پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 127 |
| تعداد شمارهها | 7,157 |
| تعداد مقالات | 76,944 |
| تعداد مشاهده مقاله | 155,083,563 |
| تعداد دریافت فایل اصل مقاله | 117,028,433 |
مدل آیندهنگری بهکارگیری هوش مصنوعی در گزارشگری مالی با تأکید بر سودمندی درکشده و سهولت استفادهشده | ||
| تحقیقات مالی | ||
| دوره 27، شماره 3، 1404، صفحه 660-684 اصل مقاله (818.95 K) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/frj.2024.383400.1007651 | ||
| نویسندگان | ||
| هاشم حیدر یوسف1؛ پرویز پیری* 2؛ پری چالاکی2 | ||
| 1دانشیجوی دکتری، گروه حسابداری، دانشکدۀ اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران. | ||
| 2گروه حسابداری، دانشکدۀ اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران. | ||
| چکیده | ||
| هدف: هدف حسابداری، ارائه اطلاعات سودمند برای مقاصد تصمیمگیری استفادهکنندگان است و ارتقای سطح سودمندی گزارشگری مالی و سهولت استفاده از آن، نقش مهمی در تصمیمگیری استفادهکنندگان از گزارشهای مالی ایفا میکند. با وجود این، سازوکار بهبود کیفیت گزارشگری مالی از طریق فناوریهای نوین مبتنی بر هوش مصنوعی با توجه به سودمندی درک شده و سهولت استفاده توسط کاربران آن، هنوز چندان روشن نیست. در این راستا، پژوهش حاضر درصدد است تا به ارائۀ مدل کیفیت گزارشگری مالی مبتنی بر بهکارگیری هوش مصنوعی با تأکید بر سودمندی درک شده و سهولت استفاده بپردازد. روش: پژوهش حاضر از لحاظ هدف، از نوع کاربردی و از حیث روش جمعآوری دادهها، بر اساس روش آمیخته انجام شد. در بخش کیفی، از مصاحبههای باز و نیمهساختاریافته، مبتنی بر نظر خبرگان پژوهش استفاده شد. این مصاحبهها با ۱۲ نفر از خبرگان و استادان دانشگاهی مرتبط به حوزۀ حسابرسی و آشنا به هوش مصنوعی انجام شد. در بخش کمّی نیز، نمونۀ آماری ۲۰۰ نفر از حسابرسان شاغل در سازمان و مؤسسههای حسابرسی در کشور عراق بودند. با توجه به رویکرد کیفی که مبتنی بر نظریۀ دادهبنیاد بود، پس از گردآوری مصاحبهها، دادهها از طریق سه مرحلۀ کدگذاری باز، کدگذاری محوری و کدگذاری انتخابی و بهروش تحلیل متنی تجزیهوتحلیل شدند. در نهایت، مدل کیفیت گزارشگری مالی مبتنی بر بهکارگیری هوش مصنوعی با تأکید بر سودمندی درکشده و سهولت، در قالب ۸۰ مضمون پایه و ۲۷ کد محوری ارائه شد. یافتهها: نتایج نشان میدهد که شرایط علّی، مانند تجزیهوتحلیل دادههای بزرگ، اتوماسیون وظایف، تجزیهوتحلیل پیشبینی و شناسایی الگوها و ناهنجاریها، همراه با شرایط زمینهای، شامل سودمندی درکشده و سهولت استفاده، بر مقولۀ محوری کیفیت گزارشگری مالی تأثیرگذارند. مقولۀ محوری، شامل ارتقای شفافیت، تحلیل دادههای مالی در زمان واقعی، کاهش اقلام تعهدی اختیاری، بهبود پیشبینی سود و جریان نقدی، کاهش تقلب و ریسک تحریف بااهمیت است. راهبردهای بهبود کارایی، دقت تحلیل، سرعت و تصمیمگیری مالی، پیامدهایی همچون کاهش خطای انسانی، صرفهجویی در زمان، افزایش شهرت حسابرسان، و حسابرسی مستمر را به همراه دارد. بااینحال، شرایط مداخلهگر نظیر هزینههای یکپارچهسازی، نگرانیهای امنیتی و نیاز به انطباق با مقررات، چالشهایی را ایجاد میکنند. توجه به این مؤلفهها برای دستیابی به گزارشگری مالی کارآمدتر و باکیفیتتر ضروری است. نتیجهگیری: نتایج حاکی از این است که هوش مصنوعی توانایی خودکارسازی و افزایش دقت فرایندهای گزارشگری مالی را دارد. با استفاده از هوش مصنوعی در جمعآوری دادهها، تجزیهوتحلیل و مدلسازی پیشبینیکننده، شرکتها قادر خواهند بود به استانداردهای بالاتری از کیفیت گزارشگری دست یابند. این امر با بینشهای زمان واقعی، شناسایی روندها و قابلیتهای تصمیمگیری بهبودیافته مشخص میشود. همچنین، از آنجا که ارتقای سطح سودمندی گزارشگری مالی و سهولت استفاده از آن، در تصمیمگیری استفادهکنندگان نقش مهمی ایفا میکند، یکپارچهسازی هوش مصنوعی در شیوههای گزارشگری، میتواند مسیری برای گزارشگری کارآمدتر، دقیقتر و روشنتر ارائه دهد. این فرایند علاوهبر بهبود کیفیت گزارشها، به کسبوکارها کمک میکند تا تصمیمهای مالی بهتری اتخاذ کنند و ریسکهای احتمالی را کاهش دهند. بنابراین، با توجه به قابلیتهای بالقوه هوش مصنوعی در افزایش دقت و سرعت گزارشگری مالی، پیشنهاد میشود که سیاستگذاران چارچوبها و مقرراتی را طراحی کنند که استفاده از هوش مصنوعی در این حوزه را تسهیل کند و در عین حال از سوءاستفادهها و تهدیدهای امنیتی جلوگیری کند. این امر نهتنها به بهبود کیفیت گزارشگری مالی کمک خواهد کرد، بلکه به توسعۀ دانش و نوآوری در این زمینه نیز میانجامد. | ||
| کلیدواژهها | ||
| آیندهنگاری کاربرد هوش مصنوعی؛ سودمندی درکشده؛ سهولت استفاده؛ کیفیت گزارشگری مالی | ||
| عنوان مقاله [English] | ||
| A Foresight Model for Adopting Artificial Intelligence in Financial Reporting: Emphasizing Perceived Usefulness and Ease of Use | ||
| نویسندگان [English] | ||
| Hashim Hayder Yousif1؛ Parviz Piri2؛ Pari Chalaki2 | ||
| 1Ph.D. Candidate, Department of Accounting, Faculty of Economics and Management, Urmia University, Urmia, Iran. | ||
| 2Associate Prof., Department of Accounting, Faculty of Economics and Management, Urmia University, Urmia, Iran. | ||
| چکیده [English] | ||
