انجمن حسابرسی فناوری اطلاعات ایران حسابرسی سیستم‌ها و فناوری اطلاعات 3115-8773 1 2 2025 09 23 Investigating the Impact of Root and Enabling Organizational Factors on Key Operational and Mediating Factors in the Cobit Framework بررسی تأثیر عوامل سازمانی ریشه‌ای و توانمندساز بر عوامل کلیدی عملیاتی و میانجی در چارچوب کوبیت 1 38 236124 10.22034/jista.2025.545440.1062 FA امید پورحیدری استاد، گروه حسابداری، دانشکده مدیریت و اقتصاد، دانشگاه شهید باهنر کرمان، کرمان، ایران 0000-0002-2701-2293 حمید الواری چناری دانشجوی دکتری، گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه شهید باهنر کرمان، کرمان، ایران 0009-0000-5067-1599 Journal Article 2025 09 10 The COBIT framework is a framework for governance and management of information and technology that targets the entire organization. The main objective of this study is to examine the impact of root, enabling, and strategic organizational factors on key operational and mediating factors in the COBIT framework in Iran. This study is a structural equation modeling study, the population of this study is all employees of auditing firms and the sample size is 384 people. The data collection tool is a questionnaire, and SmartPLS and SPSS software were used for data analysis. The findings indicate that independent variables, such as root organizational factors including goals, culture, structure, and values, have a positive and significant impact on the enabling and strategic variables of the COBIT framework, such as organizational commitment, communication, training, and strategies. Furthermore, enabling and strategic factors positively and significantly influence the key operational factors of the COBIT framework, like organizational IT. Customer orientation enhances these relationships, while dynamic organizational adaptability reduces them. It can be concluded that a correct understanding and management of organizational factors, particularly concerning values and customer orientation, are crucial for achieving the objectives of the COBIT framework and improving IT effectiveness in Iranian auditing firms. This research provides a foundation for a deeper exploration into the role of different versions of the COBIT framework within Iranian auditing institutions. It also highlights the necessity for a more precise analysis of organizational factors beyond customer orientation, especially concerning the challenges of dynamic adaptability. چارچوب کوبیت چارچوبی برای حاکمیت و مدیریت اطلاعات و فناوری است که کل سازمان را هدف قرار می‌دهد. هدف اصلی این پژوهش بررسی تأثیر عوامل سازمانی ریشه‌ای و توانمندساز و استراتژیک بر عوامل کلیدی عملیاتی و میانجی در چارچوب کوبیت در ایران است. این پژوهش از نوع مدل‌یابی معادلات ساختاری، جامعه این پژوهش تمام شاغلان مؤسسات حسابرسی و حجم نمونه ۳۸۴ نفر است. ابزار گردآوری داده‌ها پرسش‌نامه است و از نرم افزارهای اسمارت پی‌ال‌اس و اس‌پی‌اس‌اس برای تجزیه و تحلیل داده‌ها استفاده شده است. یافته‌ها نشان می‌دهد که متغیرهای مستقل عوامل سازمانی ریشه‌ای مانند اهداف، فرهنگ، ساختار و ارزش‌های سازمانی اثر مثبت و معناداری بر متغیرهای توانمندساز و استراتژیک چارچوب کوبیت مانند تعهد، ارتباط، آموزش و استراتژی‌های سازمانی داشته و عوامل توانمندساز و استراتژیک اثر مثبت و معناداری بر عوامل کلیدی عملیاتی چارچوب کوبیت مانند فناوری اطلاعات سازمانی دارند و متغیرهای مشتری‌مداری این روابط را افزایش و سازگاری پویای سازمانی این روابط را کاهش می‌دهد. می‌توان نتیجه‌گیری کرد که درک و مدیریت صحیح عوامل سازمانی، به‌ویژه در زمینه ارزش‌ها و مشتری‌مداری، برای دستیابی به اهداف چارچوب کوبیت و ارتقای اثربخشی فناوری اطلاعات در مؤسسات حسابرسی ایران، امری حیاتی است. این پژوهش، زمینه‌ای برای بررسی عمیق‌تر نقش نسخه‌های مختلف چارچوب کوبیت در موسسات حسابرسی در ایران فراهم می‌کند. همچنین، لزوم تحلیل دقیق‌تر عوامل سازمانی فراتر از مشتری‌مداری، به‌ویژه در مورد چالش‌های سازگاری پویا، را آشکار می‌سازد.

https://www.iitasa.org.ir/article_236124_edf136ea4b8d6ea43f221d3ec0681d1b.pdf

انجمن حسابرسی فناوری اطلاعات ایران حسابرسی سیستم‌ها و فناوری اطلاعات 3115-8773 1 2 2025 09 23 A Framework for Applying Text Mining and Artificial Intelligence in IT Governance Auditing ارائه چهارچوبی برای به‌کارگیری متن‌کاوی و هوش مصنوعی در حسابرسی حاکمیت فناوری اطلاعات 39 56 241507 10.22034/jista.2026.544803.1061 FA ندا عبدالوند دانشیار مدیریت فناوری اطلاعات، گروه مدیریت، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا، تهران، ایران مائده نوروزی کارشناس ارشد مدیریت کسب‌وکار، گروه مدیریت، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا، تهران، ایران Journal Article 2025 11 02 <span style="mso-bidi-font-size: 10.0pt; mso-ascii-font-family: 'Times New Roman'; mso-ascii-theme-font: major-bidi; mso-hansi-font-family: 'Times New Roman'; mso-hansi-theme-font: major-bidi; mso-bidi-font-family: 'Times New Roman'; mso-bidi-theme-font: major-bidi;">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. 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 (<span dir="LTR" style="font-size: 11.0pt; mso-ascii-font-family: 'Times New Roman'; mso-ascii-theme-font: major-bidi; mso-hansi-font-family: 'Times New Roman'; mso-hansi-theme-font: major-bidi; mso-bidi-font-family: 'Times New Roman'; mso-bidi-theme-font: major-bidi;">RDT) 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.

