حسابرسی سیستم‌ها و فناوری اطلاعات

حسابرسی سیستم‌ها و فناوری اطلاعات

ارائه چارچوب مفهومی اکتشافی حکمرانی الگوریتمیک در نظارت هوشمند حسابرسی و توسعه کارآفرینی داده‌محور با رویکرد دلفی فازی

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسندگان
بیژن رضایی 1
آرش خادمی 2
رسول محمدی 3
1 دانشیار گروه مدیریت و کارآفرینی، دانشکده مدیریت و اقتصاد، دانشگاه رازی ، کرمانشاه، ایران.
2 دانشجوی دکتری تخصصی مدیریت کارآفرینی، گروه مدیریت و کارآفرینی ،دانشکده مدیریت و اقتصاد، دانشگاه رازی ،کرمانشاه،ایران
3 دانشجوی دکتری تخصصی مدیریت کارآفرینی،گروه مدیریت و کارآفرینی،دانشکده مدیریت و اقتصاد،دانشگاه رازی، کرمانشاه، ایران
10.22034/jista.2026.593648.1091
چکیده
پژوهش حاضر با هدف ارائه چارچوب مفهومی اکتشافی برای تبیین الزامات حکمرانی مبتنی بر الگوریتم، نظارت هوشمند حسابرسی و توسعه کارآفرینی داده‌محور انجام شد. شهر کرمانشاه در این پژوهش، بستر تجربی تدوین چارچوب مفهومی بوده است؛ بااین‌حال، چارچوب پیشنهادی به ویژگی‌های خاص این شهر محدود نیست و عوامل شناسایی‌شده قابلیت بررسی در سایر محیط‌های شهری را نیز دارند. این پژوهش با رویکرد آمیخته اکتشافی انجام شد. مؤلفه‌ها از طریق مصاحبه نیمه‌ساختاریافته استخراج و با استفاده از دلفی فازی توسط خبرگان پالایش و اولویت‌بندی شدند. یافته‌ها به شناسایی ۱۵ عامل در پنج بُعد منجر شد. نتایج بیانگر اجماع تخصصی و اولویت نسبی عوامل است و به معنای آزمون روابط علّی میان ابعاد چارچوب نیست. دانش‌افزایی پژوهش در ارائه چارچوبی یکپارچه برای پیوند حکمرانی الگوریتمیک، حسابرسی هوشمند و کارآفرینی داده‌محور در سطح شهری است.
کلیدواژه‌ها
حکمرانی الگوریتمیک
نظارت هوشمند حسابرسی
کارآفرینی داده‌محور
دلفی فازی
شهر کرمانشاه
رضایی، بیژن؛ نادری، نادر؛ و سلیمانی، معین. (۱۳۹۹). راهبردهای توسعه اکوسیستم کارآفرینی در نواحی روستایی شهرستان کرمانشاه. اقتصاد فضا و توسعه روستایی، ۹(۳۱)، ۶۷–۹۴.
شکیبا، حجت؛ دل‌انگیزان، سهراب؛ و محمدی‌فر، یوسف. (۱۳۹۹). مدل‌سازی و تحلیل راهبردی اکوسیستم کارآفرینی فراگیر شهری با رویکرد نظریه بازی‌ها: مورد مطالعه شهر کرمانشاه. بهبود مدیریت، ۱۴(۳)، ۱۲۱–۱۴۸. https://doi.org/10.22034/jmi.2020.118532
عزیزی، فرهاد .(۱۴۰۴). آینده‌پژوهی کاربرد هوش مصنوعی در حسابرسی: از منظر علم و فناوری اطلاعات. قضاوت و تصمیم‌گیری در حسابداری و حسابرسی، ۴(۱۳)، ۱۱۹–۱۳۴. https://doi.org/10.71960/jdaa.2025.1127884
مرادی‌برلیان، مهدی؛ و تنگستانی، محمدقاسم. (۱۴۰۲). الگوریتم و حقوق اداری؛ چالش‌ها و راهکارها. حقوق اداری، ۱۰(۳۴)، ۱۶۳–۱۹۲. https://doi.org/10.61186/qjal.10.34.163
مرادی‌برلیان، مهدی؛ و تنگستانی، محمدقاسم. (۱۴۰۴). نظم عمومی در عصر تحول پلتفرمی: مطالعه تطبیقی سیاست‌گذاری نظم در بستر حکمرانی الگوریتمی. مطالعات راهبردی، ۲۸(۳)، ۴۳–۷۹. https://doi.org/10.22034/ssq.2025.539441.4299
مطلبی کربکندی، مصطفی؛ آذر، عادل؛ خدیور، آمنه؛ و مقبل باعرض، عباس. (۱۴۰۱الف). طراحی مدل حسابرسی هوشمند در دیوان محاسبات کشور. پژوهش‌های مدیریت عمومی، ۱۵(۵۸)، ۵–۳۲. https://doi.org/10.22111/jmr.2022.43008.5818
مطلبی کربکندی، مصطفی؛ آذر، عادل؛ خدیور، آمنه؛ و مقبل باعرض، عباس. (۱۴۰۱ب). مفهوم‌شناسی حسابرسی هوشمند در سازمان‌های عالی نظارتی با رویکرد روش‌شناسی سیستم‌های نرم: مورد مطالعه دیوان محاسبات کشور. اندیشه مدیریت راهبردی، ۱۶(۲)، ۷۹–۱۰۶. https://doi.org/10.30497/smt.2022.243585.3415
 
