تعداد نشریات | 29 |
تعداد شمارهها | 630 |
تعداد مقالات | 6,368 |
تعداد مشاهده مقاله | 9,734,145 |
تعداد دریافت فایل اصل مقاله | 6,365,057 |
طراحی مدل حسابرسی هوشمند در دیوان محاسبات کشور | ||
پژوهش های مدیریت عمومی | ||
مقاله 1، دوره 15، شماره 58، بهمن 1401، صفحه 5-32 اصل مقاله (1.57 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22111/jmr.2022.43008.5818 | ||
نویسندگان | ||
مصطفی مطلبی کربکندی1؛ عادل آذر* 2؛ آمنه خدیور3؛ عباس مقبل4 | ||
1دانشجوی دکتری، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران | ||
2استاد، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران | ||
3دانشیار، گروه مدیریت، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهراء، تهران، ایران | ||
4دانشیار، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران | ||
چکیده | ||
افزایش فزاینده اطلاعات و پیچیدهتر شدن سازمانها و ابعاد مسائل سازمانی از سویی و محدودیتهای جدی نیروی انسانی و منابع مالی با وجود ماموریت و نقش نظارتی بیبدیل در نظر گرفته شده برای دیوان محاسبات کشور از سوی دیگر، اتخاذ رویکردهای نوین در نظارت از جمله هوشمندسازی بخش مهمی از فرآیندها و استفاده از ظرفیتهای فناوری اطلاعات را برای چنین سازمانهایی به ضرورتی انکارناپذیر تبدیل کرده است. بر این اساس شناسایی عناصر حسابرسی هوشمند برای دیوان محاسبات کشور و مدلسازی نگاشت شناختی این عناصر، به عنوان هدف اساسی این پژوهش در نظر گرفته شد. اما مسئله اول و بسیار اساسی برای چنین تحولی، نامشخص بودن مفهوم، ابعاد و اجزای آن بود. بدین منظور در این پژوهش با استفاده از رویکرد مدلسازی ساختاری-تفسیری به عنوان روش اصلی پژوهش و بهرهگیری از روششناسی سیستمهای نرم به عنوان روش فرعی و تکمیلی، پس از تبیین مفهوم حسابرسی هوشمند، اجزاء و عناصر هوشمندسازی حسابرسی در سطح دیوان محاسبات کشور و مدل نگاشت شناختی آن طراحی گردید. در نهایت پس از سطحبندی عناصر، چهارده عنصر شناسایی شده در سه دسته کلی «پیشرانها و الزامات»، «عناصر طراحی و اجرا» و «خروجیها» دستهبندی شدند و روابط بین آنها تحلیل گردید. | ||
کلیدواژهها | ||
حسابرسی هوشمند؛ نظارت مستمر؛ مدلسازی ساختاری-تفسیری؛ هوش مصنوعی | ||
مراجع | ||
منابع فارسیآذر، عادل؛ خسروانی، فرزانه؛ جلالی، رضا (1395)، تحقیق در عملیات نرم: رویکردهای ساختاردهی مسئله، تهران: سازمان مدیریت صنعتی.
الفت، لعیا؛ بامداد صوفی، جهانیار؛ امیری، مقصود؛ براتی، مسعود (1392)، "مدل تعاملی روابط زنجیره تامین در شرکتهای کوچک و متوسط صنعت قطعهسازی خودرو" کاوشهای مدیریت بازرگانی،10: 70-47.
رازینی، روحاله؛ آذر، عادل؛ محمدی، مهدی (1392)، "ارائه مدل سنجش عملکرد سازمانهای چابک: رویکرد مدلسازی ساختاری-تفسیری" چشمانداز مدیریت صنعتی، 12: 109-87.
روزبهانی، ناصر؛ اسدی، مرتضی (1397)، آشنایی با دیوان محاسبات کشور، تهران: مرکز آموزش و برنامهریزی دیوان محاسبات کشور.
قانون دیوان محاسبات کشور، مجلس شورای اسلامی، مصوب 11/11/1361
گنتز، استفن د. (1400)، مبانی حسابرسی فناوری اطلاعات، ترجمه ملیحه قدرتی مرکز آموزش و برنامهریزی دیوان محاسبات کشور، تهران.
ویلیامز، باب؛ هاملبرونر، ریچارد (1395)، روشهای کاربردی در تفکر سیستمی، ترجمه عادل آذر و سعید جهانیان، تهران: صفار.
ReferencesAmerican Accounting Association, Committee on Basic Auditing Concepts (1973). A Statement of Basic Auditing Concepts, Sarasota, Fla.
Azar, A., F. Khosravani and R. Jalali (2016). Soft operational research: Problem structuring approaches. Tehran: Industrial Management Organization. (In Persian)
Baldwin, A. A., C. Brown and Brad S. Trinkle. (2006) “Opportunities for artificial intelligence development in the accounting domain: the case for auditing.” Intelligent Systems Accounting Finance and Management. 14: 77-86.