https://www.iitasa.org.ir/article_241507_f51ca67af4bcfa8603b86c6e45f8317d.pdf

انجمن حسابرسی فناوری اطلاعات ایران حسابرسی سیستم‌ها و فناوری اطلاعات 3115-8773 1 2 2025 09 23 Evaluating the Performance of Large Language Models on Doctoral Accounting Exams: A Comparative Study of Six Generative AI Chatbots ارزیابی عملکرد مدل‌های زبانی بزرگ در آزمون دکتری حسابداری: مطالعه‌ای مقایسه‌ای از شش چت‌بات هوش مصنوعی مولد 57 91 240947 10.22034/jista.2026.568921.1077 FA ساسان خادمی دانش آموخته دکتری حسابداری، بخش حسابداری، دانشکده اقتصاد مدیریت و علوم اجتماعی، دانشگاه شیراز، شیراز، ایران 0000-0003-0599-6719 Journal Article 2025 11 26 The rapid advancement of large language models (LLMs) has drawn increasing attention from accounting education researchers to their performance on specialized questions and potential implications for learning and assessment. This study aims to evaluate and compare the performance of six LLMs (ChatGPT, Gemini, Perplexity, Grok, DeepSeek, and Qwen) on the Iranian PhD Accounting Examination and to assess their potential as educational support tools. The dataset comprises 300 official multiple-choice questions from three subjects (Auditing, Management Accounting, and Accounting Theory) administered between 2021 and 2025. Responses generated by each model were coded dichotomously (correct/incorrect) and evaluated against two reference levels, 0.25 (random performance) and 0.50 (minimum acceptable threshold), using one-sample proportion tests, with 95% confidence intervals reported for model accuracies. Cochran’s Q test was employed to compare relative performance across models. Results indicated that all models performed significantly above both reference levels. Although Gemini achieved the highest and Qwen the lowest correct-response rates, Cochran’s Q revealed no statistically significant differences in overall performance. Importantly, results are interpreted within an open-book scenario, and given the potential for data leakage and the multiple-choice nature of the questions, findings should not be construed as evidence of deep conceptual understanding or independent reasoning. Overall, the findings suggest that LLMs, even without advanced tuning or specialized training, possess substantial capacity for producing correct responses in standard accounting examinations and may serve as complementary tools in accounting education and assessment design. پیشرفت شتابان مدل‌های زبانی بزرگ، توجه پژوهشگران را به عملکرد این ابزارها در پاسخ‌گویی به پرسش‌های تخصصی و پیامدهای بالقوه آن‌ها برای یادگیری و ارزشیابی معطوف کرده است. هدف پژوهش حاضر، ارزیابی و مقایسه عملکرد شش مدل زبانی بزرگ شامل ChatGPT، Gemini، Perplexity، Grok، DeepSeek و Qwen در پاسخ‌گویی به سؤالات آزمون دکتری حسابداری ایران است. داده‌های پژوهش شامل <span lang="FA" style="mso-ansi-font-size: 10.0pt; font-family: 'B Zar'; mso-ascii-font-family: 'Times New Roman'; mso-fareast-font-family: Calibri; mso-hansi-font-family: 'Times New Roman'; mso-bidi-language: FA;">۳۰۰ سؤال چهارگزینه‌ای رسمی آزمون دکتری حسابداری طی سال‌های <span lang="FA" style="mso-ansi-font-size: 10.0pt; font-family: 'B Zar'; mso-ascii-font-family: 'Times New Roman'; mso-fareast-font-family: Calibri; mso-hansi-font-family: 'Times New Roman'; mso-bidi-language: FA;">۱۴۰۰ تا <span lang="FA" style="mso-ansi-font-size: 10.0pt; font-family: 'B Zar'; mso-ascii-font-family: 'Times New Roman'; mso-fareast-font-family: Calibri; mso-hansi-font-family: 'Times New Roman'; mso-bidi-language: FA;">۱۴۰۴ در سه درس حسابرسی، حسابداری مدیریت و تئوری حسابداری است. پاسخ‌های هر مدل به‌صورت دودویی (صحیح/غلط) کدگذاری شد و با استفاده از آزمون نسبت تک‌نمونه‌ای، عملکرد آن‌ها نسبت به دو سطح مرجع <span lang="FA" style="mso-ansi-font-size: 10.0pt; font-family: 'B Zar'; mso-ascii-font-family: 'Times New Roman'; mso-fareast-font-family: Calibri; mso-hansi-font-family: 'Times New Roman'; mso-bidi-language: FA;">۰٫<span lang="FA" style="mso-ansi-font-size: 10.0pt; font-family: 'B Zar'; mso-ascii-font-family: 'Times New Roman'; mso-fareast-font-family: Calibri; mso-hansi-font-family: 'Times New Roman'; mso-bidi-language: FA;">۲۵ (عملکرد تصادفی) و <span lang="FA" style="mso-ansi-font-size: 10.0pt; font-family: 'B Zar'; mso-ascii-font-family: 'Times New Roman'; mso-fareast-font-family: Calibri; mso-hansi-font-family: 'Times New Roman'; mso-bidi-language: FA;">۰٫<span lang="FA" style="mso-ansi-font-size: 10.0pt; font-family: 'B Zar'; mso-ascii-font-family: 'Times New Roman'; mso-fareast-font-family: Calibri; mso-hansi-font-family: 'Times New Roman'; mso-bidi-language: FA;">۵۰ (سطح پایه قابل قبول) ارزیابی گردید. همچنین، برای مقایسه عملکرد نسبی مدل‌ها از آزمون Cochran’s Q استفاده شد. نتایج نشان داد که عملکرد تمامی مدل‌ها به‌طور معناداری فراتر از هر دو سطح مرجع است. اگرچه مدل Gemini بالاترین و مدل Qwen پایین‌ترین درصد پاسخ صحیح را ثبت کردند، آزمون Cochran’s Q تفاوت معناداری میان عملکرد کلی مدل‌ها نشان نداد. با این حال، نتایج در چارچوب یک سناریوی عملیاتی open-book تفسیر می‌شوند و با توجه به احتمال نشت داده و ماهیت چندگزینه‌ای سؤالات، نباید به‌عنوان شواهدی از درک مفهومی عمیق یا استدلال مستقل مدل‌ها تلقی شوند. به‌طور کلی، یافته‌ها نشان می‌دهد که مدل‌های زبانی بزرگ، حتی بدون تنظیمات پیشرفته یا آموزش اختصاصی، از توان قابل توجهی در عملکرد صحیح در آزمون‌های استاندارد حسابداری برخوردارند و می‌توانند به‌عنوان ابزارهای مکمل در آموزش و طراحی فعالیت‌های ارزشیابی در آموزش عالی حسابداری مورد توجه قرار گیرند.