Abraham, R., Schneider, J., & vom Brocke, J. (2019). Data governance: A conceptual framework, structured review, and research agenda. International Journal of Information Management, 49, 424–438. https://doi.org/10.1016/j.ijinfomgt.2019.07.008
Appelbaum, D., Kogan, A., & Vasarhelyi, M. A. (2017). Big data and analytics in the modern audit engagement: Research needs. Auditing: A Journal of Practice & Theory, 36(4), 1–27. https://doi.org/10.2308/ajpt-51684
Azizi, F. (2025). Future study of artificial intelligence application in auditing: From the perspective of information science and technology. Judgment and Decision Making in Accounting and Auditing, 4(13), 119–134. https://doi.org/10.71960/jdaa.2025.1127884 (in Persian).
Danaher, J., Hogan, M. J., Noone, C., Kennedy, R., Behan, A., De Paor, A., Felzmann, H., Haklay, M., Khoo, S. M., Morison, J., Murphy, M. H., O’Brolcháin, N., Schafer, B., & Shankar, K. (2017). Algorithmic governance: Developing a research agenda through the power of collective intelligence. Big Data & Society, 4(2), 1–21. https://doi.org/10.1177/2053951717726554
Diamond, I. R., Grant, R. C., Feldman, B. M., Pencharz, P. B., Ling, S. C., Moore, A. M., & Wales, P. W. (2014). Defining consensus: A systematic review recommends methodologic criteria for reporting of Delphi studies. Journal of Clinical Epidemiology, 67(4), 401–409. https://doi.org/10.1016/j.jclinepi.2013.12.002
Grimaldi, M., Troisi, O., Papa, A., & de Nuccio, E. (2026). Conceptualizing data-driven entrepreneurship: From knowledge creation to entrepreneurial opportunities and innovation. The Journal of Technology Transfer, 51, 1341–1392. https://doi.org/10.1007/s10961-024-10176-5
Hennink, M., & Kaiser, B. N. (2022). Sample sizes for saturation in qualitative research: A systematic review of empirical tests. Social Science & Medicine, 292, Article 114523. https://doi.org/10.1016/j.socscimed.2021.114523
Ishikawa, A., Amagasa, M., Shiga, T., Tomizawa, G., Tatsuta, R., & Mieno, H. (1993). The max–min Delphi method and fuzzy Delphi method via fuzzy integration. Fuzzy Sets and Systems, 55(3), 241–253. https://doi.org/10.1016/0165-0114(93)90251-C
Issa, H., Sun, T., & Vasarhelyi, M. A. (2016). Research ideas for artificial intelligence in auditing: The formalization of audit and workforce supplementation. Journal of Emerging Technologies in Accounting, 13(2), 1–20. https://doi.org/10.2308/jeta-10511
Khatri, V., & Brown, C. V. (2010). Designing data governance. Communications of the ACM, 53(1), 148–152. https://doi.org/10.1145/1629175.1629210
Kokina, J., & Davenport, T. H. (2017). The emergence of artificial intelligence: How automation is changing auditing. Journal of Emerging Technologies in Accounting, 14(1), 115–122. https://doi.org/10.2308/jeta-51730
Li, Y., & Goel, S. (2025). Bridging IT auditors and AI auditing: Understanding pathways to effective IT audits of AI-driven processes. Advances in Accounting, 69, Article 100842. https://doi.org/10.1016/j.adiac.2025.100842
Moradi Berelyan, M., & Tangestani, M. (2023). Algorithm and Administrative Law; Challenges and Solutions. Administrative Law, 10(34), 163–192. https://doi.org/10.61186/qjal.10.34.163 (in Persian).
