مقاله انگلیسی پیش بینی در حسابداری مالی با هوش مصنوعی – مروری بر ادبیات سیستماتیک و دستور کار تحقیقات آینده

سلام دوست من ، توی این پست براتون یه مقاله انگلیسی رایگان جدید که در دسته مقالات حسابداری مالی هست، منتشر کردیم. این مقاله یه مقاله ISI و مروری هست که توی پایگاه  امرالد در سال ۲۰۲۴ منتشر شده. فایل انگلیسی ۲۴ صفحه PDF هست بخش هایی از مقاله انگلیسی ترجمه شده که قبل از سفارش می تونید کیفیت ترجمه رو بررسی کنید. برای سفارش ترجمه کامل مقاله روی گزینه ثبت سفارش ترجمه کلیک کنید بعد از ثبت سفارش پیش فاکتور از طریق ایمیل و پیامک خدمتتون ارسال میشه. اگر سوالی بود می تونید زیر این پست کامنت بزارید سریع جوابتونو میدم.

عنوان کامل فارسی:

مقاله انگلیسی ۲۰۲۴ : پیش بینی در حسابداری مالی با هوش مصنوعی – مروری بر ادبیات سیستماتیک و دستور کار تحقیقات آینده

عنوان کامل انگلیسی:

Forecasting in financial accounting with artificial intelligence – A systematic literature review and future research agenda

کد محصول: h990

سال نشر: ۲۰۲۴

نام ناشر (پایگاه داده): امرالد

نام مجله: Journal of Applied Accounting Research

نوع مقاله: مروری (Literature review)

متغیر : ندارد

فرضیه: ندارد

مدل مفهومی:  ندارد

پرسشنامه : ندارد

تعداد صفحه انگلیسی: ۱۴ صفحه PDF

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه تخصصی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:h990)

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 فارسی

هدف – سیستم های اطلاعات حسابداری عمدتاً مبتنی بر قوانین هستند و داده ها معمولاً در دسترس و دارای ساختار مناسب هستند. با این حال، بسیاری از سیستم‌های حسابداری هنوز به پیشرفت‌های فناورانه فعلی نرسیده‌اند. بنابراین، هوش مصنوعی (AI) در حسابداری مالی اغلب فقط در پروژه های آزمایشی استفاده می شود. استفاده از پیش‌بینی‌های مبتنی بر هوش مصنوعی در حسابداری، مدیریت فعال و تجزیه و تحلیل دقیق را ممکن می‌سازد. با این حال، تا کنون، مطالعات کمی در مورد اینکه کدام مدل‌های پیش‌بینی برای مسائل حسابداری ارزیابی شده‌اند، وجود دارد. با توجه به این فقدان تحقیق، هدف مطالعه ما خلاصه سازی یافته‌های موجود در مورد چگونگی استفاده از هوش مصنوعی برای اهداف پیش‌بینی در حسابداری مالی است. بنابراین، هدف نویسندگان ارائه یک نمای کلی و دستور کار برای محققان آینده برای دستیابی به دانش تعمیم پذیر است.
طراحی/روش‌شناسی/رویکرد – نویسندگان، تحقیقات موجود در مورد پیش‌بینی های مبتنی بر هوش مصنوعی در حسابداری مالی را با انجام یک بررسی ادبیات سیستماتیک شناسایی می‌کنند. برای این منظور، نویسندگان از پایگاه های Scopus و Web of Science به عنوان پایگاه های علمی استفاده کردند. جمع آوری داده ها به حجم نمونه نهایی ۴۷ مطالعه منجر شد. این مطالعات با توجه به اهداف پیش‌بینی، اندازه نمونه، دوره و الگوریتم‌های یادگیری ماشین کاربردی مورد تجزیه و تحلیل قرار گرفتند.

یافته‌ها – نویسندگان سه حوزه کاربردی را شناسایی کردند و جزئیات مربوط به دقت و روش‌های هوش مصنوعی مورد استفاده را ارائه کردند. یافته‌های ما نشان می‌دهد که دانش اجتماعی فناورانه و قابل تعمیم هنوز وجود ندارد. بنابراین، نویسندگان همچنین یک دستور کار تحقیقاتی باز ایجاد می کنند که محققان آینده بتوانند به آن بپردازند تا امکان استفاده مکرر و کارآمد از پیش بینی های مبتنی بر هوش مصنوعی در حسابداری مالی را فراهم کنند.

محدودیت‌ها/پیامدهای تحقیق – به دلیل توسعه سریع الگوریتم‌های هوش مصنوعی، نتایج ما فقط می‌تواند یک نمای کلی از وضعیت تحقیقات فعلی ارائه دهد. بنابراین، این احتمال وجود دارد که الگوریتم‌های جدید هوش مصنوعی که هنوز در تحقیقات موجود پوشش داده نشده اند،به کار گرفته شوند. با این حال، محققان علاقه مند می توانند از یافته های ما و دستور کار تحقیقاتی آینده برای توسعه بیشتر این زمینه استفاده کنند.