| Objective Accounting aims to provide useful information to support users’ decision-making. Enhancing both the usefulness and ease of use of financial reporting is crucial for improving users’ decision-making processes. However, the mechanisms for improving financial reporting quality through AI-driven technologies, focusing on perceived usefulness and ease of use, remain unclear. This study aims to present a financial reporting quality model based on the application of artificial intelligence, emphasizing perceived usefulness and ease of use. Methods This applied research adopts a mixed-methods approach. In the qualitative phase, open and semi-structured interviews were conducted with 12 experts and academic professionals specializing in auditing and artificial intelligence. Data were analyzed using grounded theory through open, axial, and selective coding. In the quantitative phase, a sample of 200 auditors employed in Iranian organizations and auditing firms participated. Data analysis in the qualitative phase identified 80 basic themes and 27 axial codes, resulting in the development of a comprehensive model for AI-based financial reporting quality. Results Results indicate that causal conditions, including big data analytics, task automation, predictive analysis, and anomaly detection, combined with contextual factors such as perceived usefulness and ease of use, significantly impact the core category of financial reporting quality. The core category encompasses enhancing transparency, real-time financial data analysis, reducing discretionary accruals, improving profit and cash flow forecasting, and mitigating fraud and material misstatements. Strategies such as improving efficiency, analytical precision, speed, and financial decision-making result in outcomes such as reducing human error, saving time, boosting auditors' reputation, and enabling continuous auditing. However, intervening conditions such as integration costs, security concerns, and regulatory compliance present challenges. Addressing these factors is essential for achieving more efficient and higher-quality financial reporting. Conclusion The results indicate that artificial intelligence has the capability to automate and enhance the accuracy of financial reporting processes. By using AI in data collection, analysis, and predictive modeling, companies can achieve a higher standard of reporting quality. This is reflected in real-time insights, trend identification, and improved decision-making capabilities. Accounting aims to provide useful information to support users’ decision-making. Enhancing both the perceived usefulness and ease of use of financial reporting plays a crucial role in improving these decision-making processes. Moreover, integrating artificial intelligence into reporting practices can pave the way for more efficient, accurate, and transparent financial reporting. This process, in addition to improving the quality of reports, helps businesses make better financial decisions and reduce potential risks, ensuring a more robust framework for organizational growth and financial stability. Furthermore, AI can greatly contribute to the automation of routine tasks, allowing human auditors and financial professionals to focus on more strategic and complex issues. By analyzing large data sets at a faster pace than traditional methods, AI reduces the likelihood of errors and inconsistencies in financial reporting. This not only improves the overall reliability of financial statements but also enhances compliance with regulatory requirements. Given AI's potential to increase the accuracy and speed of financial reporting, it is recommended that policymakers design frameworks and regulations that facilitate the use of AI in this area while preventing misuse and security threats. Clear guidelines should be established to ensure ethical use, data protection, and transparency in AI-powered financial reporting systems. Such measures will help mitigate any potential risks associated with the adoption of AI in the sector while allowing for more effective and informed decision-making. This will not only improve the quality of financial reporting but also foster knowledge, development, and innovation in this field, contributing to the evolution of financial practices and the broader economic landscape. | ||
| کلیدواژهها [English] | ||
| Foresight of artificial intelligence application, Perceived usefulness, Ease of use, Financial reporting quality | ||
| مراجع | ||
|
حسینی، احد؛ جبارزاده کنگرلویی، سعید؛ بحری ثالث، جمال و سعدی، رسول ( 1400 ). تبیین موانع پیادهسازی استانداردهای بینالمللی گزارشگری مالی، رویکرد نظریه دادهبنیاد. تحقیقات مالی، 23(1)، 108-133.
