News
Statistics
| Number of Journals | 20 |
| Number of Issues | 513 |
| Number of Articles | 4,444 |
| Article View | 8,509,640 |
| PDF Download | 4,507,256 |
مفهوم‌شناسی حسابرسی هوشمند در سازمان‌های عالی نظارتی با رویکرد روش‌شناسی سیستم‌های نرم (مورد مطالعه: دیوان محاسبات کشور) | ||
| اندیشه مدیریت راهبردی | ||
| Article 4, Volume 16, Issue 2 - Serial Number 32, April 1401, Pages 79-106 PDF (1.08 M) | ||
| Document Type: مقاله علمی-پژوهشی | ||
| DOI: 10.30497/smt.2022.243585.3415 | ||
| Authors | ||
| مصطفی مطلبی کربکندی* 1; عادل آذر2; آمنه خدیور3; عباس مقبل باعرض4 | ||
| 1دانشجوی دکترای مدیریت صنعتی، دانشگاه تربیت مدرس، تهران، ایران. (نویسنده مسئول) | ||
| 2استاد گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران. | ||
| 3دانشیار گروه مدیریت، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا سلام الله علیها، تهران. ایران. | ||
| 4دانشیار گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران. | ||
| Receive Date: 04 August 2022, Revise Date: 06 September 2022, Accept Date: 07 September 2022 | ||
| Abstract | ||
| حجم و پیچیدگی روزافزون نیازهای نظارتی و از طرفی محدودیت‌های موجود، موجب عدم امکان ایفای کامل نقش‌ها و وظایف سازمان‌های نظارتی از جمله دیوان محاسبات کشور با روش‌های سنتی گردیده و هوشمندسازی حسابرسی را به ضرورتی انکارناپذیر جهت انجام حسابرسی با دقت، سرعت و جامعیت به مراتب بیشتر و نیز پیشگیرانه تبدیل کرده است. در مقاله پیش رو، مفهوم حسابرسی هوشمند و ابعاد آن در سطح دیوان محاسبات کشور به‌عنوان یک سازمان عالی نظارتی با کمک مراحل مختلف روش‌شناسی سیستم‌های نرم، تحلیل و تبیین گردیده است. تصویر گویای وضع موجود، تعریف ریشه‌ای و مدل مفهومی وضع مطلوب، خروجی‌های مهمی هستند که تلاش شده است در قالب آنها چیستی و چرایی حسابرسی هوشمند در سطح دیوان محاسبات کشور تبیین گردد. حسابرسی هوشمند در دیوان محاسبات کشور، سیستمی مبتنی بر قابلیت‌های فناوری اطلاعات و هوش مصنوعی است که به دنبال پیشگیری، کشف و هشدار به موقع تخلفات، جرائم و جریانات سوء، رصد شاخص‌های کلان حکمرانی کشور و خودکارسازی فعالیت‌های ممکن حسابرسی می‌باشد. قابل انطباق و ارتباط نبودن برخی سامانه‌های اطلاعاتی، موانع دسترسی به داده‌های مورد‌نیاز، ضعف دانش فنی در حوزه تحلیل داده و سیستم‌های هوشمند، مقاومت‌های درونی و فرآیندهای نامناسب حسابرسی از مهمترین موانع و محدودیت‌های هوشمندسازی حسابرسی در دیوان محاسبات هستند که باید بر آنها فائق آمد. | ||
| Keywords | ||
| حسابرسی الکترونیکی; نظارت مستمر; بازرسی; هوش مصنوعی | ||
| References | ||
|
آذر، عادل؛ خسروانی، فرزانه و جلالی، رضا (1395). تحقیق در عملیات نرم: رویکردهای ساختاردهی مسأله. تهران: سازمان مدیریت صنعتی.
دهخدا، علی اکبر (1377). لغت‌نامه دهخدا، تهران: مؤسسه انتشارات و چاپ دانشگاه تهران. ج15.
روزبهانی، ناصر و اسدی، مرتضی (1397). آشنایی با دیوان محاسبات کشور، تهران: مرکز آموزش و برنامه‌ریزی دیوان محاسبات کشور.