https://www.iitasa.org.ir/article_240947_fd7c140b56af05f71644a608bb4f05f8.pdf

انجمن حسابرسی فناوری اطلاعات ایران حسابرسی سیستم‌ها و فناوری اطلاعات 3115-8773 1 2 2025 09 23 Anomaly Detection in Information Technology Auditing Using Risk-Based Pseudo-Labels and the Random Forest Algorithm تشخیص ناهنجاری در حسابرسی فناوری اطلاعات با استفاده از شبه برچسب‌های مبتنی بر ریسک و الگوریتم جنگل تصادفی 92 126 241981 10.22034/jista.2026.570638.1080 FA محمدرضا کیوان پور استاد، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه الزهرا، تهران، ایران غزاله کاکاوند تیموری دانش‌آموخته کارشناسی ارشد مهندسی نرم‌افزار، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه الزهرا، تهران، ایران مریم غائبی دانشجوی کارشناسی ارشد مهندسی نرم‌افزار، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه الزهرا، تهران، ایران نگار نقدیان دانشجوی کارشناسی ارشد هوش مصنوعی، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه الزهرا، تهران، ایران مهسا بشاورد دانشجوی دکتری، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه الزهرا، تهران، ایران زهرا محمدی‌نژاد دانشجوی کارشناسی ارشد هوش مصنوعی، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه الزهرا، تهران، ایران سیده نازنین نیشابوری نژاد دانشجوی کارشناسی ارشد هوش مصنوعی، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه الزهرا، تهران، ایران Journal Article 2026 01 05 With the increasing use of information systems and the growing volume and diversity of system data, information technology audit faces new challenges in identifying abnormal and high-risk behaviors. Traditional audit methods, which are mainly based on manual inspections and static rules, have limited capability in detecting complex and non-linear patterns in today''s data. In this research, the anomaly detection problem in information technology audit is modeled as a binary classification task, and a data-driven approach based on machine learning is proposed to identify and prioritize high-risk cases. In the proposed method, transaction, customer, and merchant data are integrated, and after structured preprocessing, audit-oriented features are extracted, including temporal patterns, cross-system discrepancy indicators, and deviations from normal customer behavior. This study uses the public "IEEE-CIS Fraud Detection" dataset, consisting of 1000 transactions with 25 features. The features include raw transaction and customer data, as well as indicators extracted based on an audit approach such as temporal patterns and deviations from normal behavior. Due to the limitation of actual anomaly labels, a pseudo-labeling mechanism based on audit rules and risk scoring is designed and used as the target variable for training the random forest model. The model output is a probability score that enables ranking transactions and extracting prioritized high-risk cases. Experimental results show that the proposed method achieves 97% accuracy, 85% precision, 93% recall, and 89% F1-score on the test set, and can be used as an effective decision support tool for information technology audit. با گسترش استفاده از سیستم‌های اطلاعاتی و افزایش حجم و تنوع داده‌های سیستمی، حسابرسی فناوری اطلاعات با چالش‌های جدیدی در شناسایی رفتارهای غیرعادی و پرخطر مواجه شده است. روش‌های سنتی حسابرسی که عمدتاً مبتنی بر بررسی‌های دستی و قواعد ایستا هستند، توانایی محدودی در کشف الگوهای پیچیده و غیرخطی داده‌های امروزی دارند. در این پژوهش، مسئله تشخیص ناهنجاری در حسابرسی فناوری اطلاعات به‌صورت یک طبقه‌بندی دودویی مدل‌سازی شده و یک رویکرد داده‌محور مبتنی بر یادگیری ماشین برای شناسایی و اولویت‌بندی موارد پرخطر ارائه می‌شود. در روش پیشنهادی، داده‌های تراکنش، مشتری و پذیرنده یکپارچه شده و پس از پیش‌پردازش ساختاریافته، ویژگی‌های حسابرسی‌محور استخراج می‌گردد؛ از جمله الگوهای زمانی، شاخص‌های مغایرت بین‌سیستمی و انحراف از رفتار معمول مشتری. این پژوهش از مجموعه داده عمومی «IEEE-CIS Fraud Detection» شامل ۱۰۰۰ تراکنش با ۲۵ ویژگی استفاده می‌کند. ویژگی‌ها شامل داده‌های خام تراکنش و مشتری و همچنین شاخص‌های استخراج‌شده مبتنی بر رویکرد حسابرسی مانند الگوهای زمانی و انحراف از رفتار معمول هستند. به‌دلیل محدودیت برچسب‌های واقعی ناهنجاری، یک سازوکار شبه‌برچسب‌گذاری مبتنی بر قواعد حسابرسی و امتیازدهی ریسک طراحی شده و به‌عنوان متغیر هدف برای آموزش مدل جنگل تصادفی به‌کار می‌رود. خروجی مدل یک امتیاز احتمال است که امکان رتبه‌بندی تراکنش‌ها و استخراج موارد پرخطر اولویت‌دار را فراهم می‌کند. نتایج تجربی نشان می‌دهد روش پیشنهادی در مجموعه آزمون به صحت %97، دقت %85، فراخوانی 93% و امتیاز F1 برابر %89 دست یافته و می‌تواند به‌عنوان ابزار تصمیم‌یار مؤثر برای پشتیبانی از حسابرسی فناوری اطلاعات استفاده شود.

