تم إضافة تقرير جديد 2024
ارسل ملاحظاتك

ارسل ملاحظاتك لنا









الرئيسية > أثر المعلومات المستمدة من تكام...>الوصف

أثر المعلومات المستمدة من تكامل سلاسل الكتل والتعلم الآلي كتقنيات للذكاء الاصطناعي في الكشف والتقرير عن الاحتيال المحاسبي مع أدلة تطبيقية وميدانية

المصدر: المجلة العلمية للدراسات التجارية والبيئية
الناشر: جامعة قناة السويس - كلية التجارة بالاسماعيلية
المؤلف الرئيسي: سليمان، حسين محمد (مؤلف)
المؤلف الرئيسي (الإنجليزية): Suleiman, Hussein Mohammed
مؤلفين آخرين: هباش، شرين عبدالله عباس (م. مشارك)
المجلد/العدد: مج15, ع1
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2024
الشهر: يناير
الصفحات: 521 - 627
ISSN: 2090-3782
رقم MD: 1504821
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
تكنولوجيا المعلومات | تقنيات الذكاء الاصطناعي | جرائم الاحتيال | أنظمة المحاسبة
كلمات المؤلف المفتاحية:
سلاسل الكتل | التعلم الآلي | الذكاء الاصطناعي | الاحتيال المحاسبي | Blockchains | Machine Learning | Artificial Intelligence | Accounting Fraud
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

54

حفظ في:
المستخلص: استهدف البحث الحالي دراسة اثر المعلومات المستمدة من تكامل سلاسل الكتل والتعلم الألى كتقنيات للذكاء الاصطناعي في الكشف والتقرير عن الاحتيال المحاسبي، واشتملت خطة البحث على الدراسة النظرية، والتي تناولت تحليل العلاقة بين تطبيق سلاسل الكتل والاحتيال المحاسبي، توضيح دور تعلم الآلة في الكشف عن الاحتيال المحاسبي، وتحليل أثر المعلومات المستمدة من تكامل سلاسل الكتل وتعلم الآلة في ممارسات المحاسبة والمراجعة على الكشف والتقرير عن الاحتيال المحاسبي، كما تناولت الخطة الدراسة التطبيقية التي اشتملت على جزئين: اعتمد الجزء الأول على البيانات الثانوية التي يمكن استخراجها من البيانات المحاسبية بالقوائم المالية لتحليل العلاقة بين تعلم الآلة والاحتيال المحاسبي. أما الجزء الثاني اعتمد على البيانات الأولية التي تعتمد على قوائم الاستقصاء لتحليل أثر العلاقة التكاملية بين سلاسل الكتل وتعلم الآلة على الاحتيال المحاسبي. وتوصلت الدراسة إلى وجود علاقة ذات دلالة إحصائية بين تطبيق تقنية سلاسل الكتل والاحتيال المحاسبي، وجود علاقة ذات دلالة إحصائية بين تطبيق تقنية تعلم الآلة والاحتيال المحاسبي، وجود علاقة ذات دلالة إحصائية بين تطبيق تقنية سلاسل الكتل وتقنية تعلم الآلة، وجود علاقة ذات دلالة إحصائية بين دور المعلومات المستمدة من تكامل سلاسل الكتل وتعلم الآلة في الكشف عن الاحتيال المحاسبي. وأوصى الباحثان بإجراء تحديثات منتظمة لنماذج التعلم الآلي داخل النظام البيئي للـ Blockchain، بما يضمن الحفاظ على سلامة النموذج مع إبقاء مجتمع المستخدمين على اطلاع جيد.

The current research aimed to study the impact of information derived from the integration of blockchains and machine learning as artificial intelligence techniques in detecting and reporting on accounting fraud. The research plan included a theoretical study that dealt with analyzing the relationship between the application of blockchains and accounting fraud, clarifying the role of machine learning in detecting Accounting fraud, and analyzing the impact of information derived from the integration of blockchains and machine learning into accounting and auditing practices on detecting and reporting accounting fraud. The plan also addressed the applied study, which included two sections: The first section relied on secondary data that can be extracted from accounting data. With financial statements to analyze the relationship between machine learning and accounting fraud. The second section relied on primary data based on survey lists to analyze the impact of the complementary relationship between blockchains and machine learning on accounting fraud. The study found that there is a statistically significant relationship between the application of blockchain technology and accounting fraud, the existence of a statistically significant relationship between the application of machine learning technology and accounting fraud, the existence of a statistically significant relationship between the application of blockchain technology and machine learning technology, the existence of a significant relationship Statistics between the role of information derived from the integration of blockchains and machine learning in detecting accounting fraud. The researchers recommended regular updates to machine learning models within the blockchain ecosystem, ensuring that the integrity of the model is maintained while keeping the user community well informed.
ISSN: 2090-3782

عناصر مشابهة


© 2025 المنظومة. جميع الحقوق محفوظة.