اطلاعیه

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 ۲۰۲۴ که در زمینه حسابداری مالی هست، منتشر کردیم. این مقاله یه مقاله ISI و مروری  هست که توی پایگاه  امرالد در سال ۲۰۲۴ منتشر شده. فایل انگلیسی شامل 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.

کد محصول: H990

سال نشر: ۲۰۲۴

نام ناشر (پایگاه داده): امرالد

نام مجله: Journal of Applied Accounting Research

نوع مقاله: مروری (Review Article)

متغیر : ندارد

فرضیه: ندارد

مدل مفهومی:  ندارد

پرسشنامه : ندارد 

تعداد صفحه انگلیسی: ۲۴ صفحه PDF

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

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

دانلود رایگان مقاله بیس انگلیسی

وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه تخصصی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:H990)

ثبت سفارش ترجمه تخصصی در تمامی رشته ها

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

مقالات انگلیسی مرتبط با این موضوع جدید

فهرست مطالب

چکیده
۱. مقدمه
۲. مفاهیم پایه
۲.۱ حسابداری مالی
۲.۲ هوش مصنوعی
۲.۳ استفاده از هوش مصنوعی در حسابداری مالی
۳. روش تحقیق
۴. یافته ها
۴.۱ ورشکستگی
۴.۲ تجزیه و تحلیل مالی
۴.۳ تقلب ها و اشتباهات
۵. بحث و تحقیق باز
۶. جمع بندی

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 با پیشرفت‌های فناوری فعلی سازگار نشده اند. 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، اطلاعات کمی در مورد اینکه کدام مدل‌های پیش‌بینی قبلاً برای مسائل حسابداری ارزیابی شده‌اند، وجود دارد. با توجه به این موضوع هدف مطالعه ما خلاصه کردن یافته های موجود در مورد چگونگی استفاده از هوش مصنوعی برای اهداف پیش بینی در حسابداری مالی است. بنابراین، هدف نویسندگان ارائه یک نمای کلی و دستور کار برای محققان آینده برای دستیابی به دانش قابل تعمیم است.
طراحی/روش‌شناسی/رویکرد – نویسندگان این پژوهش، تحقیقات موجود در مورد پیش‌بینی مبتنی بر هوش مصنوعی در حسابداری مالی را با مرور ادبیات سیستماتیک شناسایی می‌کنند. برای این منظور، نویسندگان از پایگاه Scopus و Web of Science استفاده کردند. حجم نمونه نهایی شامل ۴۷ مطالعه می باشد. 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 مربوطه و روش‌های هوش مصنوعی مورد استفاده را ارائه کردند. یافته‌های ما نشان می‌دهد که دانش اجتماعی فنی و قابل تعمیم در این زمینه وجود ندارد. بنابراین، نویسندگان یک دستور کار تحقیقاتی باز ایجاد می کنند که محققان آینده می توانند به بررسی 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 فعلی تحقیق 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 اهمیت زیاد هوش مصنوعی در حسابداری مالی، نتایج ما چندین پیامد و مزایای بالقوه برای متخصصان دارد. ابتدا، نویسندگان مروری بر الگوریتم‌های هوش مصنوعی مورد استفاده در زمینه های مختلف حسابداری ارائه می‌کنند. بر اساس این مرور کلی ، 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 اینکه دقت پیش‌بینی قابل دستیابی است و باید برای آن تلاش کنند، استفاده کنند. در نهایت، مطالعه ما چندین نقطه مبهم را در تحقیقات موجود شناسایی کرد، مانند اطمینان از پذیرش الگوریتم‌های یادگیری ماشینی توسط کارمندان در شرکت‌ها. با این حال، شرکت ها باید این موارد را برای پیاده سازی موفق هوش مصنوعی در حسابداری مالی در نظر بگیرند.

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 مطالعه 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 کارکردها در حسابداری مالی استفاده می‌شوند و مزایای حاصل از آن چیست؟
RQ2. چگونه مطالعات آینده می توانند به  پیش بینی مبتنی بر هوش مصنوعی در حسابداری مالی کمک کند، و کدام تحقیقات و مطالعات موردی به طور بالقوه امیدوار کننده هستند؟

Abstract  

Purpose – Accounting information systems are mainly rule-based, and data are usually available 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

..مقالات مرتبط با این موضوع

مقالات حسابداری ۲۰۲۴

مقاله ۲۰۲۴ در مورد هوش مصنوعی و یادگیری ماشین

مقاله ۲۰۲۴ درباره مدیریت فناوری اطلاعات

مقاله ۲۰۲۴ در مورد کاربرد فناوری در حسابداری

مقاله ۲۰۲۴ در مورد سیستم های اطلاعات حسابداری

مقالات ۲۰۲۴ حسابداری مالی

مقالات ۲۰۲۴ درباره پیش بینی شاخص های مالی

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Time limit is exhausted. Please reload the CAPTCHA.