https://www.iitasa.org.ir/article_241981_7743ba5ab1419080e53b9dcaffc93c81.pdf

انجمن حسابرسی فناوری اطلاعات ایران حسابرسی سیستم‌ها و فناوری اطلاعات 3115-8773 1 2 2025 09 23 IT Auditing and Governance: Key Drivers Analysis and Comparative Assessment of COBIT and ITIL Frameworks حسابرسی و راهبری فناوری اطلاعات: تحلیل محرک‌های کلیدی و ارزیابی تطبیقی چارچوب‌های COBIT و ITIL 127 159 241790 10.22034/jista.2026.576753.1083 FA مرتضی اسدی کارشناس ارشد، دانشکده مدیریت، گروه حسابداری، دانشگاه تهران، تهران، ایران. 0009-0009-9845-9971 مینا فرنود احمدی دانشجوی دکتری حسابداری، دانشگاه آزار اسلامی تبریز، تبریز، ایران 0009-0008-9501-1648 Journal Article 2025 12 09 In today's technology-dependent economic environment, understanding the evolution of IT auditing is essential not only for operational efficiency, but also for securing IT systems and effectively managing risks. As IT auditing has now expanded beyond traditional assessments, it plays a pivotal role in improving audit practices, ensuring compliance with laws and standards, enhancing cybersecurity, reducing business risks, and facilitating informed decision-making in the digital transformation space. In the digital age, IT risk governance and management is critical for organizations across sectors, as IT risks can significantly impact operational sustainability, data security, and organizational reputation. This study provides a comprehensive analysis of the evolution of IT auditing and the key drivers of this evolution in the dynamic environment of digital transformations, through a literature review. It also explains the different definitions of IT governance and its key dimensions, explains the two common IT governance frameworks, COBIT and ITIL, and analyzes the advantages and disadvantages of each framework. Analyzing the strengths and weaknesses of these frameworks helps organizations adopt an approach aligned with the organization's strategic goals. With this understanding, organizations can increase their ability to manage IT systems, effectively achieve business goals, and secure their competitive advantage in dynamic markets. در محیط اقتصادی وابسته به فناوری، درک تکامل حسابرسی فناوری اطلاعات نه تنها برای کارایی عملیاتی، بلکه برای ایمن‌سازی سیستم‌های فناوری اطلاعات و مدیریت مؤثر ریسک‌ها ضروری است. امروزه حسابرسی فناوری اطلاعات نقش محوری در بهبود رویه‌های حسابرسی، تضمین انطباق با قوانین و استانداردها، ارتقای امنیت سایبری، کاهش ریسک‌های کسب‌و‌کار، تسهیل تصمیم‌گیری آگاهانه در فضای تحولات دیجیتال، ایفا می‌کند. در عصر دیجیتال، راهبری و مدیریت ریسک‌های فناوری اطلاعات برای سازمان‌ها، حیاتی است، زیراریسک‌های فناوری اطلاعات به‌طور قابل‌توجهی بر پایداری عملیاتی، امنیت داده‌ها و اعتبار سازمانی تأثیر گذارند. مطالعه حاضر با مروری بر ادبیات، تحلیلی جامع از تکامل حسابرسی فناوری اطلاعات و محرک‌های محوری این تکامل در محیط پویای تحولات دیجیتال ارائه کرده است. همچنین این مطالعه ضمن تبیین تعاریف مختلف راهبری فناوری اطلاعات و ابعاد کلیدی آن، دو چارچوب رایج راهبری سیستم فناوری اطلاعات ، COBIT و ITIL را تبیین، و مزایا و معایب هر یک از چارچوب‌ها را تحلیل کرده است. تحلیل نقاط قوت و ضعف این چارچوب‌ها به سازمان‌ها کمک می‌کند تا رویکردی همسو با اهداف استراتژیک سازمان اتخاذ کنند. با این درک، سازمان‌ها می‌توانند توانایی خود را در مدیریت سیستم‌های فناوری اطلاعات افزایش داده و مزیت رقابتی خود را در بازارهای پویا، تضمین کنند.

https://www.iitasa.org.ir/article_241790_89f2f19ace585f48a2176ead83b13a67.pdf

انجمن حسابرسی فناوری اطلاعات ایران حسابرسی سیستم‌ها و فناوری اطلاعات 3115-8773 1 2 2025 09 23 A Model for the Implementation of a National Cryptocurrency in Iran: A Multi-facted Grounded Theory Approach مدل استقرار رمزارز ملّی در ایران : رهیافت نظریه داده بنیاد چندوجهی 160 198 240304 10.22034/jista.2026.565971.1074 FA علیرضا آذربراهمان استادیار، گروه حسابداری، موسسه آموزش عالی غیرانتفاعی شاندیز، مشهد، ایران. 0000-0002-8597-620X مصطفی حیرانی مقدم دانشجوی دکتری مدیریت مالی، دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران Journal Article 2025 12 13 The aim of this study is to design a model for the implementation of a national cryptocurrency in Iran using a grounded theory approach. The research is exploratory–developmental in nature and seeks to identify and explain the key components influencing the establishment of a national cryptocurrency. Primary data were collected through in-depth interviews with 14 experts actively involved in the cryptocurrency domain who possessed direct practical experience. The extracted components were analyzed through a systematic coding process, and to enhance validity, the classical Delphi method was employed to confirm these components with independent experts. Subsequently, based on data gathered through a researcher-designed questionnaire administered to the target population, the paradigmatic model of the study was developed. The findings indicate that the causal conditions for implementing a national cryptocurrency include decentralization, higher security compared to conventional forms of money, increased transaction transparency, greater speed and ease of exchange, portability, and higher durability. The core category of the study encompasses the national cryptocurrency, blockchain technology as the underlying infrastructure, and smart contracts. The proposed strategies and actions for successful implementation involve the development of hardware, software, legal, and socio-cultural infrastructures. The implementation of a national cryptocurrency leads to several consequences, including the elimination of financial intermediaries, enhanced transparency and security of financial assets, inflation control, reduced financial costs, facilitation of international transactions under sanction conditions, and environmental impacts. The results underscore the macroeconomic importance of implementing a national cryptocurrency, while identifying high energy consumption and environmental consequences as the most significant challenge. هدف این پژوهش، طراحی مدل استقرار رمز ارز ملّی در ایران با بهره‌گیری از رهیافت داده‌بنیاد است. پژوهش حاضر از نوع اکتشافی–توسعه‌ای بوده و تلاش دارد از طریق نظریه داده‌بنیاد، مؤلفه‌های مؤثر بر استقرار رمز ارز ملّی را شناسایی و تبیین کند. در این راستا، ابتدا با انجام مصاحبه‌های عمیق با ۱۴ نفر از خبرگان فعال در حوزه رمز ارز که دارای تجربه مستقیم در این زمینه بودند، داده‌های اولیه گردآوری شد. سپس مؤلفه‌های استخراج‌شده طی فرآیند کدگذاری تحلیل گردید و به‌منظور افزایش اعتبار، از روش دلفی کلاسیک برای تأیید این مؤلفه‌ها توسط خبرگان مستقل استفاده شد. در نهایت، با بهره‌گیری از پرسشنامه محقق‌ساخته و تحلیل داده‌های جامعه هدف، مدل پارادایمی پژوهش تدوین شد. یافته‌ها نشان می‌دهد شرایط علّی استقرار رمز ارز ملّی شامل مؤلفه‌هایی نظیر تمرکززدایی، امنیت بالاتر نسبت به انواع پول رایج، شفافیت در معاملات، افزایش سرعت و سهولت مبادلات، قابلیت حمل‌ونقل آسان و ماندگاری بیشتر است. مقوله محوری پژوهش نیز رمز ارز ملّی، فناوری زنجیره‌بلوکی و قراردادهای هوشمند را دربر می‌گیرد. راهبردها و اقدامات پیشنهادی برای استقرار موفق رمز ارز ملّی شامل توسعه زیرساخت‌های سخت‌افزاری، نرم‌افزاری، قانونی و فرهنگی–اجتماعی است. پیامدهای این استقرار، حذف واسطه‌های مالی، افزایش شفافیت و امنیت دارایی‌ها، کنترل تورم، کاهش هزینه‌های مالی، تسهیل مبادلات بین‌المللی به‌ویژه در شرایط تحریم و همچنین اثرات زیست‌محیطی را شامل می‌شود. نتایج پژوهش بیانگر اهمیت استقرار رمز ارز ملّی در سطح کلان اقتصادی است، هرچند مصرف بالای انرژی و پیامدهای زیست‌محیطی به‌عنوان مهم‌ترین چالش آن مطرح می‌شود.

