مقاله انگلیسی با ترجمه اثربخشی ادغام هوش مصنوعی و بلاکچین برای پیشگیری از تقلب در سیستم‌های اطلاعات حسابداری: مروری سیستماتیک بر شواهد تجربی

مشخصات مقاله  فهرست مطالب نمونه ترجمه مقاله انگلیسی خرید ترجمه مقالات مرتبط سفارش پروپوزال

عنوان فارسی:

اثربخشی ادغام هوش مصنوعی و بلاکچین برای پیشگیری از تقلب در سیستم‌های اطلاعات حسابداری: مروری سیستماتیک بر شواهد تجربی

عنوان انگلیسی:

effectiveness of artificial intelligence and blockchain integration for fraud prevention in accounting information systems: a systematic review of empirical evidence

کد محصول: h1190

سال نشر: 2026

نام ناشر (پایگاه داده): UNITA

نام مجله: Proceeding of SINERGY

نوع مقاله: مروری (Review Article)

متغیر : ندارد

فرضیه: ندارد

مدل مفهومی: ندارد

پرسشنامه : ندارد

تعداد صفحه انگلیسی: 9 صفحه PDF

تعداد صفحه ترجمه فارسی:   15 صفحه WORD

قیمت فایل ترجمه شده:  82000 تومان

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله به صورت کامل ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

چکیده 

تحول دیجیتال سیستم های اطلاعات حسابداری (AIS)،از سویی بهره‌وری عملیاتی را افزایش می‌دهد، از سویی دیگر ریسک تقلب حسابداری را نیز تشدید می‌کند. کنترل‌های داخلی سنتی اغلب برای مقابله با تقلب‌های پیچیده و نظام‌مند کافی نیستند، و این امر موجب پذیرش فناوری‌های پیشرفته‌ای چون هوش مصنوعی (AI) و بلاک‌چین شده است. هوش مصنوعی از طریق شناسایی ناهنجاری‌ها و تحلیل داده‌ها، از کشف فعال تقلب حمایت می‌کند؛ در حالی که بلاک‌چین از طریق شفافیت و تغییر‌ناپذیری، یکپارچگی داده‌ها را تضمین می‌کند. با این حال، شواهد تجربی درباره‌ی اثربخشی ادغام این دو فناوری در AIS همچنان محدود و پراکنده‌اند. این پژوهش، مرور سیستماتیک ادبیات (SLR) را برای ترکیب یافته‌های تجربی در مورد اثربخشی ادغام هوش مصنوعی و بلاک‌چین برای پیشگیری از تقلب در AIS به کار می‌گیرد. ده مقاله‌ی تجربی منتشر شده بین سال‌های ۲۰۲۰ تا ۲۰۲۵ از پایگاه‌های Google Scholar، SINTA، Scopus و Web of Science انتخاب شدند. یک ترکیب روایی برای شناسایی الگوها، نقش‌های فناوری، سازوکارهای ادغام و عوامل اجرایی بکار گرفته شد. نتایج نشان می‌دهند که ادغام هوش مصنوعی–بلاک‌چین نسبت به کاربردهای مستقل، پیشگیری از تقلب را تقویت می‌کند. هوش مصنوعی عمدتاً امکان شناسایی ناهنجاری‌ها و تحلیل تقلب در زمان واقعی را فراهم می‌سازد، در حالی که بلاک‌چین به عنوان سازوکار پیشگیرانه‌ای عمل می‌کند که تغییرناپذیری داده‌ها و ردیابی قابل اعتماد حسابرسی را تضمین می‌نماید. سازوکارهای کلیدی ادغام شامل شناسایی ناهنجاری‌ها، ردیابی‌های حسابرسی مبتنی بر بلاک‌چین، قراردادهای هوشمند و حسابرسی پیوسته هستند. اثربخشی اجرا، تا حد زیادی تحت تأثیر آمادگی سازمانی، کیفیت داده‌ها، شایستگی منابع انسانی، زیرساخت فناوری اطلاعات و حمایت‌های قانونی قرار دارد. این مطالعه، یک ترکیب تجربی را ارائه کرده و بر اهمیت رویکرد اجتماعی–فناورانه برای پیشگیری پایدار از تقلب در AIS تأکید می‌کند.