خانیذلان، امیررضا؛ حجازی، رضوان؛ رنجبر، محمدحسین و سالاری، حجتالله (1401). ارائه سودمندی گزارشگری مالی تلفیقی با استفاده از معادلات ساختاری. نشریه پژوهشهای حسابداری مالی، 14 (3)، 59-84.
دلاور، علی (1390). روششناسی کیفی. راهبرد، 19(54)، 307-329.
زارع، حمید؛ حاجیها، زهره و کیقبادی، امیررضا (1402). ارائه الگوی ارزیابی کیفیت فرایند حسابرسی صورتهای مالی با استفاده از هوش مصنوعی. دانش حسابرسی، ۲۳ (۹۲)، 252-280.
زیودار، زهره (1401). کاربرد تکنیکهای هوش مصنوعی در حوزه مالی و حسابداری. نشریه علمی رویکردهای پژوهشی نوین مدیریت و حسابداری، 6 (20)، 1557-1572.
شیخی، مریم؛ حجازی، رضوان و زنجیردار، مجید (1402). ارائه الگوی نقش فناوریهای نوظهور در سیستم اطلاعات حسابداری و گزارشگری مالی. حسابداری و منافع اجتماعی، 13 (2)، 1-30.
غمخواری، سیدهمعصومه؛ پورعلیگنجی، لیلا (1401). بررسی تأثیر سودمندی درکشده، سهولت استفاده، لذت، اعتماد و نفوذ اجتماعی بر قصد استفاده با نقش میانجی نگرش مصرفکننده (مورد مطالعه: مشتریان برق خورشیدی خانگی شهر یزد). فصلنامه علمی نگرشهای نوین بازرگانی، 3 (4)، 87-66.
کاظمیان، محسن؛ حبیبی، علیرضا؛ حبیبی، مرتضی (1399). بررسی میزان تأثیر سهولت استفاده، سودمندی درکشده و تصویر اجتماعی استفاده از موبایل بانک بر نگرش مشتریان و تمایل مشتریان به استفاده (مورد مطالعه: استفادهکنندگان موبایل بانک تجارت). رویکردهای پژوهش نوین در مدیریت و حسابداری، 27، 93-74.
نریمانی، نگار و همتفر، محمود (1403). تجزیهوتحلیل ادارک حسابرسان از هوش مصنوعی و سهم آن در کیفیت حسابرسی. نخبگان علوم و مهندسی، 9(2)، 17-29.
نظریپور، محمد و زکیزاده، بابک (1402). بررسی عوامل مؤثر بر پذیرش و بهکارگیری فناورهای اطلاعاتی از سوی حسابداران: مدل پذیرش فناوری. مطالعات حسابداری و حسابرسی، 12 (48)، 63-82.