روزنهد، جاناتان و مینجرز، جان (1392). مدل‌سازی نرم در مدیریت روش‌های ساخت‌دهی مسأله در شرایط پیچیدگی، عدم اطمینان و تعارض (عادل آذر و علی انوری، مترجمان). تهران: نگاه دانش. (نشر اثر اصلی 2001)
قانون دیوان محاسبات کشور، مجلس شورای اسلامی، مصوب 11/11/1361
گنتز، استفن د. (1400). مبانی حسابرسی فناوری اطلاعات (ملیحه قدرتی، مترجم). تهران: مرکز آموزش و برنامه‌ریزی دیوان محاسبات کشور. (نشر اثر اصلی 2014)
ویلیامز، باب و هاملبرونر، ریچارد (1395)، روش‌های کاربردی در تفکر سیستمی (عادل آذر و سعید جهانیان، مترجمان). تهران: صفار. (نشر اثر اصلی 2010)
Aksoy, T., Gurol, B. (2021). Artificial Intelligence in Computer-Aided Auditing Techniques and Technologies (CAATTs) and an Application Proposal for Auditors. In: Aksoy, T., Hacioglu, U. (eds) Auditing Ecosystem and Strategic Accounting in the Digital Era. Contributions to Finance and Accounting. Springer, Cham.
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 (3). 77-86.
Bizarro, Pascal A., Emily Crum and Jake Nix (2019). “The Intelligent Audit” ISACA Journal. 5 (6). 23-29.
Braun, Robert L., and Harold E. Davis (2003). "Computer-assisted audit tools and techniques: analysis and perspectives." Managerial Auditing Journal. 18 (9). 725 - 731.
Checkland, P. (1999). “Soft Systems Methodology: A Thirty-Year Retrospective Systems.” Research and Behavioral Science. 17 (1). 11-58.
Connell, N. (2001). “Evaluating Soft OR: Some reflection son an apparently unsuccessful implementation using a soft system methodology(SSM)based approach.” Journal of the Operational Research Society. 52 (2). 150-160.
Gao, Y. and L. Han (2021). Implications of Artificial Intelligence on the Objectives of Auditing Financial Statements and Ways to Achieve Them, Microprocessors and Microsystems. In Press.
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 (4). 357-380.
Hall, J. (2000). information systems auditing and assurance. Mason: South-Western College Publishing.
Huang, Feiqi and M. Vasarhelyi. (2019). “Applying robotic process automation (RPA) in auditing: A framework.” International Journal of Accounting Information Systems. 35 (2). 1-11.
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 (2). 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 (4). 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 (1). 115-122.
Moffitt, K., Rozario, A.M., & Vasarhelyi, M. (2018). Robotic Process Automation for Auditing. Journal of Emerging Technologies in Accounting. 15 (1). 1-10.
Munoko, I., Brown-Liburd, H.L. & Vasarhelyi, M. (2020). The Ethical Implications of Using Artificial Intelligence in Auditing. Journal of Business Ethics. 167 (3). 209–234.
Omoteso, K. (2012). “The application of artificial intelligence in auditing: Looking back to the future.” Expert Syst. Appl. 39 (9). 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.
Roozbehani, Nasser and Morteza Asadi (2018). Familiarity with Supreme Audit Court. Tehran: Training and planning center of Supreme Audit Court [In Persian]
Rosenhead, J. and J. Mingers (2013). Rational Analysis for a Problematic World Revisited: Problem Structuring Methods for Complexity, Uncertainty and Conflict. (Translated by Adel Azar and Ali Anvari). Tehran: Negahe Danesh [In Persian]
Russell, Stuart, and Peter Norvig (2010). Artificial Intelligence: A Modern Approach. (3rd ed). New Jersey: Pearson
Sharma, Anuj and P. Panigrahi (2013). “A Review of Financial Accounting Fraud Detection based on Data Mining Techniques”. International Journal of Computer Applications. 39 (1). 37-47 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. 4 (1). 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 (7). 69-84.
Williams, B. and R. Hummelbrunner (2016). Systems Concepts in action: a practitioner’s toolkit. Translated by Adel Azar and Saeed Jahanian. Tehran: Saffar.[In Persian] | ||
|
Statistics Article View: 445 PDF Download: 314 |
||