https://www.iitasa.org.ir/article_240304_2786def425be4d60a479aa5c269832d0.pdf

انجمن حسابرسی فناوری اطلاعات ایران حسابرسی سیستم‌ها و فناوری اطلاعات 3115-8773 1 2 2025 09 23 A Systemic Analysis of Barriers to Cyber Insurance Adoption by Businesses: A Delphi–DEMATEL Approach بررسی سیستمی موانع پذیرش بیمه سایبری توسط کسب‌و‌کارها با رویکرد دلفی ـ دیمتل 199 219 241660 10.22034/jista.2026.569359.1078 FA علی سیبویه استادیار، دانشکده کشاورزی، دانشگاه تربت حیدریه، تربت حیدریه، ایران 0000-0002-6566-2801 مصطفی نیازی کارشناسی ارشد، دانشکده مهندسی صنایع و مدیریت، دانشگاه صنعتی شاهرود، شاهرود، ایران 0009-0009-6916-0575 رضا مرشدزاده کارشناسی ارشد، دانشکده مهندسی صنایع و مدیریت، دانشگاه صنعتی شاهرود، شاهرود، ایران 0009-0006-3942-4558 Journal Article 2025 12 29 <span style="font-size: 12.0pt; line-height: 107%; font-family: 'Times New Roman',serif; mso-ascii-theme-font: major-bidi; mso-hansi-theme-font: major-bidi; mso-bidi-theme-font: major-bidi; mso-bidi-language: FA;">Despite the severity and growing pervasiveness of cyber threats, the uptake of cyber insurance in Iran remains sluggish. This applied study adopts a systemic perspective to identify the main barriers to adoption and map their causal interrelationships. The research employs a mixed-methods design. A systematic literature review initially yielded fifteen potential barriers, which were subsequently reduced to ten key obstacles through a Delphi panel of experts. In the quantitative phase, the classical DEMATEL method and pairwise expert judgments were used to compute influence indices and construct a causal network. The findings reveal that the sufficiency and quality of incident and loss data constitute the core of the barrier network and are strongly shaped by upstream factors such as the level of institutional and governmental engagement, the capacity of the reinsurance market, clarity around coverage boundaries, especially regarding war and governmental actions, and inconsistencies in regulations and standards. Two context-specific barriers, namely the perceived risk of information disclosure and sanctions-related constraints on technical and reinsurance access, further differentiate the Iranian market and amplify behavioral and operational frictions on both the insurer and insured sides. Building on the feedback-rich causal map, the study proposes a policy package centered on controlled data sharing and greater transparency, regulatory and standard alignment, and enhanced financial and reinsurance capacity, alongside redesigned coverages, closer alignment with defensive controls, and improved post-incident services to strengthen trust and foster wider adoption of cyber insurance. با وجود شدّت و گسترش تهدیدات سایبری، پذیرش بیمه سایبری در ایران کند است. این پژوهش با رویکردی سیستمی، به شناسایی موانع پذیرش و ترسیم روابط علّی میان آن‌ها می‌پردازد. مطالعه از نظر هدف، کاربردی و از نظر ماهیت، ترکیبی (کیفی-کمّی) است. ابتدا با مرور نظام‌مند ادبیات، ۱۵ مانع بالقوه استخراج شد؛ سپس در روش دلفی فهرست موانع توسط خبرگان به ۱۰ مانع کلیدی تقلیل یافت. در بخش کمّی، با استفاده از دیمتل و قضاوت‌های زوجی خبرگان، شاخص‌های محاسبه و شبکه علّی-معلولی ترسیم گردید. یافته‌ها نشان می‌دهد کفایت و کیفیت داده‌های رخداد/خسارت هسته اصلی شبکه موانع است و به‌شدت از عوامل بالادستی مثل سطح مشارکت نهادی و حاکمیتی، ظرفیت بازار اتکایی، شفافیت حدود پوشش (به‌ویژه در مورد جنگ) و ناهماهنگی‌های مقرراتی و استانداردی تأثیر می‌پذیرد. در این میان، دو مانع بومی ریسک ادراک‌شده افشای اطلاعات و قیود تحریمی بر دسترسی فنی و اتکایی چهره خاص بازار ایران را شکل داده و موانع رفتاری و عملیاتی در سطح کسب‌وکارها و بیمه‌گران را تشدید می‌کنند. بر اساس نقشه علّی–بازخوردی، پژوهش بسته‌ای سیاستی با سه محور «داده و شفافیت کنترل‌شده»، «هم‌راستاسازی مقررات و استانداردها» و «تقویت ظرفیت مالی و اتکایی» همراه با بازطراحی پوشش‌ها، هم‌ترازی با کنترل‌های دفاعی و بهبود خدمات پسارخداد برای افزایش اعتماد و پذیرش بیمه سایبری پیشنهاد می‌کند.

