تأثیر استفاده ازشبیه سازی کلان داده‌ها بر توانایی دانشجویان در کشف تقلب

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار گروه حسابداری، دانشکده علوم مالی، دانشگاه خوارزمی، تهران، ایران

2 استادیار، گروه اموزشی حسابداری، دانشکده علوم مالی، دانشگاه خوارزمی، تهران، ایران

3 دانشجوی کارشناسی ارشد، دانشکده علوم مالی، دانشگاه خوارزمی، تهران، ایران

چکیده

ارتقاء دانش و توانمندی فارغ التحصیلان دانشگاه ها، متاثر از منابع آموزشی و ارتباط این منابع با یکدیگر می باشد. در این خصوص بهره مندی دانشجویان حسابداری و حسابرسی از منابع دروس تخصصی با استفاده از شبیه سازی کلان داده ها در دوران تحصیل، با هدف استفاده از کلان داده ها جهت کشف تقلب در حسابرسی صورت های مالی، مورد پژوهش قرار گرفته است. طرح پژوهش حاضر، طرح شبه آزمایشی از نوع پیش آزمون و پس آزمون با یک گروه می باشد و 128 نفر از دانشجویان کارشناسی ارشد رشته های حسابداری و حسابرسی دانشگاه های سراسری استان تهران، به عنوان نمونه پژوهش، درسال 1399 مورد آزمون قرار گرفته اند. یافته‌های این پژوهش بیانگر این است که استفاده از شبیه سازی کلان داده‌ها در آموزش، تأثیر مثبتی بر توانایی دانشجویان در کشف تقلب در حسابرسی صورتهای مالی و اجزای آن شامل دارایی‌های جاری، دارایی‌های غیرجاری، بدهی‌ها، درآمدها و هزینه‌ها دارد. ضرورت و اهمیت آموزش مباحث مرتبط با کلان داده ها به دانشجویان حسابداری و حسابرسی غیرقابل انکار به نظر می رسد و در این راستا نقش برنامه‌های درسی دانشگاه‌ها جهت آماده سازی آنها برای یادگیری مهارت‌های تجزیه و تحلیل کلان داده‌ها به ویژه در حوزه کشف تقلب، حائز اهمیت است و این امر انجام اقدامات عملی از سوی دانشگاه ها و سایر نهادهای مربوطه را ضروری می نماید.

کلیدواژه‌ها

عنوان مقاله [English]

The Impact of Using Big Data Simulation on Students' Ability to detect Fraud

نویسندگان [English]

  • zahra Dianati Deilami 1
  • ha,med Omrani 2
  • Samira Gharibi 3
1 Associate Professor of accounting, Faculty of financial sciences, Kharazmi University, Tehran, Iran (corresponding author)
2 Assistant professor, Department of accounting, Faculty of financial sciences, Kharazmi University, Tehran, Iran
3 MSc. Student in Auditing, Faculty of financial sciences, Kharazmi University,
چکیده [English]

Improving the knowledge and ability of university graduates is affected by educational resources and the relationship of these resources with each other. In this regard, the benefit of accounting and auditing students from the resources of specialized courses using case studies of big data during their studies, with the aim of using big data to identify suspected cases of fraud in financial statements auditing, has been researched. The design of this study is a quasi-experimental design of pre-test and post-test with one group. The statistical population of this study includes postgraduate students of accounting and auditing in Tehran Public universities (University of Tehran, Allameh Tabatabai, Tarbiat Modares, Shahid Beheshti, Kharazmi, Al-Zahra) in 2020 who are at least in their third semester, which includes 348 people. In this society, using systematic deletion, students who do not have an audit experience are excluded from the statistical population, and the statistical sample includes students who have an audit experience and their number is 128. The results of this study show that the use of case data simulation in education has a positive impact on students' ability to identify suspected cases of fraud in financial statement auditing and its components, including current assets, non-current assets, liabilities, revenues and expenses.

کلیدواژه‌ها [English]