Moradi Berelian, M., & Tangestani, M. G. (2025). Public Order in the Era of Platform Transformation: A Comparative Study of Policy-making in Algorithmic Governance. Strategic Studies Quarterly, 28(3), 43–79. https://doi.org/10.22034/ssq.2025.539441.4299 (in Persian).
Motallebi Korbekandi, M., Azar, A., Khadivar, A., & Moghbel, A. (2022). Conceptology of Intelligent Audit in High Supervisory Organizations With the approach of Soft Systems Methodology (Case Study: Supreme Audit Court of Iran). Strategic Management Thought, 16(2), 79–106. https://doi.org/10.30497/smt.2022.243585.3415 (in Persian).
Motallebi Korbekandi, M., Azar, A., Khadivar, A., & Moghbel Baarz, A. (2023). Designing the Model of Intelligent Audit in the Supreme Audit Court of Iran with an Interpretive-Structural Modeling Approach. Public Management Researches, 15(58), 5–32. https://doi.org/10.22111/jmr.2022.43008.5818 (in Persian).
Murikah, W., Nthenge, J. K., & Musyoka, F. M. (2024). Bias and ethics of AI systems applied in auditing: A systematic review. Scientific African, 25, Article e02281. https://doi.org/10.1016/j.sciaf.2024.e02281
Papagiannidis, E., Mikalef, P., & Conboy, K. (2025). Responsible artificial intelligence governance: A review and research framework. Journal of Strategic Information Systems, 34(2), Article 101885. https://doi.org/10.1016/j.jsis.2024.101885
Rezaee, B., Naderi, N., & Soleimani, M. (2020). Strategies for developing the entrepreneurship ecosystem in rural areas of Kermanshah County. Space Economy and Rural Development, 9(31), 67–94. https://serd.khu.ac.ir/article_10348.html (in Persian).
Shakiba, H., Delangizan, S., & Mohamadifar, Y. (2020). Modeling and Strategic Analysis of Inclusive Urban Entrepreneurial Ecosystem using Game Theory Approach (case of study: Kermanshah City). Management Improvement, 14(3), 121–148. https://doi.org/10.22034/jmi.2020.118532 (in Persian).
Tabassi, E. (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0). National Institute of Standards and Technology. https://doi.org/10.6028/NIST.AI.100-1
Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509–533. https://doi.org/10.1002/%28SICI%291097-0266%28199708%2918%3A7%3C509%3A%3AAID-SMJ882%3E3.0.CO%3B2-Z
Vasarhelyi, M. A., Alles, M. G., & Kogan, A. (2004). Principles of analytic monitoring for continuous assurance. Journal of Emerging Technologies in Accounting, 1(1), 1–21. https://doi.org/10.2308/jeta.2004.1.1.1
von der Gracht, H. A. (2012). Consensus measurement in Delphi studies: Review and implications for future quality assurance. Technological Forecasting and Social Change, 79(8), 1525–1536. https://doi.org/10.1016/j.techfore.2012.04.013
Weber, K., Otto, B., & Österle, H. (2009). One size does not fit all—A contingency approach to data governance. ACM Journal of Data and Information Quality, 1(1), Article 4, 1–27. https://doi.org/10.1145/1515693.1515696
Yeung, K. (2018). Algorithmic regulation: A critical interrogation. Regulation & Governance, 12(4), 505–523. https://doi.org/10.1111/rego.12158
حسابرسی سیستم‌ها و فناوری اطلاعات

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از 29 مهر 1405

  • تاریخ دریافت 03 مرداد 1405
  • تاریخ بازنگری 02 مهر 1405
  • تاریخ پذیرش 29 مهر 1405
  • تاریخ انتشار 29 مهر 1405