آنالیز داده های حسابرسی، یادگیری ماشین و آزمایش جمعیت کامل
عنوان انگلیسی
Audit data analytics, machine learning, and full population testing
صفحات مقاله فارسی
15
صفحات مقاله انگلیسی
7
سال انتشار
2022
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
pdf و ورد تایپ شده با قابلیت ویرایش
فرمت ترجمه مقاله
pdf و ورد تایپ شده با قابلیت ویرایش
فونت ترجمه مقاله
بی نازنین
سایز ترجمه مقاله
14
نوع مقاله
ISI
نوع نگارش
مقالات پژوهشی (تحقیقاتی)
نوع ارائه مقاله
ژورنال
پایگاه
اسکوپوس
ایمپکت فاکتور(IF) مجله
3.056 در سال 2021
شاخص H_index مجله
16 در سال 2022
شاخص SJR مجله
0.610 در سال 2021
شناسه ISSN مجله
2405-9188
شاخص Q یا Quartile (چارک)
Q2 در سال 2021
کد محصول
13042
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن
به صورت عدد درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه
ندارد ☓
ضمیمه
ندارد ☓
بیس
نیست ☓
مدل مفهومی
ندارد ☓
پرسشنامه
ندارد ☓
متغیر
ندارد ☓
فرضیه
ندارد ☓
رفرنس در ترجمه
در انتهای مقاله درج شده است
رشته و گرایش های مرتبط با این مقاله
حسابداری - حسابرسی
مجله
The Journal of Finance and Data Science
کلمات کلیدی
تحلیل داده های حسابرسی - آزمون کل جامعه - یادگیری ماشینی
کلمات کلیدی انگلیسی
Audit data analytics - Full population testing - Machine learning
doi یا شناسه دیجیتال
https://doi.org/10.1016/j.jfds.2022.05.002
با خرید این کالا; ترجمه فارسی مقاله، مقاله انگلیسی، پاورپوینت و ترجمه خلاصه قابل دانلود خواهد بود. بلافاصله پس از خرید، دکمه دانلود ظاهر شده و محصول به ایمیل شما نیز ارسال خواهد گردید.
۰.۰(بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1. مقدمه
2. مسائل نمونه گیری در حسابرسی
3. تجزیه و تحلیل داده های حسابرسی و یادگیری ماشینی
4. آزمون کل جامعه
5. چالش ها
6. نتیجه گیری
بیانیه تضاد منافع
فهرست منابع
تصاویر فایل ورد ترجمه مقاله (جهت بزرگنمایی روی عکس کلیک نمایید)
فایل پاورپوینت این مقاله
در کنار ترجمه مقاله، فایل پاورپوینت این مقاله نیز ایجاد شده و در این محصول قرار داده شده است که پس از خریداری به همراه ترجمه قابل دانلود خواهد بود. تعداد اسلایدهای این پاورپوینت 15 می باشد و آماده ارائه در دانشگاه یا سایر سمینارها است.
فایل خلاصه ترجمه
در صورتی که نیاز به خلاصه ای از متن ترجمه این مقاله دارید، می توانید از فایل خلاصه ترجمه استفاده نمایید که به این محصول اضافه شده است. خلاصه ترجمه این مقاله در 5 صفحه در فایل word انجام شده و داخل بسته قرار گرفته است.
نمونه چکیده ترجمه متن فارسی
چکیده
فناوری های نوظهوری مانند تحلیل داده ها و یادگیری ماشینی بر حرفه حسابداری تاثیر می گذارند. به طور خاص، تغییرات شایانی در رویه های حسابرسی و اطمینان بخشی به دلیل این تاثیرات پیش بینی می شود. یکی از این تغییرات بالقوه، نمونه گیری در حسابرسی است. از آنجایی که نمونه گیری در حسابرسی تنها نمای آنی کوچکی از کل جامعه فراهم می کند، برخی از معانی آن در عصر کلان داده ها از بین می روند. یک راه حل محتمل، استفاده از تجزیه و تحلیل داده های حسابرسی و یادگیری ماشینی برای انجام تحلیل کل جامعه به جای نمونه معاملات است. مقاله حاضر به ارائه رویکردی جهت استفاده از تحلیل داده های حسابرسی و یادگیری ماشینی برای آزمون کل جامعه و بحث درباره چالش های مربوطه می پردازد.
۲. مسائل نمونه گیری در حسابرسی
در سال ۲۰۲۰، آمازون تقریباً 4.2 میلیارد بسته را در آمریکا تحویل داد که معادل روزانه بیش از ۱۱ میلیون بسته بود . این معاملات بخش شایانی از درآمد آمازون را در بر گرفته و یکی از بزرگ ترین هزینه های آمازون یعنی هزینه های حمل و نقل را شامل می شود. اکنون، تیم حسابرسی را تصور نمایید که در تلاش برای انجام آزمون محتوایی 4.2 میلیارد بسته ای می شود که در کل آمریکا تحویل داده شده است. به خاطر تعداد زیاد معاملات، مناسب ترین روش برای انجام رویه حسابرسی، بررسی نمونه از معاملات (یعنی نمونه گیری در حسابرسی) خواهد بود. استانداردهای حسابرسی ۲۳۱۵ مشخص می کند که نمونه گیری در حسابرسی عبارتست از بکارگیری رویه حسابرسی برای کمتر از ۱۰۰ درصد موارد در یک مانده حساب یا طبقه ای از معاملات به منظور ارزیابی برخی از ویژگی های ترازنامه یا طبقه (2). اگر چه نمونه گیری در حسابرسی در شیوه حسابرسی به خوبی پذیرفته شده و کارایی حسابرسی را بهبود می بخشد اما محدودیت هایی داشته و در نتیجه برخی از معانی آن در عصر کلان داده ها از بین می رود. نمونه گیری فقط نمای آنی کوچکی از کل جامعه ارائه می کند. دستیابی به نمونه گویایی که به دقت منعکس کننده ویژگی های جامعه ای بزرگ باشد دشوار است. بنابراین، ریسک نمونه گیری ناشی از این احتمال است که حسابرسان در صورتی که کل جامعه به جای نمونه تحت رویه حسابرسی باشد به نتیجه متفاوتی دست می یابند. در کل، هر قدر اندازه نمونه کوچک تر باشد، ریسک نمونه گیری بیشتر خواهد بود. نسبت بین اندازه نمونه و اندازه جامعه می تواند پروکسی ریسک نمونه گیری باشد.