  • Big data
  • Data analysis
  • Fraud in financial statement
  • Auditing

مراجع

  • جعفری نسب کرمانی، ندا؛ ملانظری، مهناز و رحمانی، علی (1398). چالش‌ها و فرصت‌های تغییر گزارش حسابرس در ایران. بررسی‏‌های حسابداری و حسابرسی، 26(3)، 370-348.
  • خواجوی، شکرالله؛ منصوری، شعله (1393). تقلب: حلقه پنهان در زنجیره امنیتی گزارشگری مالی. فصلنامه حسابدار رسمی، 40 (28)، 65-54.
  • رضازاده، جواد؛ محمدی، عبداله (1398). توانایی مدیریتی، ارتباطات سیاسی و گزارشگری مالی متقلبانه. بررسی‏‌های حسابداری و حسابرسی، 26(2)، 238-217.
  • رنجبران، هادی (1393). آمار و احتمال، کاربرد آن در مدیریت و حسابداری. تهران: نشر اثبات.
  • سجادی، سید حسین؛ کاظمی، توحید (1395). الگوی جامع گزارشگری مالی متقلبانه در ایران به روش نظریه پردازی زمینه بنیان. پژوهش های تجربی حسابداری، 6(3)، 204-185.
  • شهبازی رز، حسین (1398). گذار به حسابرسی مبتنی بر فناوری اطلاعات ITدر ایران: ریسک‌ها و راهکار‌ها. فصلنامه حسابدار رسمی، 45، 15-33.
  • عارفی اصل، سولماز (1397). کلان داده، چالش و فرصتی بزرگ پیش روی حرفه حسابداری و حسابرسی، شانزدهمین همایش ملی حسابداری ایران، دانشگاه اصفهان.
  • فرجی، نصرالله (1394). روش‌های تحقیق. تهران: پوران پژوهش.
  • کمیته فنی سازمان حسابرسی (1388). مسئولیت حسابرس در ارتباط با تقلب، در حسابرسی صورتهای مالی. استانداردهای حسابرسی ایران شماره 240.
  • گوارا، مریم (1396). داده‌های کلان و ابزار تحلیلگری چگونه حسابرسی را دگرگون می‌سازند. حسابرس، 89.
  • محمود دهنوی، زهره (1395). استفاده از فناوری اطلاعات در حسابرسی مستقل در ایران؛ موانع و مشکلات. پژوهش حسابداری، 6(2)، 70-55.
  • معصومی، جواد؛ نیکومرام، هاشم و طالب نیا، قدرت الله (1399). شناسایی و رتبه بندی عوامل مؤثر بر کشف تقلب صورت های مالی با استفاده از فرآیند سلسله مراتبی. دانش حسابداری و حسابرسی مدیریت، 9(35)، 1-20.
  • American Institute of Certified Public Accountants (AI CPA). (2002). "Consideration of Fraud in a Financial Statement Audit". Statement on Auditing Standards 99. New York, NY: AICPA
  • Appelbaum, D., Kogan, A., & Vasarhelyi, M. A. (2017). Big Data and analytics in the modern audit engagement: Research needs. Auditing: A Journal of Practice & Theory, 36(4), 1-27.‏
  • Arefi Asl, S. (2018). Big Data, a big challenge and opportunity for the accounting and auditing profession. 16th National Accounting Conference of Iran, University of Isfahan.
  • Association of Certified Fraud Examiners (ACFE) (2012). Report to the Nation onOccupational Fraud and Abuse. Austin, TX: ACFE.
  • Balios, D., Kotsilaras, P., Eriotis, N., & Vasiliou, D. (2020). Big data, data analytics and external auditing. Journal of Modern Accounting and Auditing, 16(5), 211-219.
  • Beasley, M. S., Carcello, J. V., Hermanson, D. R. & Committee of Sponsoring Organizations of the Treadway Commission. (1999). Fraudulent financial reporting: 1987-1997 : an analysis of U.S. public companies : research report. American Institute of Certified Public Accountants.
  • Biglari, V. & Pourabedin, Z. (2022). Application of Data Analysis and Big Data in Auditing. In: Chaiechi T., Wood J. (eds) Community Empowerment, Sustainable Cities, and Transformative Economies (111-128). Springer, Singapore.
  • ‏Brown-Liburd, H., & Vasarhelyi, M. A. (2015). Big Data and audit Journal of Emerging Technologies in Accounting, 12(1), 1-16.‏
  • Brown-Liburd, H., Issa, H., & Lombardi, D. (2015). Behavioral implications of Big Data's impact on audit judgment and decision making and future research directions. Accounting Horizons, 29(2), 451-468.‏
  • Chmielewski-Raimondo, D. A., McKeown, W., & Brooks, A. (2016). The field as our classroom: Applications in a business-related setting. Journal of Accounting Education, 34, 41-58.‏
  • Chu, M. K. & Yong, K. O. (2021) Big Data Analytics for Business Intelligence in Accounting and Audit. Open Journal of Social Sciences, 9(9), 42-52.
  • Dagilienė, L., & Klovienė, L. (2019). Motivation to use big data and big data analytics in external auditing. Managerial Auditing Journal,34(7),750-782.
  • Enget,K.,Saucedo,G. D, Wright,N. S (2016) Mystery, Inc.: A Big Data case. Journal of Accounting Education,38, 9-22.
  • Faraji, N. (2015). Research methods.Tehran, Pouran Pazhouhesh.
  • Farooqi, M., Shah, M., Wahid, A., Akhunzada, A., Khan, F., Amin, N., & Ali, I.(2019). Big Data in Healthcare: A Survey. (eds) Applications of Intelligent Technologies in Healthcare. EAI/Springer Innovations in Communication and Computing, 143-152
  • Fay, R., & Negangard, E. M. (2017). Manual journal entry testing: Data analytics and the risk of fraud. Journal of Accounting Education, 38, 37-49.‏