References Ahmad, A. Y. A. B., Abusaimeh, H., Rababah, A., Alqsass, M., Al-Olima, N. & Hamdan, M. (2024). Assessment of effects in advances of accounting technologies on quality financial reports in Jordanian public sector. Uncertain Supply Chain Management, 12 (1), 133-142. Ahmad, V., Goyal, L., Arora, M., Kumar, R., Chythanya, K. R. & Chaudhary, S. (2023). The Impact of AI on Sustainability Reporting in Accounting. In 2023 6th International Conference on Contemporary Computing and Informatics (IC3I) (Vol. 6, pp. 643-648). IEEE. Anantharaman, D., Rozario, A. & Zhang, C. A. (2023). Artificial Intelligence and Financial Reporting Quality. Available at SSRN 4625279. Arpilleda, J. Y. (2023). Exploring the potential of AI and machine learning in predictive maintenance of electrical systems. International Journal of Advanced Research in Science, Communication and Technology, 3(23), 751-56. Chen, C. C., Chen, C. W. & Tung, Y. C. (2018). Exploring the consumer behavior of intention to purchase green products in belt and road countries: An empirical analysis. Sustainability, 10(3), 854. Choudhary, P., Sigler, J. & Ramadas, V. (2022). The Implications of IT Environment on the Audit and Financial Reporting Quality. PCAOB, 29 (5), 1021-1053. Delaware, A. (2010). Qualitative methodology. Strategy, 19(54), 307-329. (in Persian) Fedyk, A., Hodson, J., Khimich, N. & Fedyk, T. (2022). Is artificial intelligence improving the audit process? Review of Accounting Studies, 27 (3), 938-985. Ghamkhari, S. M. & Pour Ali Ganji, L. (2023). Investigating the effect of perceived usefulness, ease of use, enjoyment, trust and social influence on intention to use with the mediating role of consumer attitude (Case of study: Household solar electricity customers in Yazd city). Journal of Intelligent Marketing Management, 4(2), 66-87. (in Persian) Grover, P., Kar, A. K., Janssen, M. & Ilavarasan, P. V. (2019). Perceived usefulness, ease of use and user acceptance of blockchain technology for digital transactions–insights from user-generated content on Twitter. Enterprise Information Systems, 13(6), 771-800. Hamidi, K. S., Al-Saadi, M. N. & Al-Shibli, G. I. (2023). Using artificial intelligence techniques to improve financial reporting and its impact on investor decisions. Tikrit Journal of Administrative and Economic Sciences, 19 (1), 23-67. Hosseini, A., Jabbarzade Kangaarloye, S., Bahri Sales, J. & Sadi, R. (2021). Explaining the Obstacles to Implementing International Financial Reporting Standards; Grounded Theory Approach. Financial Research Journal, 23(1), 108-133. (in Persian) Jejeniwa, T. O., Mhlongo, N. Z. & Jejeniwa, T. O. (2024). A comprehensive review of the impact of artificial intelligence on modern accounting practices and financial reporting. Computer Science & IT Research Journal, 5 (4), 1031-1047. Kazemian, M; Habibi, A.R; Habibi, M., (2020). Investigating the Impact of Ease of Use, Perceived Usefulness, and Social Image of Mobile Banking on Customer Attitudes and Customer Intention to Use (Case Study: Users of Tejarat Bank Mobile Banking). New Research Approaches in Management and Accounting, 27, 74-93. (in Persian) Khani Zalan, A., Hejazi, R., Ranjbar, M. H. & Salari, H. A. (2022). Presenting the utility of consolidated financial reporting using structural equations. Financial Accounting Research, 14(3), 59-84. (in Persian) Narimani, N. & Hematfar, M. (2024). Analysis of Auditors' Perception of Artificial Intelligence and Its Contribution to Audit Quality. Journal of Science and Engineering Elites, 9(2), 17-29. (in Persian) Nazaripour, M. & Zakizadeh, B. (2023). The Factors Affecting the Adoption and Implementation of Information Technology: The Technology Acceptance Model. Accounting and Auditing Studies, 12(48), 63-82. (in Persian) Oyeniyi, L. D., Ugochukwu, C. E. & Mhlongo, N. Z. (2024). The influence of AI on financial reporting quality: A critical review and analysis. World Journal of Advanced Research and Reviews, 22 (1), 679-694. Sheikhi, M., Hijazi, R. & Zajindar, M. Presenting the Model of the Role of Emerging Technologies in the Accounting Information System and Financial Reporting. Accounting and social interests, 13(2), 1-30. (in Persian) Sitawati, H. D. , Ruldeviyani, Y. , Hidayanto, A. N. , Amanda, R. S. & Nugroho, A. G. (2022). Data Quality Improvement: Case Study Financial Regulatory Authority Reporting. In 2021 International Seminar on Machine Learning, Optimization, and Data Science (ISMODE) (pp. 272-277). IEEE. Sreseli, N. (2023). Use of Artificial Intelligence for Accounting and Financial Reporting Purposes: A Review of the Key Issues. American International Journal of Business Management, 6 (8), 12-89. Zare, H., Hajiha, Z., and Kiqbadi, A. (2023). Providing a quality assessment model of the financial statement audit process using artificial intelligence. Audit Science, 23 (92), 252-280. (in Persian) Zivdar, Z. (2022). Application of artificial intelligence techniques in the field of finance and accounting. Journal of New Research Approaches in Management and Accounting, 6 (20), 1572-1557. (in Persian) | ||
|
آمار تعداد مشاهده مقاله: 1,247 تعداد دریافت فایل اصل مقاله: 578 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب