دانش حسابداری و حسابرسی مدیریت

دانش حسابداری و حسابرسی مدیریت

ارایه الگوی ریسک حسابرسی گزارشگری پایداری با رویکرد هوش مصنوعی با استفاده از تکنیک داده بنیاد

نوع مقاله : مقاله پژوهشی

نویسندگان
سعید جمالی 1
فریدون رهنمای رودپشتی 2
قدرت اله طالب نیا 2
زهرا پور زمانی 2
1 گروه حسابداری و مدیریت مالی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی ، تهران، ایران،
2 گروه حسابداری و مدیریت مالی، ، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی ، تهران، ایران
10.22034/jmaak.2025.78528.4562
چکیده
گزارشگری پایداری به‌عنوان یک ابزار مدیریتی و اطلاع‌رسانی، با هدف تبیین و اندازه‌گیری اثرات اقتصادی، اجتماعی و محیطی فعالیت‌های یک سازمان، اهمیت زیادی پیدا کرده است. در دهه‌های اخیر، این نوع گزارش‌ها به یکی از ارکان اصلی ارزیابی عملکرد شرکت‌ها و سازمان‌ها تبدیل شده‌اند. تحقیق حاضر به دنبال ارائه مدل قابل اجرا و مناسب برای ریسک حسابرسی گزارشگری پایداری در ایران با رویکرد هوش مصنوعی است. در این پژوهش از روش گرنددتئوری یا داده بنیاد استفاده گردید. به این منظور از نظرات 12 نفر از خبرگان که به روش گلوله برفی انتخاب شده بودند استفاده گردید. نتایج حاصل از این پژوهش نشان داد که مولفه‌هایی چون اعتماد به داده‌ها، امنیت سایبری و... (شرایط علی)، اعتماد بیش از حد به هوش مصنوعی، مهارت حسابرسان و ... (شرایط مداخله‌گر)، و پیشرفت‌های فناوری، عوامل قانونی و ... (بستر حاکم)، از طریق راهبردهایی چون ارزیابی کنترل خروجی گزارشگری پایداری، استفاده از روش‌های حسابرسی مناسب، شناخت الگوریتمهای هوش مصنوعی و ... منتج به (دستاوردهایی از قبیل افزایش قابلیت اتکای داده‌ها، بهبود شفافیت و پاسخگویی، مکانیزاسیون فرآیندهای گزارشگری و... در جهت ریسک حسابرسی گزارشگری پایداری با رویکرد هوش مصنوعی می‌باشند
کلیدواژه‌ها
ارائه الگو، ریسک حسابرسی، گزارشگری پایداری، هوش مصنوعی، روش کیفی

عنوان مقاله English

Presenting a sustainability reporting audit risk model with an artificial intelligence approach using Grounded-data method

نویسندگان English

Saeed Jamali 1
Fereydoon Rahnama Roodposhti 2
Ghodrat allah Talebnia 2
Zahra Poor Zamani 2
1 Accounting department, Economic and Management faculty, Islamic Azad university Science and Research branch, Tehran, Iran
2 Accounting Department, Science and research Branch, Islamic Azad University, Tehran, Iran
چکیده English

Sustainability reporting has gained great importance as a management and information tool, with the aim of explaining and measuring the economic, social and environmental impacts of an organization's activities. In recent decades, these types of reports have become one of the main pillars of evaluating the performance of companies and organizations. The present study seeks to provide a feasible and appropriate model for the audit risk of sustainability reporting in Iran with an artificial intelligence approach. In this study, the grounded data method was used. For this purpose, the opinions of 12 experts who were selected using the snowball method were used. The results of this research showed that components such as trust in data, cybersecurity, etc. (causal conditions), overconfidence in artificial intelligence, auditor skills, etc. (intervening conditions), and technological advances, legal factors, etc. (governing framework), through strategies such as evaluating the output control of sustainability reporting, using appropriate audit methods, recognizing artificial intelligence algorithms, etc., result in (achievements such as increasing data reliability, improving transparency and accountability, mechanizing reporting processes, etc.) towards the audit risk of sustainability reporting with an artificial intelligence approach.

