی نقش کلیدی و بی بدیلی در تحول فرآیندهای حسابداری ایفا می کند و به یکی از ارکان اصلی توسعه حرفه ای و بهبود مهارت های تحلیلی در این حوزه تبدیل شده است. پژوهش هایی مانند پژوهش میرزایی (2025) با تاکید بر افزایش سرعت، دقت و کارایی حسابداری از طریق خودکارسازی وظایف تکراری، چالش هایی همچون هزینه های بالای پیاده سازی، کاهش مشاغل، نیاز به نظارت انسانی و مسائل اخلاقی و حقوقی را نیز به وضوح برجسته کرده اند. Gitinejad & Badeie (2024) نیز به نقش هوش مصنوعی در ارتقای کارایی عملیاتی، دقت گزارشگری مالی و بهبود فرآیندهای تصمیم گیری اشاره کرده و بر ضرورت کسب مهارت های جدیدی مانند تحلیل داده و مدیریت اطلاعات تاکید نموده اند. Odonkor و همکاران (2024) نیز با بررسی ادغام هوش مصنوعی در حسابداری، نشان داده اند که این فناوری نه تنها کارایی و دقت را افزایش می دهد، بلکه حسابداری را به سمت تحلیل استراتژیک سوق می دهد. از سوی دیگر، Zhang و همکاران (2020) با تمرکز بر تاثیر هوش مصنوعی و بلاکچین، تحول عمیقی در ساختار حرفه ای حسابداری را تبیین کرده و نیاز به مهارت های جدید و تطبیق حرفه ای را به روشنی نشان داده اند.
در زمینه یادگیری و توسعه حرفه ای نیز پژوهش های متعددی به نقش هوش مصنوعی پرداخته اند. برای مثال،Sathe (2022) در پژوهشی نشان داده است که پذیرش هوش مصنوعی با اثربخشی یادگیری و توسعه حرفه ای ارتباطی مثبت دارد. بر اساس یافته های این پژوهش، شخصی سازی مسیرهای یادگیری، تقویت آموزش و توسعه و تمرکز بر یادگیری مجازی، همگی با اثربخشی یادگیری ارتباط قوی دارند و این مطالعه، شکاف پژوهشی موجود در زمینه یادگیری و توسعه حرفه ای در حسابداری را به خوبی نمایان ساخته است Wang و همکاران (2024) نیز در مرور سیستماتیک خود بر هوش مصنوعی در آموزش، به طیف وسیعی از کاربردها از جمله یادگیری تطبیقی، ارزیابی هوشمند و پیش بینی اشاره کرده و نشان داده اند که یادگیری ماشین و پردازش زبان طبیعی می توانند یادگیری و مهارت های تحلیلی را به شدت بهبود بخشند. Yılmaz & Deniz (2024) نیز با تمرکز بر کاربردهای یادگیری ماشین و پردازش زبان طبیعی در ارزیابی و سنجش آموزش، امکان تحلیل متن، تحلیل احساسات و ارائه بازخورد را فراهم کرده و بر اهمیت یادگیری مجازی و تحلیل رفتار در محیط های دیجیتال تاکید نموده اند.
با این حال، بررسی دقیق ادبیات پژوهش نشان می دهد که بیشتر تحقیقات پیشین بر تاثیر کلی هوش مصنوعی بر حسابداری، تغییرات شغلی، چالش ها و فرصت ها متمرکز بوده اند و کمتر پژوهشی به طراحی و اعتبارسنجی مدل های ترکیبی (شناختی-الگوریتمی) برای یادگیری حرفه ای و مهارت های تحلیلی حسابداران در محیط های دیجیتال چندرسانه ای پرداخته است. پژوهش های Sathe (2022) و Wang و همکاران (2024) اگرچه به بهبود یادگیری و توسعه حرفه ای از طریق هوش مصنوعی و یادگیری ماشین اشاره دارند، اما مدل های ترکیبی که هم جنبه های شناختی (مانند یادگیری، تصمیم گیری و رفتار اخلاقی) و هم جنبه های الگوریتمی (مانند یادگیری ماشین و پردازش زبان طبیعی) را در بر بگیرند، کمتر مورد توجه قرار گرفته اند. همچنین، پژوهش های Yılmaz & Deniz (2024) و Sathe (2022) اگرچه بر اهمیت یادگیری مجازی، تحلیل رفتار و بازخورد در محیط های دیجیتال تاکید دارند، اما تمرکز آن ها بر حسابداری به صورت اختصاصی نبوده و مدل های ترکیبی را پیشنهاد نکرده اند.
