پیشبینی رفتار حسابرسان در مواجهه با تقلب و تخلفات مالی با استفاده از شبکه عصبی مصنوعی
نویسندگان
1 گروه حسابداری، واحد خمین، دانشگاه آزاد اسلامی، خمین، ایران
2 گروه حسابداری، واحد خمین، دانشگاه آزاد اسلامی، خمین، ایران
3 گروه حسابداری، دانشگاه پیام نور، تهران، ایران.
doi
10.30479/jfak.2025.21163.3248چکیده
هدف: هدف این پژوهش پیشبینی رفتار حسابرسان در مواجهه با تقلب و تخلفات مالی و شناسایی عوامل مؤثر بر رفتار متقلبانه آنها است. روش: در این پژوهش از رویکرد کمی استفاده شده و جامعه آماری آن شامل حسابرسان مؤسسات حسابرسی شهر تهران است. حجم نمونه با استفاده از جدول مورگان، 256 نفر تعیین شده است. دادههای پژوهش از طریق پرسشنامهای به منظور شناسایی عوامل مؤثر بر رفتار متقلبانه حسابرسان جمع آوری شده است. برای طراحی مدل شبکه عصبی، از نرمافزار پایتون بهره گرفته شده و مراحل کلیدی شامل پردازش دادهها، تقسیمبندی به دادههای آموزشی، آزمون و اعتبارسنجی، انتخاب نوع شبکه و تنظیم وزنها با استفاده از الگوریتمهای پسانتشار خطا انجام شده است. یافتهها: نتایج تحلیلهای پژوهش بیانگر دقت بالای مدل شبکه عصبی در شناسایی حسابرسان با و بدون سابقه تقلب با دقت کلی 96.15 ٪ است. دقت بالا نشان میدهد که مدل پیشنهادی قادر است به طور مؤثری عوامل مؤثر بر رفتار متقلبانه حسابرسان را شناسایی کرده و پیشبینیهای دقیقی ارائه دهد.نتیجهگیری: این پژوهش نشان میدهد که استفاده از مدلهای شبکه عصبی و فناوریهای تحلیلی میتواند به طور قابل توجهی به موسسات حسابرسی در تقویت سیستمهای نظارتی خود کمک کند. با به کارگیری این مدلها، امکان پیشگیری از تخلفات مالی افزایش یافته و محیط کاری شفافتر و امنتری ایجاد میشود. دانش افزایی: دانش افزایی این مطالعه این است که این پژوهش با استفاده از شبکه عصبی به پیشبینی رفتار حسابرسان در مواجهه با تقلب و تخلفات مالی پرداخته و به بهبود دقت و سرعت در تصمیمگیریهای نظارتی کمک میکند.