کلیدواژه‌ها English

Presentation of a model, audit risk, sustainability reporting, artificial intelligence, qualitative method
  1. ابراهیم، خسرو، حیدری، محمود، و معمری، علیرضا. (1383). بررسی وضع موجود و تدوین شاخص های استعدادیابی در رشته والیبال. پژوهش در علوم ورزشی، 2(5)، 1-14. SID. https://sid.ir/paper/357090/fa
  2. آقاجانی، معصومه و خیری دوست، زهرا (1394). توسعه پایدار در کنار عدالت و اخلاق در اقتصاد اسلامی، مقاله علمی وزارت علوم، اقتصاد و بانکداری اسلامی دوره 4 بهار 1394 شماره 10، ص 111-146.
  3. پازوکی، پریسا؛ صراف، فاطمه؛ جعفری، محبوبه؛ باغانی، علی (1400). کاربرد هوش مصنوعی در شناسایی عوامل عملکردی مؤثر بر سلامت مالی، دوره 12، شماره 48 - شماره پیاپی 3، صفحه 371-390.
  4. خالقی زاده دهکردی, مریم , صراف, فاطمه و نجفی مقدم, علی . (1401). کاربرد الگوریتم هوش مصنوعی در پیش‌بینی کارایی سرمایه‌گذاری با تأکید بر نقش معیار‌های مدیریت ریسک. دانش سرمایه‌گذاری، 11(42)، ص 413-434.
  5. ستایش، محمدحسین و زینب مهتری. (1397). چارچوبی برای کلیات مبانی نظری گزارشگری یکپارچه در ایران. پژوهشهای حسابداری مالی، سال دهم، شماره 36، صص 85-106.
  6. صراف، فاطمه و فرهنگیان، عقیل (1401). کاربرد هوش مصنوعی در حسابداری، نشریه علمی رویکردهای پژوهشی نوین مدیریت و حسابداری, 6(23), 108-124.
  7. معصومی سیدرسول، صالح نژاد سیدحسن، ذبیحی زرین کلایی علی. (1397). شناسایی متغیرهای موثر بر میزان گزارشگری پایداری شرکت های پذیرفته شده در بورس اوراق بهادار تهران. دانش حسابرسی، ؛18(70):195-221.
  8. مهرانی، ساسان، کرمی، غلامرضا، سیدحسینی، سیدمصطفی و مهتاب جهرومی. (1396). تئوری حسابداری، تهران: انتشارات نگاه دانش.
  9. ودیعی، محمدحسین، خلیلیان موحد، علی، هزارخانی، سیداسماعیل و فاطمه توسلی فدیهه. (1392). بررسی آخرین تحول‌های گزارشگری مالی یکپارچه. یازدهمین همایش ملی حسابداری ایران، مشهد، دانشگاه فردوسی مشهد.
  10. Abu-Musa, Ahmad A; Elbastawisy, Marwa, Ahmed and Refat, Eslam (2023). The Effectiveness of Artificial Intelligence Systems in improving The Quality of Sustainability Reports in Light of GRI-G4, DOI:10.21608/MASF.2023.325372.
  11. Alvareza, I. G. and E. Ortas. (2017). Corporate Environmental Sustainability Reporting in the Context of National Cultures: A Quantile Regression Approach.International Business Review, Vol. 26,No. 2, Pp. 337-353.
  12. Brugger, Fritz; Etienne, David; Hool, Johannes; Küpper, Roman and Weiss, David (2023). Analyzing Sustainability Reports Using Machine Learning, Clausiusstrasse, 37, 8092 Zürich.
  13. Global Reporting Initiative (GRI) (2022). A Short Introduction to the GRI Standards. Available online: https://www.globalreporting.org/media/wtaf14tw/a-short-introduction-to-the-gri-standards.pdf.
  14. Guang-huan, B. (2017). Research on the Application and Influence of Auditing Artificial Intelligence. DEStech Transactions on Social Science, Education and Human Science. 10.12783/dtssehs/eiem2017/16097
  15. Herzig, C. and S. Schaltegger. (2016). Corporate Sustainability Reporting: An Overview. Sustainability Accounting and Reporting, Available at: https://link.springer.com/book/10. 1007/978-1-4020-4974-3.
  16. International Monetary Fund (2024) The following remarks were made by the Chair at the conclusion of the Executive Board’s discussion of the Fiscal Monitor, Global Financial Stability Report, and World Economic Outlook on October 8, 2024.
  17. Kokina, J. & Davenport, T. (2017). The Emergence of Artificial Intelligence: How Automation is Changing Auditing. Journal of Emerging Technologies in Accounting. 14. 10.2308/jeta-51730.
  18. Munoko, I., Brown-Liburd, H., & Vasarhelyi, M. (2020). The Ethical Implications of Using Artificial Intelligence in Auditing. J Bus Ethics, 167, 209–234.
  19. Yang R, Jiménez-Martin JA (2022) Method, ESG score or data? What matters most in capturing ESG risk factors. SSRN Electron J. https://doi.org/10.2139/ssrn.4069454.