دانلود ترجمه مقاله کاربردهای داده کاوی در حسابداری: مروری بر مقالات و سازماندهی چارچوب آن

1. مقدمه 2. پیش زمینه و بررسی مقالات 3. روش تحقیق 4. چارچوب پیشنهادی 5. نتایج و بررسی ها 6. نتیجه گیری، جهت گیریهای آتی، و محدودیت های این تحقیق

چکیده - این مقاله به بررسی کاربردهای رویکرد داده کاوی در حسابداری و معرفی یک چارچوب سازمانی برای این کاربردها می پردازد. دامنه ی قابل توجهی از گزارش ها در زمینه کاربرهای ویژه پارادایم داده کاوی در حسابداری موجود است، اما این بررسی ها فاقد مرور کلی می باشد. برای سازماندهی کاربرهای داده کاوی در حسابداری، چارچوبی ایجاد کرده ایم که هر دو دیدگاه گزارش حسابداری شناخته شده (پس نگری، اینده نگری)، و سه هدف کلی شناخته شده داده کاوی ( توصیفی، پیش بینی، و دستوری) را ترکیب می کند. این چارچوب شامل چهار دسته از کاربردهای داده کاوی در حسابداری می باشد (پس نگری- توصیفی، پس نگری-دستوری، آینده نگری-دستوری، و آینده نگری-پیش بینی کننده). چارچوب پیشنهادی نشان می دهد، دامنه حسابداری که از داده کاوی بهره می بردريال قابل اطمینان و سازگار بوده و شامل تشخیص تقلب، سلامت کسب و کار و حسابداری قانونی می باشد. نکات ضعف مشخصی در این دو کاربرهای توصیفی به چشم می خورد (پس نگری-دستوری و آینده نگری-دستوری)، که فرصت هایی برای بهره مندی از مزایای داده کاوی در این دسته های کاربردی را فراهم می کند. چارچوب به معرفی یک دید کلی از کارهای صورت گرفته و سازماندهی سیستماتیکی به روشی منطقی و سازگار می پردازد.

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.

بخشی از ترجمه مقاله (صفحه 39 و 40 فایل ورد ترجمه)