<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>انجمن حسابرسی فناوری اطلاعات ایران</PublisherName>
				<JournalTitle>حسابرسی سیستم‌ها و فناوری اطلاعات</JournalTitle>
				<Issn>3115-8773</Issn>
				<Volume>1</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2025</Year>
					<Month>09</Month>
					<Day>23</Day>
				</PubDate>
			</Journal>
<ArticleTitle>A Framework for Applying Text Mining and Artificial Intelligence in IT Governance Auditing</ArticleTitle>
<VernacularTitle>ارائه چهارچوبی برای به‌کارگیری متن‌کاوی و هوش مصنوعی در حسابرسی حاکمیت فناوری اطلاعات</VernacularTitle>
			<FirstPage>39</FirstPage>
			<LastPage>56</LastPage>
			<ELocationID EIdType="pii">241507</ELocationID>
			
<ELocationID EIdType="doi">10.22034/jista.2026.544803.1061</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>ندا</FirstName>
					<LastName>عبدالوند</LastName>
<Affiliation>دانشیار مدیریت فناوری اطلاعات، گروه مدیریت، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا، تهران، ایران</Affiliation>

</Author>
<Author>
					<FirstName>مائده</FirstName>
					<LastName>نوروزی</LastName>
<Affiliation>کارشناس ارشد مدیریت کسب‌وکار، گروه مدیریت، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا، تهران، ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2025</Year>
					<Month>11</Month>
					<Day>02</Day>
				</PubDate>
			</History>
		<Abstract>&lt;span style=&quot;mso-bidi-font-size: 10.0pt; mso-ascii-font-family: &#039;Times New Roman&#039;; mso-ascii-theme-font: major-bidi; mso-hansi-font-family: &#039;Times New Roman&#039;; mso-hansi-theme-font: major-bidi; mso-bidi-font-family: &#039;Times New Roman&#039;; mso-bidi-theme-font: major-bidi;&quot;&gt;The rapid advancement of information technology (IT) and the growing complexity of organizational data have significantly transformed the field of IT governance and auditing. Traditional auditing approaches often struggle to cope with the volume, variety, and velocity of digital information, resulting in challenges for transparency, risk assessment, and value creation. This paper presents a conceptual study that integrates theories of Resource Dependence (RDT) and Legitimacy to propose a multi-layered framework for IT audit governance supported by artificial intelligence (AI) and machine learning (ML) techniques. The proposed model incorporates eight layers, including infrastructure, data, preprocessing, application, AI/ML analytics, reporting, governance, and a cross-cutting security layer, highlighting how advanced analytical tools can enhance transparency, strengthen stakeholder trust, and support sustainable value creation. By synthesizing existing literature and extending theoretical insights, this study not only offers a comprehensive conceptual framework but also outlines directions for future empirical research and practical applications in IT audit governance&lt;span dir=&quot;RTL&quot; lang=&quot;AR-SA&quot;&gt;.&lt;/span&gt;&lt;/span&gt;</Abstract>
			<OtherAbstract Language="FA">&lt;span lang=&quot;AR-SA&quot; style=&quot;font-size: 11.0pt; font-family: &#039;B Zar&#039;; mso-ascii-font-family: &#039;B Zar&#039;; mso-hansi-font-family: &#039;B Zar&#039;;&quot;&gt;رشد سریع فناوری اطلاعات و پیچیدگی فزاینده داده‌های سازمانی، حوزه حاکمیت و حسابرسی فناوری اطلاعات را دچار تحول اساسی کرده است. رویکردهای سنتی حسابرسی در مواجهه با حجم، تنوع و سرعت بالای اطلاعات دیجیتال با محدودیت‌هایی جدی روبه‌رو هستند و این امر چالش‌هایی در زمینه شفافیت، ارزیابی ریسک و خلق ارزش ایجاد می‌کند. این پژوهش یک مطالعه‌ی مفهومی است که با تکیه بر نظریه وابستگی منابع (&lt;/span&gt;&lt;span dir=&quot;LTR&quot; style=&quot;font-size: 11.0pt; mso-ascii-font-family: &#039;Times New Roman&#039;; mso-ascii-theme-font: major-bidi; mso-hansi-font-family: &#039;Times New Roman&#039;; mso-hansi-theme-font: major-bidi; mso-bidi-font-family: &#039;Times New Roman&#039;; mso-bidi-theme-font: major-bidi;&quot;&gt;RDT&lt;/span&gt;&lt;span lang=&quot;AR-SA&quot; style=&quot;font-size: 11.0pt; font-family: &#039;B Zar&#039;; mso-ascii-font-family: &#039;B Zar&#039;; mso-hansi-font-family: &#039;B Zar&#039;;&quot;&gt;) و نظریه مشروعیت، چهارچوبی چندلایه برای حاکمیت حسابرسی فناوری اطلاعات مبتنی بر هوش مصنوعی و یادگیری ماشین ارائه می‌دهد. مدل پیشنهادی شامل هشت لایه است: زیرساخت، داده، پیش‌پردازش، کاربرد، تحلیل مبتنی بر هوش مصنوعی و یادگیری ماشین، گزارش‌دهی، حاکمیت و یک لایه امنیتی میان‌برشی. این مدل نشان می‌دهد که ابزارهای تحلیلی نوین می‌توانند شفافیت را افزایش دهند، اعتماد ذی‌نفعان را تقویت کنند و زمینه‌ساز خلق ارزش پایدار برای سازمان باشند. این مطالعه با تلفیق ادبیات موجود و توسعه‌ی بینش‌های نظری، نه تنها چهارچوبی مفهومی جامع ارائه می‌کند بلکه مسیرهای پژوهشی آینده و کاربردهای عملی در زمینه حسابرسی فناوری اطلاعات را نیز ترسیم می‌نماید.&lt;/span&gt;</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">حاکمیت فناوری اطلاعات</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">حسابرسی فناوری اطلاعات</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">متن‌کاوی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">نظریه وابستگی منابع</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">نظریه مشروعیت</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://www.iitasa.org.ir/article_241507_f51ca67af4bcfa8603b86c6e45f8317d.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