https://www.iitasa.org.ir/article_241660_14d5362b0e801231042f7dd8209ef484.pdf

انجمن حسابرسی فناوری اطلاعات ایران حسابرسی سیستم‌ها و فناوری اطلاعات 3115-8773 1 2 2025 09 23 Data Governance and Information Technology Audit حکمرانی داده ها و حسابرسی فناوری اطلاعات 220 245 234755 10.22034/jista.2025.503163.1002 FA آتنا خازن گروه حسابداری، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران Journal Article 2025 08 01 Today, the most impactful technologies in the enterprise toolkit include artificial intelligence, automation, cloud applications, infrastructure, cybersecurity defense, and analytics. Together, these critical mechanisms enable companies to thrive in the most competitive business landscape in history and meet the expectations of an increasingly demanding customer base. While these technologies may appear very different on the surface and pursue unique goals, there is a common factor that unites them all: data. Data, in particular, influences operational and strategic decisions. How this data is governed has also become increasingly important, and it is considered a valuable asset. Data governance is a broad concept that encompasses the management of data assets in an organization. It encompasses aspects such as availability, integrity, security, decision-making rights, responsibilities, policies, processes, and technologies. In this review study, an attempt has been made to present a practical perspective on data governance research topics and approaches used for data governance and to provide useful insights for data governance by IT auditing. امروزه تأثیرگذارترین فناوری‌ها در مجموعه ابزار سازمانی شامل هوش مصنوعی، خودکارسازی، برنامه‌های کاربردی ابری، زیرساخت‌ها، دفاع از امنیت سایبری و تجزیه و تحلیل است. این سازوکارهای حیاتی با هم، شرکت‌ها را قادر می‌سازد تا در رقابتی‌ترین چشم‌انداز کسب‌وکار در تاریخ شکوفا شوند و انتظارات پایگاه مشتری را به‌طور فزاینده‌ای برآورده کنند. در حالی که ممکن است به نظر برسد این فناوری‌ها بسیار متفاوت هستند و اهداف منحصر به فردی را دنبال می‌کنند، یک عامل مشترک یعنی داده‌ها وجود دارد که همه آن‌ها را متحد می‌کند. دادهها، به طور خاص، بر تصمیمات عملیاتی و راهبردی تأثیر میگذارند. نحوه حکمرانی این دادهها نیز اهمیت زیادی یافته است و داده‌ها به عنوان دارایی ارزشمند در نظر گرفته میشوند. حکمرانی دادهها مفهومی گسترده است که مدیریت داراییهای دادهها را در سازمان در بر میگیرد. این شامل جنبه‌های مختلفی مانند در دسترس بودن، یکپارچگی، امنیت، حقوق تصمیم‌گیری، مسئولیت‌ها، سیاست‌ها، فرآیندها و فناوری‌ها است. در این مطالعه ترویجی تلاش شده است تا چشم‌انداز عملی موضوعات پژوهشی حکمرانی داده‌ها، رویکردهای مورد استفاده برای حکمرانی داده‌ها و ارائه دیدگاه‌های سودمند برای حکمرانی داده‌ها توسط حسابرسی فناوری اطلاعات ارائه گردد.

https://www.iitasa.org.ir/article_234755_fafa0afbab4b4c9a0bafceda66c93002.pdf

انجمن حسابرسی فناوری اطلاعات ایران حسابرسی سیستم‌ها و فناوری اطلاعات 3115-8773 1 2 2025 09 23 Investigating the impact of digital Financing on Sustainability Factors, Financial Performance and Green Innovation بررسی تاثیر تامین مالی دیجیتال بر عوامل پایداری، عملکرد مالی و نوآوری سبز 246 277 237158 10.22034/jista.2025.553879.1065 FA مهدی فیل سرائی استادیار، گروه حسابداری، موسسه آموزش عالی حکیم طوس، مشهد، ایران مهدی کمالی رضازاده مشهدی کارشناس ارشد، گروه حسابداری، موسسه آموزش عالی حکیم طوس، مشهد، ایران Journal Article 2025 10 17 The aim of this study is to investigate the effect of digital financing on sustainability factors, financial performance and green innovation. This study is applied in terms of its nature and purpose, and is descriptive and correlational in terms of its analysis method, and quantitative and field research in terms of its data collection. The statistical population of the present study is all accountants and auditors in the country who are studying and working in 2025, and the statistical sample is 384 people and the data collection tool is a questionnaire. The results showed that digital financing has a positive and significant effect on sustainability factors, financial performance and green innovation of organizations. Considering the importance of sustainable factors in the economy, especially its financial dimensions and the problems of measuring financial and non-financial information, as well as the lack of a reference for evaluating companies in terms of the level of disclosure of environmental, social and corporate factors in Iran, and the novelty of the subject of digital financing, the effect of digital financing on sustainability factors, financial performance and green innovation was investigated; On the one hand, the current challenge has moved towards sustainability factors and green innovation, and on the other hand, a simultaneous examination of these factors and their impact on digital financing has not yet been carried out. هدف این پژوهش بررسی تأثیر تأمین مالی دیجیتال بر عوامل پایداری، عملکرد مالی و نوآوری سبز می‌باشد. این پژوهش از لحاظ ماهیت و هدف، کاربردی و از حیث روش تحلیل از نوع تحقیقات توصیفی و همبستگی و از منظر نوع جستجوی داده از نوع تحقیقات کمی و میدانی می‌باشد. جامعۀ آماری پژوهش حاضر کلیه حسابداران و حسابرسان کشور می‌باشند که در سال 1404 مشغول به تحصیل و کار هستند و نمونه آماری 384 نفر و ابزار گردآوری داده‌ها پرسشنامه می‌باشد. نتایج نشان داد که تأمین مالی دیجیتال بر عوامل پایداری، عملکرد مالی و نوآوری سبز سازمان‌ها اثر مثبت و معنی‌داری دارد. با توجه به اهمیت عوامل پایدار در اقتصاد به خصوص ابعاد مالی آن و مشکلات اندازه‌گیری اطلاعات مالی و غیرمالی و همچنین نبود مرجعی برای ارزیابی شرکت‌ها از لحاظ میزان افشای اطلاعات عوامل محیطی، اجتماعی و شرکتی در ایران و نیز جدید بودن موضوع تأمین مالی دیجیتال، به بررسی تأثیر تأمین مالی دیجیتال بر عوامل پایداری، عملکرد مالی و نوآوری سبز پرداخته شد؛ از طرفی، چالش حال حاضر به سمت عوامل پایداری و نوآوری سبز پیش رفته و از طرف دیگر، بررسی همزمان این عوامل و تأثیرپذیری آن‌ها از تأمین مالی دیجیتال، در حال حاضر صورت نپذیرفته است.