با توجه به نکات فوق، عنوان پیشنهادی این پژوهش با ترکیب مفاهیم شناختی، الگوریتمی و محیط های دیجیتال چندرسانه ای، شکاف پژوهشی مهمی را پر می کند. این پژوهش نه تنها به بررسی تاثیر هوش مصنوعی بر یادگیری و مهارت های تحلیلی حسابداران می پردازد، بلکه با طراحی مدل شناختی-الگوریتمی، به تحلیل رفتارهای شناختی و اخلاقی در محیط های دیجیتال چندرسانه ای نیز توجه ویژه دارد. این رویکرد ترکیبی (یادگیری ماشین و پردازش زبان طبیعی) و تحلیل رفتارهای شناختی و اخلاقی، نوآوری منحصربه فردی در حوزه حسابداری محسوب می شود و می تواند مبنایی برای تحقیقات آتی باشد. همچنین، با توجه به نیاز روزافزون به مهارت های جدید و تحول در نقش حسابداران، این پژوهش به چالش ها و فرصت های ناشی از هوش مصنوعی در محیط های دیجیتال می پردازد و راهکارهای عملی برای توسعه حرفه ای حسابداران ارائه می دهد.
در مجموع، برخی از تحقیقات انجام شده تاکنون، مبنای علمی و پژوهشی محکمی برای طراحی و اعتبارسنجی مدل شناختی-الگوریتمی یادگیری حرفه ای و مهارت های تحلیلی حسابداران در عصر هوش مصنوعی فراهم کرده اند. با این حال، پژوهش حاضر با ترکیب یادگیری ماشین (Machine Learning)، پردازش زبان طبیعی (Natural Language Processing-NLP) و تحلیل رفتارهای شناختی و اخلاقی در محیط های دیجیتال چندرسانه ای، نوآوری و ارزش افزوده علمی قابل توجهی دارد و می تواند به عنوان یک پژوهش پیشرو در حوزه حسابداری و هوش مصنوعی مطرح شود. این پژوهش نه تنها شکاف پژوهشی موجود را پر می کند، بلکه با ارائه مدلی جامع و کاربردی، راهنمای مناسبی برای سیاست گذاران، مدیران و پژوهشگران این حوزه خواهد بود.


1. Mirzaie, F. (2025). The Impact of Artificial Intelligence on Accounting. AI and Tech in Behavioral and Social Sciences, 3(1), 124-136. https://doi.org/10.61838/kman.aitech.3.1.12
2. Gitinejad, M. R., & Badeie, H. (2024). The Role of Artificial Intelligence in the Future Changes of Accounting. PowerTech Journal, 48(3), 702.
3. Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2024). Artificial intelligence in education: A systematic literature review. Expert Systems with Applications, 252(Part A), 124167. https://doi.org/10.1016/j.eswa.2024.124167
4. Odonkor, B., Kaggwa, S., Uwaoma, P. U., Hassan, A. O., et al. (2024). Integrating Artificial Intelligence in Accounting: A Quantitative Economic Perspective for the Future of U.S. Financial Markets. Finance & Accounting Research Journal, 6(1), 56-78. https://doi.org/10.51594/farj.v6i1.723
5. Zhang, Y., Xiong, F., Xie, Y., Fan, X., & Gu, H. (2020). The Impact of Artificial Intelligence and Blockchain on the Accounting Profession. IEEE Access, 8, 110461-110477. https://doi.org/10.1109/ACCESS.2020.3000505
6. Sathe, T. M. (2022). Artificial Intelligence Influenced Learning and Development in Accounting Sector. National College of Ireland, Master of Arts in Human Resource Management, Dublin.
7. Yılmaz, K., & Deniz, K. Z. (2024). Natural Language Processing and Machine Learning Applications For Assessment and Evaluation in Education: Opportunities and New Approaches. Educational Process: International Journal, 15(4), 421-445. https://doi.org/10.21031/epod.1551568