سنجش اعتبار حسابرسان با استفاده از شبکه عصبی مصنوعی
محورهای موضوعی : حسابداری و حسابرسی
عسل بخشیان
1
(
گروه حسابداری، واحد یزد ،دانشگاه آزاد اسلامی، یزد، ایران.
)
فروغ حیرانی
2
(
گروه حسابداری، واحد یزد ،دانشگاه آزاد اسلامی، یزد، ایران.
)
اکرم تفتیان
3
(
گروه حسابداری، واحد یزد ،دانشگاه آزاد اسلامی، یزد، ایران.
)
کلید واژه: اعتبار گزارش حسابرس, الگوریتم بهینه‌سازی علف‌های هرز, الگوریتم بهینه‌سازی توده ذرات, سنجش اعتبار حسابرسان,
چکیده مقاله :
هدف: میزان ارزش‌افزوده اطمینان به ارتباطات بین حسابرسی شونده و مخاطبانش به طور مستقیم با اعتبار حسابرس مرتبط است؛ بنابراین اعتبار حسابرسان باتوجه‌به اهمیت صورت‌های مالی حسابرسی شده در تسهیل معاملات بازار سرمایه در اولویت می‌باشد. هدف پژوهش سنجش اعتبار حسابرسان با استفاده از شبکه عصبی مصنوعی می‌باشد. روش‌شناسی پژوهش: در ابتدا با بکارگیری روش نظریه گرندد، مولفه های پژوهش شناسایی شدند و بااستفاده از تحلیل عاملی به تجزیه‌وتحلیل سوالات پژوهش پرداخته شد و مدل نهایی سنجش اعتبار حسابرسان ارائه، و با استفاده از نرم افزار متلب سنجش اعتبار حسابرسان صورت پذیرفت. این پژوهش در سال 1401 صورت پذیرفته است. یافته‌ها: نتایج نشان داد مولفه‌های بررسی استقلال، پذیرش یا ادامه کار؛ پرونده مکاتباتی؛ پرونده دائمی؛ شناخت واحد مورد رسیدگی و محیط آن شامل کنترل‌های داخلی؛ آزمون‌های محتوا؛ برنامه‌ریزی، کنترل و سرپرستی کار؛ چک‌لیست‌ها و گزارش‌ها؛ نحوه اجرای وظایف مدیر دوم؛ ارزیابی کلی پرونده‌های حسابرسی؛ وضعیت کلی مؤسسه حسابرسی؛ وضعیت منابع انسانی مؤسسه حسابرسی؛ کارکردهای مؤسسه حسابرسی؛ رعایت قوانین و مقررات حرفه حسابرسی و وضعیت ظاهری مؤسسه حسابرسی بر سنجش اعتبار حسابرسان تأثیر دارند. الگوریتم بهینه‌سازی علف‌های هرز قدرت بالاتری نسبت به الگوریتم بهینه‌سازی توده ذرات جهت پیش‌بینی سنجش اعتبار حسابرسان دارد. اصالت / ارزش‌افزوده علمی: به استناد یافته‌های پژوهش حاضر، فعالان حرفه حسابرسی خصوصاً جامعه حسابداران رسمی ایران که مسئولیت سنجش اعتبار حسابرسان را بر عهده دارد، باید عوامل برشمرده شده در این پژوهش که از نظر خبرگان و فعالین حرفه بر سنجش اعتبار حسابرسان تأثیرگذار هستند را موردتوجه قرار دهند.
Purpose: The credibility of auditors is directly linked to the added value of confidence in communication between the auditee and their audience. Consequently, the credibility of auditors takes precedence due to the significance of audited financial statements in facilitating transactions in capital markets. This research aims to measure auditors' credibility using artificial neural networks. Methodology: Initially, research variables were identified using grounded theory, and factor analysis was employed to analyze research questions. The final model for measuring auditors' credibility was then presented, and MATLAB software was utilized to measure auditors' credibility. This research was conducted in the year 1401 (Solar Hijri calendar, equivalent to 2022-2023 in the Gregorian calendar). Findings: The results revealed that various factors influence the evaluation of auditors' credibility, including examining independence, acceptance or continuation of work, correspondence file, permanent file, understanding the unit under scrutiny and its environment (including internal controls), content tests, work planning, control and supervision, checklists and reports, the execution of duties by the second manager, overall assessment of audit files, the general status of the audit institution, human resource status within the audit institution, functions of the audit institution, compliance with auditing profession rules and regulations, and the external appearance of the audit institution. Conclusion: The weed optimization algorithm outperforms the particle swarm optimization algorithm in predicting auditors' credibility. Based on the findings of this study, stakeholders in the auditing profession, especially the Iranian Institute of Certified Accountants responsible for assessing auditors' credibility, should pay attention to the identified factors that experts and professionals believe to have an impact on evaluating auditors' credibility.
