طراحی مدل مبارزه با فساد مالی در نظام مالیاتی ایران با رویکرد مدلسازی ریاضی و یادگیری ماشین

نویسندگان

1 گروه حسابداری، واحد ارومیه، دانشگاه آزاد اسلامی ارومیه، ایران

2 دانشیار، گروه حسابداری، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران

3 دانشیار گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران

4 گروه حسابداری، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران

doi
10.30473/gaa.2026.76515.1843
چکیده

موضوع و هدف: این پژوهش با هدف طراحی و اعتباریابی یک مدل جامع مبتنی بر یادگیری ماشین برای مبارزه با فساد مالی در نظام مالیاتی ایران انجام شده است. فساد مالیاتی با ایجاد نابرابری اقتصادی، کاهش درآمدهای عمومی دولت و مانع‌تراشی در مسیر توسعه پایدار، چالش جدی برای اقتصاد ایران به شمار می‌رود.روش‌شناسی:پژوهش از نوع کاربردی و با ماهیت توصیفی–تحلیلی است. جامعه آماری شامل کارکنان و کارشناسان سازمان امور مالیاتی کشور بود که با روش نمونه‌گیری تصادفی طبقه‌ای، ۱۴۰ نفر به‌عنوان نمونه انتخاب شدند. داده‌ها از طریق پرسشنامه محقق‌ساخته دارای ۷۱ سؤال در ۹ بُعد جمع‌آوری گردید. تحلیل داده‌ها با استفاده از الگوریتم‌های جنگل تصادفی، گرادیان تقویتی و شبکه عصبی عمیق انجام شد و برای افزایش تفسیرپذیری نتایج، از روش‌های SHAP، PDP، خوشه‌بندی K-means و AHP فازی بهره گرفته شد.یافته‌ها: یافته‌ها نشان داد که پیچیدگی قوانین مالیاتی، عدم شفافیت فرآیندها و ضعف نظارت مهم‌ترین عوامل مؤثر بر فساد مالیاتی هستند. تحلیل خوشه‌بندی سه خوشه نظام مالیاتی سنتی ، در حال گذار و نظام مالیاتی دیجیتالی را شناسایی کرد. اولویت‌بندی راهکارها شفاف‌سازی قوانین، آموزش و فرهنگ‌سازی و پاسخگویی را بعنوان مؤثرترین اقدامات معرفی نمود.نتیجه‌گیری، اصالت و افزوده به دانش:شبیه‌سازی سناریوها حاکی از آن است که اجرای کامل راهکارهای پیشنهادی می‌تواند فساد مالیاتی را تا ۴۷.۸ درصد طی پنج سال کاهش دهد اصالت پژوهش در تلفیق پیشرفته یادگیری ماشین با روش‌های تفسیرپذیر و تصمیم‌گیری چندمعیاره و ارائه مدلی بومی، جامع و اولویت‌بندی‌شده است که می‌تواند مبنایی علمی برای سیاست‌گذاری‌های ضدفساد و پژوهش‌های آتی فراهم آورد.