پیامدهای عملی – با توجه به مزایای زیاد هوش مصنوعی برای حسابداری مالی، نتایج ما چندین دستاورد و مزایای بالقوه برای متخصصان دارد. ابتدا، نویسندگان مروری بر الگوریتم‌های هوش مصنوعی مورد استفاده در مطالعات مختلف حسابداری ارائه می‌کنند. بر اساس این مرور اجمالی، شرکت ها می توانند الگوریتم های هوش مصنوعی را که برای نیازهای عملی آنها مناسب هستند، ارزیابی کنند. دوم، متخصصان می‌توانند از نتایج ما به عنوان معیاری برای دستیابی به دقت پیش‌بینی استفاده کنند. در نهایت، مطالعه ما چندین نقطه مبهم را در تحقیقات فعلی شناسایی کرده است، مانند اطمینان از پذیرش الگوریتم‌های یادگیری ماشینی توسط کارمندان در شرکت‌ها. با این حال، شرکت ها باید این یافته ها را در نظر بگیرند تا هوش مصنوعی را در حسابداری مالی با موفقیت پیاده سازی کنند.

نوآوری/ارزش – بر اساس دانش ما، هنوز مطالعه ای انجام نشده است که یک نمای کلی از پیش بینی مبتنی بر هوش مصنوعی در حسابداری مالی ارائه دهد. با توجه به پتانسیل بالای هوش مصنوعی در حسابداری، نویسندگان قصد داشتند این شکاف تحقیقاتی را پر کنند. علاوه بر این، نتایج ما بینش های کلی در مورد برتری الگوریتم های خاص ارائه می دهد.

کلمات کلیدی: حسابداری، پیش بینی، هوش مصنوعی، یادگیری ماشینی، یادگیری عمیق

سوالات تحقیق

RQ1. کدام فن‌آوری‌ها و رویکردهای مبتنی بر هوش مصنوعی برای پیش‌بینی وظایف در حسابداری مالی استفاده می‌شوند و مزایای حاصل از آن چیست؟
RQ2. چگونه مطالعات آینده می توانند به زمینه پیش بینی مبتنی بر هوش مصنوعی در حسابداری مالی کمک کنند، و کدام سوالات و موارد استفاده بالقوه در تحقیقاتی آتی ، کاربردی هستند؟

Abstract  

Purpose – Accounting information systems are mainly rule-based, and data are usually available and well-structured. However, many accounting systems are yet to catch up with current technological developments. Thus, artificial intelligence (AI) in financial accounting is often applied only in pilot projects. Using AI-based forecasts in accounting enables proactive management and detailed analysis. However, thus far, there is little knowledge about which prediction models have already been evaluated for accounting problems. Given this lack of research, our study aims to summarize existing findings on how AI is used for forecasting purposes in financial accounting. Therefore, the authors aim to provide a comprehensive overview and agenda for future researchers to gain more generalizable knowledge.

Design/methodology/approach – The authors identify existing research on AI-based forecasting in financial accounting by conducting a systematic literature review. For this purpose, the authors used Scopus and Web of Science as scientific databases. The data collection resulted in a final sample size of 47 studies. These studies were analyzed regarding their forecasting purpose, sample size, period and applied machine learning algorithms.

Findings – The authors identified three application areas and presented details regarding the accuracy and AI methods used. Our findings show that sociotechnical and generalizable knowledge is still missing. Therefore, the authors also develop an open research agenda that future researchers can address to enable the more frequent and efficient use of AI-based forecasts in financial accounting.

Research limitations/implications – Owing to the rapid development of AI algorithms, our results can only provide an overview of the current state of research. Therefore, it is likely that new AI algorithms will be applied, which have not yet been covered in existing research. However, interested researchers can use our findings and future research agenda to develop this field further.

Practical implications – Given the high relevance of AI in financial accounting, our results have several implications and potential benefits for practitioners. First, the authors provide an overview of AI algorithms used in different accounting use cases. Based on this overview, companies can evaluate the AI algorithms that are most suitable for their practical needs. Second, practitioners can use our results as a benchmark of what prediction accuracy is achievable and should strive for. Finally, our study identified several blind spots in the research, such as ensuring employee acceptance of machine learning algorithms in companies. However, companies should consider this to implement AI in financial accounting successfully.

Originality/value – To the best of our knowledge, no study has yet been conducted that provided a comprehensive overview of AI-based forecasting in financial accounting. Given the high potential of AI in accounting, the authors aimed to bridge this research gap. Moreover, our cross-application view provides general insights into the superiority of specific algorithms.

Keywords: Accounting, Forecasting, Artificial intelligence, Machine learning, Deep learning