https://www.iitasa.org.ir/article_237158_c2931e6eb8978dc1780fc451dc7f6904.pdf

انجمن حسابرسی فناوری اطلاعات ایران حسابرسی سیستم‌ها و فناوری اطلاعات 3115-8773 1 2 2025 09 23 Big Data Analytics in Forensic Accounting and Auditing تحلیل کلان‌داده در حسابداری قانونی و حسابرسی 278 295 241976 10.22034/jista.2026.527173.1047 FA حمیدرضا گنجی استادیار گروه حسابداری، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا، تهران، ایران 0000-0002-9223-0502 پارسا پورمهدی گروه حسابداری، پردیس البرز، دانشگاه تهران، تهران، ایران مروا غلامپور گروه حسابداری، پردیس البرز، دانشگاه تهران، تهران، ایران Journal Article 2025 08 01 Recent technological advances in the field of big data have created new opportunities for enhancing forensic accounting and auditing processes. Big data - characterized by high volume, velocity, and variety - enables professionals to perform more sophisticated analyses that support effective decision making in these areas. This study provides a descriptive study of reputable academic sources to review the impact of big data analytics on forensic accounting and auditing. The findings demonstrate that big data analytics can improve the efficiency of forensic accounting and auditing procedures, mitigate risks, and play a pivotal role in the detection and prevention of fraud. Moreover, big data tools have accelerated data analysis and facilitated the identification of hidden patterns. Applying these analytics has rendered auditing and forensic accounting processes faster, more accurate, and of higher quality. The use of big data in these two domains not only enhance the speed and the quality of process but also decision making in auditing and fraud detection. In particular, leveraging advanced data analytics tools has enabled the prediction of financial threats and the detection of anomalous patterns. پیشرفت‌های فناورانه اخیر در حوزه کلان‌داده فرصت‌های جدیدی برای بهبود فرآیندهای حسابداری قانونی و حسابرسی فراهم آورده‌اند. کلان‌داده، با ویژگی‌هایی نظیر حجم، سرعت و تنوع بالا، این امکان را به متخصصان می‌دهند که تحلیل‌های پیچیده‌تری برای تصمیم‌گیری‌های مؤثر در این حوزه‌ها انجام دهند. این مطالعه با مرور توصیفی منابع معتبر علمی به بررسی تأثیر تحلیل کلان‌داده بر حسابداری قانونی و حسابرسی، می‌پردازد و نشان می‌دهند که تحلیل کلان‌داده می‌تواند کارایی حسابداری قانونی و حسابرسی را بهبود بخشد، ریسک‌ها را کاهش دهد و نقش مهمی در کشف و پیشگیری از تقلب ایفا کند. علاوه بر این، ابزارهای کلان‌داده توانسته‌اند به تحلیل سریع‌تر داده‌ها و شناسایی الگوهای پنهان کمک کنند. به‌کارگیری این تحلیل‌ها، فرآیندهای حسابرسی و حسابداری قانونی را سریع‌تر، دقیق‌تر و با کیفیت بالاتر می‌نماید و استفاده از این ابزار در دو حوزه مذکور می‌تواند به بهبود کیفیت و سرعت تصمیم‌گیری در فرآیندهای حسابرسی و کشف تقلب منجر شود. به‌ویژه با بهره‌گیری از ابزارهای پیشرفته تحلیل داده‌ها، امکان پیش‌بینی تهدیدات مالی و شناسایی الگوهای غیرمعمول فراهم شده است.

https://www.iitasa.org.ir/article_241976_b22ac24b7a445773d71342cd39bfeebe.pdf

انجمن حسابرسی فناوری اطلاعات ایران حسابرسی سیستم‌ها و فناوری اطلاعات 3115-8773 1 2 2025 09 23 Analysis of the Effect of Concerns About the Decline in Professional Judgment Due to the Use of Artificial Intelligence and the Threat of Job Replacement for Accountants واکاوی رابطه دغدغه‌ ناشی از افول قضاوت حرفه‌ای در اثر کاربرد هوش مصنوعی بر تهدید جایگزینی شغلی حسابداران 296 313 240949 10.22034/jista.2026.570874.1082 FA حسین رجب دری دکتری حسابداری، معاونت توسعه، مدیریت منابع و برنامه ریزی، دانشگاه علوم پزشکی فسا، فسا، ایران 0000-0002-9064-658X فاطمه نجفی کارشناس ارشد حسابداری، دانشگاه آزاد اسلامی، واحد نجف‌آباد، نجف‌آباد، ایران Journal Article 2026 01 05 <span style="font-size: 12.0pt; font-family: 'Times New Roman',serif; mso-ascii-theme-font: major-bidi; mso-fareast-font-family: 'Times New Roman'; mso-hansi-theme-font: major-bidi; mso-bidi-font-family: 'B Zar';">In recent years, with the emergence and expansion of new technologies such as artificial intelligence and their increasing use in professional activities, significant concerns have arisen among accountants regarding the decline of professional judgment and the potential replacement of human roles by artificial intelligence. The purpose of the present study is to examine the effect of concerns stemming from the erosion of professional judgment due to the use of artificial intelligence on accountants’ perceived threat of job replacement. To this end, data were collected from 186 practicing accountants in the country using a convenience sampling method. The findings indicate that the independent variable explains 54 percent of the variance in perceived job replacement threat. The results further suggest that accountants who perceive artificial intelligence as a threat to their professional judgment experience higher levels of job insecurity and greater concern about being replaced by intelligent technologies. These findings highlight the importance of addressing the psychological and professional dimensions of artificial intelligence’s impact on the accounting profession and suggest that organizations, professional bodies, and educational institutions should develop appropriate supportive and educational strategies to facilitate constructive interaction between accountants and emerging technologies, thereby preserving the role of professional judgment in the era of intelligent technologies. در سالهای گذشته با ظهور و رشد فناوریهای نوین از جمله هوش مصنوعی و استفاده از این ابزارها در فعالیتهای حرفهای، نگرانی عمدهای در حسابداران مبتنی بر افول قضاوت حرفه‌ای و جایگزینی آنها با هوش مصنوعی ایجاد شده است. هدف پژوهش حاضر، واکاوی اثر دغدغه‌ ناشی از افول قضاوت حرفه‌ای در اثر کاربرد هوش مصنوعی بر تهدید جایگزینی شغلی حسابداران است. برای این منظور با کسب نظر 186 نفر از حسابداران فعال در کشور به روش در دسترس، موضوع بررسی شد. یافتهها نشان داد که متغیر مستقل توانسته است 54 درصد از واریانس تهدید جایگزینی شغلی را تبیین کند. یافتهها حاکی از آن است که حسابدارانی که هوش مصنوعی را تهدیدی برای قضاوت حرفه‌ای خود می‌دانند، احساس ناامنی شغلی بیشتری دارند و نگرانی از جایگزینی شغلی توسط فناوری‌های هوشمند در میان آنها افزایش می‌یابد. یافته‌ها اهمیت توجه به ابعاد روان‌شناختی و حرفه‌ای تأثیر هوش مصنوعی بر جامعه حسابداران را برجسته می‌سازد و پیشنهاد می‌کند که سازمان‌ها، نهادهای حرفه‌ای و آموزشی با تدوین راهکارهای حمایتی و آموزشی مناسب، زمینه تعامل سازنده حسابداران با فناوری‌های نوین را فراهم آورند تا جایگاه قضاوت حرفه‌ای در عصر فناوری‌های هوشمند حفظ شود.