کلیدواژه‌ها: هوش مصنوعی، بلاک‌چین، سیستم های اطلاعات حسابداری، پیشگیری از تقلب، مرور سیستماتیک ادبیات

Abstract: Digital transformation of Accounting Information Systems (AIS) increases operational efficiency while amplifying the risk of accounting fraud. Conventional internal controls are often insufficient to address complex and systematic fraud, driving the adoption of advanced technologies such as Artificial Intelligence (AI) and blockchain. AI supports active fraud detection through anomaly identification and data analytics, whereas blockchain ensures data integrity through transparency and immutability. However, empirical evidence on the effectiveness of their integration in AIS remains limited and fragmented. This study applies a Systematic Literature Review (SLR) to synthesize empirical findings on the effectiveness of AI and blockchain integration for fraud prevention in AIS. Ten empirical journal articles published between 2020 and 2025 were selected from Google Scholar, SINTA, Scopus, and Web of Science. A narrative synthesis was employed to identify patterns, technological roles, integration mechanisms, and implementation factors. The results indicate that AI–blockchain integration provides superior fraud prevention compared to standalone applications. AI primarily enables real-time anomaly detection and fraud analytics, while blockchain functions as a preventive mechanism by ensuring data immutability and reliable audit trails. Key integration mechanisms include anomaly detection, blockchain-based audit trails, smart contracts, and continuous auditing. Implementation effectiveness is strongly influenced by organizational readiness, data quality, human resource competence, IT infrastructure, and regulatory support. This study contributes an empirical synthesis and emphasizes the importance of a socio-technical approach to sustainable fraud prevention in AIS.

Keywords: Artificial Intelligence, Blockchain, Accounting Information Systems, Fraud Prevention, Systematic Literature Review

1.مقدمه

رشد سریع فناوری‌های دیجیتال، تحولات چشمگیری در رویه­های سیستم های اطلاعات حسابداری (AIS) به وجود آورده است. AIS دیگر صرفاً به عنوان ابزاری برای ثبت تراکنش‌های مالی عمل نمی‌کند، بلکه نقشی راهبردی در ارائه‌ی اطلاعات دقیق، مرتبط و بهنگام برای پشتیبانی از تصمیم‌گیری مدیریتی دارد. با این حال، دیجیتالی شدن سیستم­های حسابداری، پیچیدگی فرایندهای تجاری را نیز افزایش می‌دهد و احتمال تشدید ریسک تقلب حسابداری را به همراه دارد. تشخیص اشکال پیچیده‌تر و سیستماتیک‌تر کلاهبرداری از طریق سازوکارهای سنتی کنترل داخلی اغلب دشوار است (لویی، 2023؛ سوپریادی، 2024)…

1.INTRODUCTION The rapid development of digital technologies has brought significant transformations to Accounting Information Systems (AIS) practices. AIS no longer functions merely as a tool for recording financial transactions but plays a strategic role in providing accurate, relevant, and timely information to support managerial decision-making. However, the digitalization of accounting systems also increases the complexity of business processes, potentially amplifying the risk of accounting fraud. Increasingly sophisticated and systematic forms of fraud are often difficult to detect through traditional internal control mechanisms (Lui, 2023; Supriadi, 2024)…

2.روش‌شناسی

این پژوهش از رویکرد مرور نظام‌مند ادبیات (SLR) برای شناسایی و ترکیب یافته‌های تجربی مرتبط با اثربخشی ادغام هوش مصنوعی (AI) و بلاک‌چین در پیشگیری از تقلب در سیستم های اطلاعات حسابداری (AIS) استفاده می‌کند. این رویکرد با هدف ارائه‌ی دیدگاهی جامع و ساختاریافته از ادبیات موجود و نیز شناسایی الگوهای پژوهشی و شکاف‌های موجود بر پایه‌ی شواهد علمی دقیق اتخاذ شده است. جست‌وجوی منابع به صورت نظام‌مند از طریق پایگاه‌های علمی معتبر شامل Google Scholar، SINTA، Scopus و Web of Science انجام شد. راهبرد جست‌وجو  استفاده از ترکیبی از واژه‌های کلیدی مانند «هوش مصنوعی»، «بلاک‌چین»، «سیستم اطلاعات حسابداری»، «پیشگیری از تقلب» و «تشخیص تقلب» و معادل‌های آن‌ها در زبان اندونزیایی می باشد. از عملگرهای بولی AND و OR برای افزایش ارتباط و دقت نتایج جست‌وجو استفاده شد…