  • Gartner, Gartner IT Glossary: Big Data, Retrieved from: www.gartner.com/it-glossary/big-data/,2021.
  • Govara, M. (2017). How Big Data and Analytical Tools Transform Auditing. Auditor Journal,89.
  • Handoko, B. L., Mulyawan, A. N., Tanuwijaya, J., & Tanciady, F. (2020). Big Data in Auditing for the Future of Data Driven Fraud Detection. International Journal of Innovative Technology and Exploring Engineering, 9(3), 2902-2907.‏
  • Handoko, B. L.,Riantono, I. E. & Sunarto, F. W.(2021, April). Determinants Affecting Intention of Use of Big Data Analytics on Remote Audits: TOE Framework Approach. Paper presented at 2021 7th International Conference on Education and Training Technologies. https://doi.org/10.1145/3463531.3463539.
  • Jafari Nasab Kermani, N., Molanazari, M & Rahmani, A. (2019). Challenges and Opportunities of Changing the Auditor Report in Iran. Accounting & Auditing Review, 26(3), 348-370.
  • Khajavi, Sh.& Mansouri, Sh. (2014). Fraud: A hidden link in the financial reporting security chain. Certified Public Accountant Quarterly, 40 (28), 54-65.
  • Krahel, J. P. & Titera, W. R.(2015). Consequences of Big Data and Formalization on Accounting and Auditing Standards. Accounting Horizons, 29(2), 409- 422.
  • Lindell,J. (2018) Analytics and Big Data For Accountants,United states,New York:
  • Mahmoud Dehnavi, Zohre. (2016). Use of Information Technology in Independent Auditing in Iran; Obstacles and Problems. Accounting Research, 6(2), 55-70.
  • Mousavi Bioki, F.& Barzegari Khanghah, J. (2016). The Review of studies and concepts of fraud in accounting and auditing. Accounting and Auditing Studies, 4(16), 58-73.
  • Naderian, H. (2019). Current status of the auditing profession and benefits of the oversight body. Certified Public Accountant, 48, 7-9.
  • Price waterhouse Coopers (PwC) (2015). Data driven: What students need to succeed in a rapidly changing business world, 1-20.
  • Ranjbaran, H. (2014). Statistics and probability, its application in management and accounting. Tehran, Esbat.
  • Rezazadeh, J & Mohammadi, A. (2019). Managerial ability, Political Connections and Fraudulent Financial Reporting. Accounting & Auditing Review, 26(2), 217-238.
  • Sajadi, S. & Kazemi,T. (2016). A Comprehensive Pattern of Fraudulent Financial Reporting in Iran, Grounded Theory. Empirical Accounting Research, 6(3), 185-204.
  • Salijeni, G., Taddei, A. S. & Turley, S. (2021). Understanding How Big Data Technologies Reconfigure the Nature and Organization of Financial Statement Audits: A Sociomaterial Analysis. European Accounting Review, 30(3), 531-555.
  • Santovena, A. Z. (2013). Big Data: Evolution, Components, Challenges and Opportunities. Master of Business Administration, Carnegie Mellon University, Pittsburgh, Pennsylvania United States.
  • Sarens, G. (2018). The impact of Big data on financial statement auditing. Master’s Dissertation, Gent University, Ghent, Belgium.
  • Shannon, C.E. (1949). Communication theory of secrecy systems. The Bell system technical journal, 28(4), 656-715.‏
  • Shahbazi Roz, H. (2019). Transition to IT-Based Auditing in Iran: Risks and Strategies. Certified Public Accountant, 45, 15-33.
  • Sun, T & Vasarhelyi, M. A (2018) Embracing Textual Data Analytics in Auditing with Deep Learning. The International Journal of Digital Accounting Research, 18, 49-67.
  • Tang, J. & Karim, K. E.  (2017). Big Data in Business Analytics: Implications for the Audit Profession. The CPA Journal.
  • Tang, & Karim, K. E.  (2018). Financial fraud detection and big data analytics – implications on auditors’ use of fraud brainstorming session, Managerial Auditing Journal, 34(3), 324-337.
  • Taylor, D. (2021). What is Big Data? Introduction, Types, Characteristics, Examples. www.guru99.com.
  • Technical Committee of the Auditing Organization. (2009). Auditor's Responsibility for Fraud in Auditing Financial Statements. Iranian Auditing Standards No. 240.
  • Wells, J. (2017). Corporate Fraud Handbook: Prevention and Detection. New Jersey: John Wiley & Sons, Inc.
  • West,J, Bhattacharya, M & Islam, M. (2015). Intelligent Financial Fraud Detection Practices: An Investigation.
  • Yoon, K., Hoogduin, L., & Zhang, L. (2015). Big data as complementary audit evidence. Accounting Horizons, 29(2), 431-438.‏

فایل ها

هم رسانی

ارجاع به این مقاله

آمار