Bellman, R. E. (1978) An Introduction to Artificial Intelligence: Can Computers Think?, San Francisco: Boyd & Fraser Publishing Company.
Bizarro, Pascal A., Emily Crum and Jake Nix. (2019) “The Intelligent Audit” ISACA Journal, 6: 23-29.
Charniak, E., and D. McDermott. (1985) Introduction to Artificial Intelligence. Addison-Wesley.
Checkland, P. (1999) “Soft Systems Methodology: A Thirty-Year Retrospective Systems.” Research and Behavioral Science, 17: S11-S58.
Gentz, S. (2020). The Basics of IT Audit. Translated by Malihe Ghodrati. Tehran:Training and planning center of Supreme Audit Court. (In Persian)
Gray, Glen L. and R. Debreceny. (2014) “A taxonomy to guide research on the application of data mining to fraud detection in financial statement audits.” International Journal of Accounting Information Systems. 15: 357-380.
Haugeland, J. (1985) Artificial Intelligence: The Very Idea. MIT Press.
Huang, Feiqi and M. Vasarhelyi. (2019) “Applying robotic process automation (RPA) in auditing: A framework.” International Journal of Accounting Information Systems. 35.
Issa, Hussein, Ting Sun and M. Vasarhelyi. (2016) “Research Ideas for Artificial Intelligence in Auditing: The Formalization of Audit and Workforce Supplementation.” Journal of Emerging Technologies in Accounting. 13: 1-20.
Kirkos, Efstathios, Charalambos Spathis and Y. Manolopoulos. (2007) “Data Mining techniques for the detection of fraudulent financial statements.” Expert systems with applications. 32: 995-1003.
Kokina, Julia and T. Davenport. (2017) “The Emergence of Artificial Intelligence: How Automation is Changing Auditing.” Journal of Emerging Technologies in Accounting. 14: 115-122.
Kurzweil, R. (1990) The Age of Intelligent Machines. MIT Press.
Law of the Supreme Audit Court, Islamic Consultative Assembly.(In Persian)
Moffitt, K., Rozario, A.M., & Vasarhelyi, M. (2018) “Robotic Process Automation for Auditing” Journal of Emerging Technologies in Accounting, 15, 1-10.
Nilsson, N. J. (1998) Artificial Intelligence: A New Synthesis. Morgan Kaufmann.
Olfat, L., J. Bamdad, M. Amiri & M. Barati (2013) “An Interaction Model for Supply Chain Relationships in small and medium-sized enterprises.” Journal of business administration researches, 10: 47-70. (In Persian)
Omoteso, K. (2012) “The application of artificial intelligence in auditing: Looking back to the future.” Expert Systems with Applications. 39: 8490-8495.
Phua, C., V. C. Lee, K. Smith-Miles and R. Gayler (2007). “A Comprehensive Survey of Data Mining-based Fraud Detection Research.” ArXiv abs/1009.6119.
Poole, D., A. K. Mackworth, and R. Goebel (1998). Computational intelligence: A logical approach. Oxford University Press.
Razini, R., A. Azar & M. Mohammadi (2013) “Presentation an Agile Organization Performance Measurement Model: an Interpretive Structural Modeling Approach” Journal of industrial management perspective, 12: 87-109. (In Persian)
Rich, E., and K. Knight. )1991(. Artificial Intelligence.
Roozbehani, Nasser and Morteza Asadi (2018). Familiarity with Supreme Audit Court. Tehran: Training and planning center of Supreme Audit Court. (In Persian)
Russell, Stuart, and Peter Norvig (2010). Artificial Intelligence: A Modern Approach. Third Ed. New Jersey: Pearson
Sah, Neelesh Kumar (2016). "Leveraging technology for enhancing Public Audit" Asian journal of government audit, 10-18.
Sharma, Anuj and P. Panigrahi (2013). “A Review of Financial Accounting Fraud Detection based on Data Mining Techniques.” ArXiv abs/1309.3944.
Tajinoa, A., Robert, Jamesb, and Kyoichi Kijima (2005). “Beyond needs analysis: Soft systems methodology for meaningful collaboration in EAP course design” Journal of English for Academic Purposes, 27-42.
Thiprungsri, Sutapat and M. Vasarhelyi (2011). “Cluster Analysis for Anomaly Detection in Accounting Data: An Audit Approach 1.” The International Journal of Digital Accounting Research. 11: 69-84.
Vasarhelyi, Miklos A. (2020). “Smart Audit: the digital transformation of audit” ECA Journal, 1: 27-32.
Williams, B. and R. Hummelbrunner (2016). Systems Concepts in action: apractitioner’s toolkit. Translated by Adel Azar and Saeed Jahanian. Tehran: Saffar.(In Persian)
Winston, P. H. (1992). Artificial Intelligence. Third Ed. Addison-Wesley. | ||
آمار تعداد مشاهده مقاله: 417 تعداد دریافت فایل اصل مقاله: 388 |