کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5107654 1481997 2017 27 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Data mining applications in accounting: A review of the literature and organizing framework
ترجمه فارسی عنوان
برنامه های داده کاوی در حسابداری: بررسی ادبیات و چارچوب سازماندهی
ترجمه چکیده
این مقاله کاربرد برنامه های تکنیک های داده کاوی در حسابداری را بررسی می کند و چارچوب سازماندهی برای این برنامه ها را پیشنهاد می دهد. بخش بزرگی از ادبیات در مورد استفاده خاص از پارادایم مهم داده کاوی در حسابداری گزارش شده است، اما تحقیقاتی که دیدگاه جامع از این استفاده می کنند، کم است. برای سازماندهی ادبیات کاربرد داده کاوی در حسابداری، ما چارچوبی را ایجاد می کنیم که دو چشم انداز گزارش حسابداری شناخته شده (بازخوانی و پیش بینی) و سه اهداف به خوبی به دست آمده از داده کاوی (توصیف، پیش بینی و تجویز) ) این چارچوب یک طبقه بندی چهار دسته (توصیفی گذشته نگر، توصیفی گذشته، پیش نویس، آینده نگر و پیش بینی کننده و پیش بینی) از برنامه های کاربردی داده کاوی در حسابداری را محاسبه می کند. چارچوب پیشنهادی نشان داد که زمینه حسابداری که بیشترین بهره را از اطلاعات استخراج می کند، تضمین و انطباق است، از جمله شناسایی تقلب، سلامت کسب و کار و حسابرسی قانونی. به نظر می رسد شکاف های روشن در دو دسته برنامه های کاربردی مجاز (پیش نویس پیش بینی شده و آینده نگر و پیش نویس)، نشان دهنده فرصت هایی برای بهره برداری از داده کاوی در این دسته بندی های کاربردی است. این چارچوب، یک دیدگاه جامع از ادبیات را ارائه می دهد و به طور سیستماتیک آن را به شیوه ی ساختاری منطقی و تطبیقی ​​تطبیق می دهد.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری حسابداری
چکیده انگلیسی
This paper explores the applications of data mining techniques in accounting and proposes an organizing framework for these applications. A large body of literature reported on specific uses of the important data mining paradigm in accounting, but research that takes a holistic view of these uses is lacking. To organize the literature on the applications of data mining in accounting, we create a framework that combines the two well-known accounting reporting perspectives (retrospection and prospection), and the three well-accepted goals of data mining (description, prediction, and prescription). The framework encapsulates a taxonomy of four categories (retrospective-descriptive, retrospective-prescriptive, prospective-prescriptive, and prospective-predictive) of data mining applications in accounting. The proposed framework revealed that the area of accounting that benefited the most from data mining is assurance and compliance, including fraud detection, business health and forensic accounting. The clear gaps seem to be in the two prescriptive application categories (retrospective-prescriptive and prospective-prescriptive), indicating opportunities for benefiting from data mining in these application categories. The framework presents a holistic view of the literature and systematically organizes it in a structurally logical and thematically coherent manner.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Accounting Information Systems - Volume 24, February 2017, Pages 32-58
نویسندگان
, ,