https://www.iitasa.org.ir/article_240949_7f00f6b2509ebffa60d8a6f921e42bdf.pdf

انجمن حسابرسی فناوری اطلاعات ایران حسابرسی سیستم‌ها و فناوری اطلاعات 3115-8773 1 2 2025 09 23 Innovative Developments in IT Auditing: The Role of Artificial Intelligence in Enhancing Digital Auditing Processes تحولات نوین در حسابرسی فناوری اطلاعات: نقش هوش مصنوعی در بهبود فرآیندهای حسابرسی دیجیتال 314 326 241975 10.22034/jista.2026.506216.1014 FA مهناز آهنگری استادیار ،گروه حسابداری، واحد بردسکن، دانشگاه آزاد اسلامی،بردسکن، ایران 0000-0002-4884-9674 Journal Article 2025 10 16 With the expansion of digital technologies, Information Technology (IT) auditing has become a core pillar of financial oversight and internal control within organizations. The rapid development of Big Data, digital financial systems, electronic banking, and blockchain technology has introduced new levels of complexity and significant challenges for traditional auditing approaches. In this context, Artificial Intelligence (AI) and Machine Learning (ML) have emerged as transformative technologies, playing a critical role in enhancing audit accuracy, reducing human error, and optimizing auditing processes. This study adopts a review-based approach and employs a systematic literature review methodology to examine the applications of artificial intelligence in IT auditing, along with its benefits, challenges, and future prospects. Data were collected from reputable international academic sources and analyzed using qualitative analysis techniques. Accordingly, various machine learning models, Natural Language Processing (NLP) methods, and Big Data analytics techniques were comparatively evaluated to assess their effectiveness in auditing processes. The findings indicate that machine learning algorithms significantly outperform traditional auditing methods in fraud detection, financial pattern analysis, risk assessment, and financial report processing. Moreover, NLP enables the rapid and accurate analysis of financial documents, while Big Data analytics facilitates the identification of financial anomalies across large and complex datasets. Despite these advantages, the widespread implementation of AI-based auditing systems faces several challenges, including high implementation costs, technical complexity, legal constraints, ethical concerns, and the need for specialized training of auditors. These barriers remain critical factors limiting the large-scale adoption of artificial intelligence in IT auditing practices. با گسترش فناوری‌های دیجیتال، حسابرسی فناوری اطلاعات به یکی از ارکان اصلی نظارت مالی و کنترلی در سازمان‌ها تبدیل شده است. توسعه سریع کلان‌داده‌ها، سیستم‌های مالی دیجیتال، بانکداری الکترونیکی و فناوری بلاکچین، پیچیدگی‌ها و چالش‌های جدیدی را برای روش‌های سنتی حسابرسی ایجاد کرده است. در این میان، هوش مصنوعی و یادگیری ماشین به‌عنوان فناوری‌های نوین، نقش مهمی در افزایش دقت، کاهش خطاهای انسانی و بهینه‌سازی فرآیندهای حسابرسی ایفا می‌کنند. این پژوهش با رویکرد مروری و به روش مرور سیستماتیک، به بررسی کاربردهای هوش مصنوعی در حسابرسی فناوری اطلاعات، مزایا، چالش‌ها و چشم‌انداز آینده این حوزه می‌پردازد. داده‌ها از مقالات معتبر بین‌المللی استخراج و با استفاده از تحلیل کیفی مورد بررسی قرار گرفته‌اند. در این راستا، مدل‌های مختلف یادگیری ماشین، پردازش زبان طبیعی و تحلیل کلان‌داده‌ها برای ارزیابی عملکرد آن‌ها در فرآیندهای حسابرسی مقایسه شده‌اند. یافته‌ها نشان می‌دهد که الگوریتم‌های یادگیری ماشین در تشخیص تقلب، تحلیل الگوهای مالی، ارزیابی ریسک و پردازش گزارش‌های مالی عملکردی برتر نسبت به روش‌های سنتی دارند. همچنین، پردازش زبان طبیعی امکان تحلیل سریع اسناد مالی را فراهم کرده و تحلیل کلان‌داده‌ها به شناسایی ناهنجاری‌های مالی کمک می‌کند. با این حال، هزینه‌های بالا، پیچیدگی‌های فنی، موانع قانونی، چالش‌های اخلاقی و نیاز به آموزش تخصصی حسابرسان از مهم‌ترین موانع پیاده‌سازی گسترده این فناوری‌ها محسوب می‌شوند.

https://www.iitasa.org.ir/article_241975_4715bc467fdfee5c131ca996c9617409.pdf