دانلود ترجمه مقاله آنالیز داده های حسابرسی، یادگیری ماشین و آزمایش جمعیت کامل (ساینس دایرکت – الزویر ۲۰۲۲) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)
این مقاله انگلیسی ISI در نشریه الزویر در ۷ صفحه در سال ۲۰۲۲ منتشر شده و ترجمه آن ۱۵ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی | |
عنوان فارسی مقاله: |
آنالیز داده های حسابرسی، یادگیری ماشین و آزمایش جمعیت کامل |
عنوان انگلیسی مقاله: |
Audit data analytics, machine learning, and full population testing |
مشخصات مقاله انگلیسی | |
فرمت مقاله انگلیسی | pdf و ورد تایپ شده با قابلیت ویرایش |
سال انتشار | ۲۰۲۲ |
تعداد صفحات مقاله انگلیسی | ۷ صفحه با فرمت pdf |
نوع مقاله | ISI |
نوع نگارش | مقاله پژوهشی (Research Article) |
نوع ارائه مقاله | ژورنال |
رشته های مرتبط با این مقاله | حسابداری |
گرایش های مرتبط با این مقاله | حسابرسی |
چاپ شده در مجله (ژورنال) | 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 |
نمایه (index) | scopus – DOAJ |
نویسندگان | Feiqi Huang – Won Gyun No – Miklos A. Vasarhelyi – Zhaokai Yan |
شناسه شاپا یا ISSN | ۲۴۰۵-۹۱۸۸ |
شناسه دیجیتال – doi | https://doi.org/10.1016/j.jfds.2022.05.002 |
ایمپکت فاکتور(IF) مجله | ۳٫۰۵۶ در سال ۲۰۲۱ |
شاخص H_index مجله | ۱۶ در سال ۲۰۲۲ |
شاخص SJR مجله | ۰٫۶۱۰ در سال ۲۰۲۱ |
شاخص Q یا Quartile (چارک) | Q2 در سال ۲۰۲۱ |
بیس | نیست ☓ |
مدل مفهومی | ندارد ☓ |
پرسشنامه | ندارد ☓ |
متغیر | ندارد ☓ |
فرضیه | ندارد ☓ |
رفرنس | دارای رفرنس در داخل متن و انتهای مقاله ✓ |
کد محصول | ۱۳۰۴۲ |
لینک مقاله در سایت مرجع | لینک این مقاله در سایت Elsevier |
نشریه | الزویر – Elsevier |
مشخصات و وضعیت ترجمه فارسی این مقاله | |
فرمت ترجمه مقاله | pdf و ورد تایپ شده با قابلیت ویرایش |
وضعیت ترجمه | انجام شده و آماده دانلود |
کیفیت ترجمه | ویژه – طلایی ⭐️⭐️⭐️ |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش | ۱۵ (۱ صفحه رفرنس انگلیسی) صفحه با فونت ۱۴ B Nazanin |
ترجمه عناوین تصاویر و جداول | ترجمه شده است ✓ |
ترجمه متون داخل تصاویر | ترجمه شده است ✓ |
ترجمه متون داخل جداول | ترجمه شده است ✓ |
ترجمه ضمیمه | ندارد ☓ |
درج تصاویر در فایل ترجمه | درج شده است ✓ |
درج جداول در فایل ترجمه | درج شده است ✓ |
درج فرمولها و محاسبات در فایل ترجمه | ندارد ☓ |
منابع داخل متن | به صورت عدد درج شده است ✓ |
منابع انتهای متن | به صورت انگلیسی درج شده است ✓ |
فهرست مطالب |
چکیده ۱ مقدمه ۲ مسائل نمونه گیری در حسابرسی ۳ تجزیه و تحلیل داده های حسابرسی و یادگیری ماشینی ۴ آزمون کل جامعه ۵ چالش ها ۶ نتیجه گیری بیانیه تضاد منافع فهرست منابع |
بخشی از ترجمه |
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.
مسائل نمونه گیری در حسابرسی
به رغم انتخاب رویکردهای نمونه گیری، مانند نمونه گیری واحد پولی و نمونه گیری مبتنی بر قضاوت، بزرگ ترین چالش در این سناریوی آمازون نحوه استخراج نمونه ای است که نماینده مناسبی برای ویژگی های کل ۴٫۲ میلیارد معامله باشد. حسابرسان به این دلیل از نمونه گیری استفاده می کنند که بررسی کل جامعه بسیار پرهزینه و زمانبر می باشد. ماهیتاً، معاملات مادی غیرمعمول یا مشکوک، نادر هستند. بنابراین، احتمال شناسایی چنین معاملاتی در نمونه پایین است. نمونه گیری در بررسی تفکیک سفارشات خرید بزرگ در طی چندین سفارش خرید بی فایده است. تفکیک سفارشات خرید تنها زمانی مشاهده می شود که همه سفارشات خرید به صورت تصادفی به عنوان بخشی از نمونه انتخاب شوند.
در نتیجه پرسش هایی درباره کارایی نمونه گیری در حسابرسی وجود دارد (۳، ۴). پرسش اصلی آن است که آیا یک نمونه نماینده خوبی از کل جامعه بوده و برای رسیدن به یک نتیجه مناسب، کافی است یا خیر؟ به عبارت دیگر، آیا شواهد حسابرسی حاصل از بخش کوچکی از جامعه قابل اعتماد و کافی است؟ برای مثال، نمونه ای از ۵۰۰۰۰۰ معامله، تنها ۰٫۰۱۲ درصد کل جامعه آمازون است حتی اگر نمونه بسیار بزرگی باشد. |