2. METHODOLOGY This study employs a Systematic Literature Review (SLR) approach to identify and synthesize empirical findings related to the effectiveness of Artificial Intelligence (AI) and blockchain integration in fraud prevention within Accounting Information Systems (AIS). This approach is adopted to provide a comprehensive and structured overview of the existing literature, as well as to identify prevailing research patterns and gaps based on rigorous scientific evidence. The literature search was conducted systematically using reputable academic databases, namely Google Scholar, SINTA, Scopus, and Web of Science. The search strategy applied a combination of keywords including “Artificial Intelligence”, “Blockchain”, “Accounting Information System”, “Fraud Prevention”, and “Fraud Detection”, along with their equivalents in the Indonesian language. Boolean operators AND and OR were used to enhance the relevance and precision of the search results…

۳.۱. اثربخشی ادغام هوش مصنوعی و بلاک‌چین در پیشگیری از تقلب در سیستم های اطلاعات حسابداری

بر اساس ترکیب ده مطالعه تجربی، الگوی نسبتاً ثابتی از یافته‌ها نشان می‌دهد که ادغام هوش مصنوعی (AI) و بلاک‌چین سطح بالاتری از اثربخشی را در پیشگیری از تقلب در مقایسه با کاربرد منفرد هر یک از این فناوری‌ها فراهم می‌آورد. مطالعاتی که به طور صریح به بررسی ادغام هر دو فناوری پرداخته‌اند (کثا، ۲۰۲۴؛ کومار و یامونا، ۲۰۲۵؛ سعید و چک، ۲۰۲۴) بهبودهای چشمگیری را در دقت شناسایی تقلب، تسریع در تشخیص تراکنش‌های ناهنجار، و تقویت یکپارچگی داده‌های حسابداری گزارش می‌دهند…

3.1 Effectiveness of Artificial Intelligence and Blockchain Integration in Fraud Prevention within Accounting Information Systems Based on the synthesis of ten empirical studies, a relatively consistent pattern of findings indicates that the integration of Artificial Intelligence (AI) and Blockchain provides a higher level of effectiveness in fraud prevention compared to the isolated application of each technology. Studies that explicitly examine the integration of both technologies (Ketha, 2024; Kumar & Yamuna, 2025; Saeed & Cek, 2024) report significant improvements in fraud detection accuracy, accelerated identification of anomalous transactions, and strengthened integrity of accounting data…

۴. نتیجه‌گیری

یک مرور نظام‌مند از ده مطالعه تجربی نشان می‌دهد که ادغام هوش مصنوعی (AI) و بلاک‌چین به طور مداوم اثربخشی بالاتری را در پیشگیری از تقلب در سیستم های اطلاعات حسابداری نسبت به اجرای جداگانه هر یک از این فناوری‌ها فراهم می‌سازد. هوش مصنوعی نقش غالبی در شناسایی فعال تقلب از طریق تحلیل الگوهای تراکنش، تشخیص ناهنجاری‌ها، و تحلیل‌های تقلب مبتنی بر یادگیری ماشین ایفا می‌کند، در حالی که بلاک‌چین به عنوان یک سازوکار ساختاری پیشگیرانه عمل می‌نماید که یکپارچگی، شفافیت و تغییرناپذیری داده‌های حسابداری را تضمین می‌کند. ترکیب این دو فناوری منجر به سامانه‌ای برای پیشگیری از تقلب می‌شود که هم خاصیت کشف‌کنندگی و هم خاصیت پیشگیرانه دارد و توسط سازوکارهای کلیدی مانند شناسایی ناهنجاری‌ها، رویه­های حسابرسی مبتنی بر بلاک‌چین، و اجرای قراردادهای هوشمند و حسابرسی مستمر پشتیبانی می‌گردد…

4. CONCLUSION A systematic review of ten empirical studies shows that the integration of Artificial Intelligence (AI) and blockchain consistently provides higher effectiveness in fraud prevention within Accounting Information Systems than the implementation of each technology separately. AI plays a dominant role in the active detection of fraud through transaction pattern analysis, anomaly identification, and machine learning–based fraud analytics, while blockchain functions as a structural preventive mechanism that ensures the integrity, transparency, and immutability of accounting data. The combination of these two technologies results in a fraud prevention system that is both detective and preventive in nature, supported by key mechanisms such as anomaly detection, blockchain-based audit trails, and the implementation of smart contracts and continuous auditing…