پیش بینی رتبه بندی کیفیت اطلاعات با رویکرد تحلیل عاملی و هوش مصنوعی

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 378

فایل این مقاله در 40 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_FAAR-14-54_004

تاریخ نمایه سازی: 26 آذر 1401

چکیده مقاله:

چکیدهاز آنجایی که سهامداران، سرمایهگذاران، اعتباردهندگان و سایر استفادهکنندگان از صورتهای مالی برای مقاصد تصمیمگیری از اطلاعات درونی شرکت آگاهی کافی ندارند و همواره به دنبال کسب اطلاعاتی برای ارزیابی عملکرد و ریسک سنجی شرکتهای مورد نظر خود میباشند تا بتوانند در آنها سرمایهگذاری کنند، لذا کیفیت اطلاعات حسابداری که شرکت ها افشا می نمایند جهت تصمیم گیری آن ها  دارای اهمیت می باشد. این پژوهش پیش بینی رتبه بندی کیفیت اطلاعات با رویکرد تحلیل عاملی و هوش مصنوعی در شرکت های پذیرفته شده در بورس اوراق بهادار تهران را مورد بررسی قرار می دهد. متغیر مستقل استفاده شده در این پژوهش، معیار های نظام راهبری می باشد و متغیر وابسته، معیار های کیفیت اطلاعات حسابداری است که بر اساس روش تحلیل عاملی تمام معیار ها بصورت یک متغیر واحد تبدیل شده است. پژوهش حاضر جز تحقیقات تجربی حسابداری بوده و جهت آزمون فرضیه های پژوهش از روش هوش مصنوعی استفاده شده است. نتایج پژوهش حاکی از آن است که طبق روش متغیر گزینی هوش مصنوعی آنالیز همسایگی از بین متغیر های نظام راهبری "درصد مالکان نهادی"، "نقش دوگانه مدیرعامل"، "دوره تصدی مدیرعامل"، "مالکیت مدیریت" و "مالکیت دولتی" بالاترین همبستگی را با رتبه کیفیت اطلاعات دارند. سایر نتایج تحقیق حاکی از این است که روش هوش مصنوعی خطی و غیر خطی توانایی بالایی در پیش بینی رتبه کیفیت اطلاعات حسابداری شرکت های پذیرفته شده در بورس اوراق بهادار تهران را دارند.

کلیدواژه ها:

واژه های کلیدی: کیفیت اطلاعات ، نظام راهبری ، هوش مصنوعی ، تحلیل عاملی

نویسندگان

اکرم کریمی

گروه حسابداری، واحد قم، دانشگاه آزاد اسلامی، قم، ایران

رویا دارابی

گروه حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران.

محمدرضا پورفخاران

گروه حسابداری، واحد قم، دانشگاه آزاد اسلامی، قم، ایران

حسین مقدم

گروه حسابداری، واحد قم، دانشگاه آزاد اسلامی، قم، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :