درخت حوزه‌های تخصصی

تحولات فناوری اطلاعات و ارتباطات در دهه اخیر موجب ظهور الگوهای نوین کسب وکار در صنعت بانکداری شده است. بانکداری باز به عنوان یکی از مهم ترین نوآوری های مالی، با فراهم نمودن امکان اشتراک گذاری داده های بانکی از طریق رابط های برنامه نویسی کاربردی (API)، زمینه توسعه خدمات مالی نوآورانه، افزایش رقابت پذیری بانک ها و ارتقای کارایی عملیاتی را فراهم ساخته است. هدف پژوهش حاضر بررسی اثر بانکداری باز بر کارایی مالی بانک های تجاری ایران است. این پژوهش از لحاظ هدف کاربردی و از نظر روش، توصیفی-تحلیلی محسوب می شود. جامعه آماری شامل بانک های تجاری فعال در ایران بوده و برای سنجش کارایی مالی از شاخص های بازده دارایی ها، بازده حقوق صاحبان سهام و حاشیه سود خالص استفاده شده است. همچنین میزان توسعه بانکداری باز از طریق شاخص ترکیبی مبتنی بر سطح دیجیتالی شدن خدمات، تعداد API های ارائه شده و میزان همکاری با شرکت های فین تک اندازه گیری شده است. نتایج مطالعات نظری و تجربی نشان می دهد که توسعه بانکداری باز از طریق کاهش هزینه های عملیاتی، بهبود کیفیت خدمات، افزایش رضایت مشتریان و خلق جریان های درآمدی جدید، تأثیر مثبت و معناداری بر کارایی مالی بانک ها دارد. یافته های پژوهش حاکی از آن است که بانک هایی که سطح بالاتری از پیاده سازی بانکداری باز را تجربه کرده اند، عملکرد مالی مطلوب تری نسبت به سایر بانک ها داشته اند. بر این اساس، توسعه زیرساخت های بانکداری باز می تواند به عنوان یکی از راهبردهای کلیدی در ارتقای بهره وری و رقابت پذیری نظام بانکی ایران مورد توجه سیاست گذاران و مدیران بانکی قرار گیرد.

زمینه و هدف : کانون های ارزیابی به عنوان رویکردی ساختاریافته و چندبعدی در مدیریت منابع انسانی نقش مهمی در استخدام و توسعه حرفه ای دارند، اما اجرای آن ها با چالش های متعدد همراه است. این پژوهش با هدف بررسی تجارب زیسته ارزیابان حرفه ای از چالش های کانون های ارزیابی استخدامی داوطلبان آموزگاری انجام شد تا با شناسایی موانع، زمینه ارتقای کارآمدی و روایی فرآیند گزینش فراهم شود . روش شناسی : این مطالعه کیفی با رویکرد پدیدارشناسی توصیفی انجام شد. جامعه پژوهش شامل ارزیابان حرفه ای و مدیران کانون های ارزیابی استخدامی آموزگاران بود. نمونه گیری هدفمند و بر اساس معیارهایی همچون گذراندن دوره های تخصصی ارزیابی و حداقل یک سال تجربه عملی انجام گرفت. داده ها از طریق مصاحبه نیمه ساختاریافته با ۱۰ مشارکت کننده گردآوری و پس از اشباع داده ها متوقف شد. تحلیل داده ها با نرم افزار MAXQDA (نسخه ۲۰۲۴) و روش تحلیل مضمون کلایزی ( ۱۹۷۸) صورت گرفت . یافته ها : در تحلیل داده ها ۶۹ کد اولیه استخراج شد که پس از پالایش به ۵۸ مفهوم نهایی کاهش یافت. این مفاهیم در قالب ۲۵ زیرمضمون و ۵ مضمون اصلی سازمان دهی شدند: چالش های ساختاری کانون، چالش های مرتبط با ارزیابان، چالش های فرآیند اجرا، چالش های تجزیه وتحلیل داده ها، و چالش های سازمانی و مدیریتی . نتیجه گیری : نتایج نشان داد که به کارگیری کانون های ارزیابی در گزینش آموزگاران با موانع ساختاری، انسانی، اجرایی و مدیریتی مواجه است. بازنگری در طراحی کانون ها، ارتقای صلاحیت ارزیابان، استانداردسازی اجرا و تحلیل داده ها و رفع کاستی های مدیریتی می تواند روایی، کارآمدی و عدالت استخدامی را بهبود بخشد و به جذب نیروهای شایسته در نظام آموزش وپرورش کمک کند .

افزایش پیچیدگی تعاملات میان بازارهای مالی، گسترش جریان های اطلاعاتی و تأثیرپذیری متقابل بازار سهام و ارز از عوامل اقتصادی و سیاسی، پیش بینی نوسانات این بازارها را به یکی از چالش های مهم حوزه مالی تبدیل کرده است. پژوهش حاضر با هدف طراحی یک مدل هوشمند برای پیش بینی همزمان نوسان بازار سهام و ارز مبتنی بر شبکه های مولد تخاصمی و یادگیری چندمدلی انجام شده است. در این پژوهش، با بهره گیری از قابلیت شبکه های مولد تخاصمی در استخراج الگوهای پنهان و تولید نمایش های واقع گرایانه از داده ها و همچنین توانایی یادگیری چندمدلی در ادغام داده های مالی، اقتصادی و خبری، مدلی ترکیبی برای پیش بینی نوسانات بازار طراحی شد. داده های پژوهش شامل اطلاعات تاریخی شاخص های بازار سهام، نرخ ارز، متغیرهای کلان اقتصادی و داده های متنی اخبار مالی طی دوره 1400 تا 1404 است. پس از انجام مراحل پیش پردازش، استخراج ویژگی و همگام سازی داده های چندمنبعی، مدل پیشنهادی آموزش داده شد و عملکرد آن با مدل های GARCH، شبکه عصبی بازگشتی، حافظه بلندمدت کوتاه مدت (LSTM) و XGBoost مقایسه گردید. مدل پیشنهادی در معیارهای دقت پیش بینی، میانگین خطای مطلق، ریشه میانگین مربعات خطا و ضریب تعیین عملکرد برتری نسبت به مدل های مقایسه ای دارد. همچنین مدل توانسته است وابستگی های پیچیده و اثرات سرایتی میان بازار سهام و ارز را با دقت بیشتری شناسایی کرده و نوسانات آتی را در شرایط مختلف بازار پیش بینی کند. نتایج پژوهش بیانگر آن است که استفاده از شبکه های مولد تخاصمی و یادگیری چندمدلی می تواند به بهبود تصمیم گیری سرمایه گذاران، مدیریت ریسک و توسعه سامانه های هوشمند تحلیل بازارهای مالی کمک کند.

تأمین مالی جمعی اسلامی به عنوان یکی از سازوکارهای نوظهور در بازارهای مالی همسو با شریعت، نقش مهمی در تسهیل دسترسی کسب وکارهای کوچک و متوسط به منابع مالی ایفا می کند. این مدل مالی مبتنی بر اصول فقهی نظیر منع ربا، مشارکت در سود و زیان، شفافیت در معاملات و لزوم انطباق قراردادها با قواعد شرعی است. با این حال، پیاده سازی عملی آن با محدودیت های ساختاری متعددی از جمله عدم شفافیت کافی در جریان وجوه، ضعف در سازوکارهای نظارتی بر تخصیص سرمایه، ریسک بالای عدم تقارن اطلاعاتی میان سرمایه گذاران و مجریان پروژه و نیز نبود استانداردهای یکپارچه در طراحی و اجرای قراردادهای مالی اسلامی مواجه است. این چالش ها موجب کاهش اعتماد ذی نفعان و محدود شدن مقیاس پذیری این ابزار مالی شده اند. در این راستا، فناوری بلاکچین به عنوان یک زیرساخت تحول آفرین، قابلیت بازطراحی معماری تأمین مالی جمعی اسلامی را داراست. ویژگی های بنیادین این فناوری شامل تغییرناپذیری داده ها، شفافیت کامل تراکنش ها، قابلیت ردیابی لحظه ای جریان سرمایه و حذف واسطه های غیرضروری است که می تواند به طور مستقیم بسیاری از ناکارآمدی های موجود را برطرف سازد. علاوه بر این، به کارگیری قراردادهای هوشمند امکان خودکارسازی اجرای شروط فقهی در قالب مدل های مالی اسلامی نظیر مضاربه، مشارکت و مرابحه را فراهم می سازد. این مقاله با هدف ارتقای کارایی، شفافیت و انطباق شرعی، یک چارچوب مفهومی فنی یکپارچه ارائه می دهد که در آن لایه های معماری بلاکچین شامل ثبت تراکنش، قراردادهای هوشمند، ماژول تطبیق شریعت و لایه کاربردی به صورت هم افزا عمل می کنند. این چارچوب می تواند زمینه ساز توسعه یک اکوسیستم مالی اسلامی دیجیتال، شفاف و قابل اعتماد باشد.

افزایش شتابان بانکداری دیجیتال، توسعه پرداخت های الکترونیکی و رشد خدمات مالی برخط، موجب افزایش پیچیدگی و تنوع الگوهای تقلب مالی در شبکه بانکی شده است. روش های سنتی کشف تقلب عمدتاً مبتنی بر قواعد ایستا و مدل های آماری کلاسیک هستند که در مواجهه با رفتارهای پیچیده و پویای متقلبانه کارایی محدودی دارند. پژوهش حاضر با هدف طراحی یک سیستم کشف تقلب مالی بلادرنگ مبتنی بر معماری ترنسفورمر در تراکنش های بانکی انجام شده است. در این پژوهش، با بهره گیری از سازوکار توجه چندسری و قابلیت استخراج وابستگی های زمانی بلندمدت، مدلی هوشمند جهت شناسایی تراکنش های مشکوک طراحی شد. داده های پژوهش شامل مجموعه ای از تراکنش های بانکی شبیه سازی شده مبتنی بر الگوهای واقعی شبکه بانکی ایران طی دوره 1400 تا 1404 است. پس از مرحله پاک سازی، استخراج ویژگی و نرمال سازی داده ها، مدل ترنسفورمر آموزش داده شد و عملکرد آن با مدل های جنگل تصادفی، شبکه عصبی بازگشتی و XGBoost مقایسه گردید. یافته های پژوهش نشان می دهد مدل پیشنهادی در معیارهای دقت، نرخ کشف تقلب، امتیاز F1 و کاهش خطای نوع دوم عملکرد بهتری نسبت به مدل های مقایسه ای دارد. همچنین مدل ترنسفورمر توانسته است الگوهای پیچیده تقلب زنجیره ای و رفتارهای غیرعادی را در محیط بلادرنگ با سرعت و دقت بالا شناسایی کند. نتایج پژوهش بیانگر آن است که استفاده از معماری ترنسفورمر می تواند به ارتقای سامانه های مدیریت ریسک و نظارت مالی در صنعت بانکداری کشور کمک کند.

حرفه حسابرسی به دلیل نوع و ماهیت خدماتی که ارائه می کند، از اعتبار و اعتماد خاصی برخوردار است که تداوم این اعتبار و اعتماد و تقویت آن، به پایبندی فکری و عملی اعضای حرفه به ضوابط رفتاری و اخلاقی آن بستگی دارد؛ بنابراین، بروز رفتارهای غیراخلاقی که به عنوان رفتارهای کاهنده کیفیت شناخته شده است، به طور مستقیم و غیرمستقیم منجر به کاهش کیفیت حسابرسی می شود. هدف مطالعه حاضر تبیین نقش توانمندسازی شغلی حسابرسان در رفتار کاهنده کیفیت حسابرسی با توجه به نقش میانجی عملکرد حرفه ای بود. پژوهش حاضر از نظر هدف یکی از تحقیقات کاربردی بوده و از نظر جمع آوری داده ها توصیفی و از نوع پیمایشی است. برای جمع آوری اطلاعات از پرسش نامه های استاندارد استفاده شد. جامعه آماری تحقیق حاضر کلیه حسابرسان شاغل در سازمان حسابرسی و مؤسسات بخش خصوصی، در سال 1403 بودند. با استفاده از فرمول کوکران، تعداد تقریبی حجم نمونه 384 نفر به دست آمد، اما برای افزایش اعتبار تحقیق، تعداد 460 پرسش نامه به صورت تصادفی بین شرکت کنندگان توزیع شد و در نهایت، از این تعداد 400 پرسش نامه برگشت داده شد که از این میزان، تعداد 395 مورد از آن قابل تجزیه و تحلیل بود. با استفاده از معادلات ساختاری و نرم افزار Smart PLS3 فرضیه های تحقیق مورد آزمایش قرار گرفت و نتایج آزمون فرضیه ها نشان داد توانمندسازی شغلی و عملکردحرفه ای حسابرسان بر رفتار کاهنده کیفیت حسابرسی تأثیر منفی و معنی داری دارد و همچنین عملکردحرفه ای در تأثیر توانمندسازی شغلی حسابرسان بر رفتار کاهنده کیفیت حسابرسی، نقش میانجی جزئی دارد. نتایج این پژوهش می تواند به سیاست گذاران و تدوین کنندگان استانداردها و قانون گذاران کمک نماید تا با شناخت بیشتر از ابعاد و پیامدهای مثبت و منفی ویژگی های رفتاری حسابرسان، نسبت به تقویت کارکردهای اخلاقی؛ اجتماعی و فرهنگی حسابرسان جهت تعامل پویاتر با حرفه و بسترهای اجتماعی اقدام نمایند و بر اساس آن سیاست های تشویقی لازم برای ترغیب شرکت ها جهت کاهش رفتار کاهنده کیفیت حسابرسی اتخاذ نمایند.

هدف اصلی این پژوهش، اعتباریابی و برازش مدل کنترل تعارض اخلاق اجتماعی حسابرسان می باشد. این پژوهش کاربردی بوده و از نظر روش گردآوری داده ، توصیفی-تحلیلی مبتنی بر رویکرد مدل یابی ساختاری می باشد. مقطع زمانی پژوهش سال 1402 می باشد. برای درک ارتباط بین سازه های الگوی مستخرج از رویکرد زمینه بنیان از استراتژی پدیدار نگاری استفاده شد. ابزار گردآوری اطلاعات پرسشنامه محقق ساخته بوده و به این منظور جمع آوری داده ها از 184 نفر از خبرگان بهره گرفته شده که با استفاده از روش نمونه گیری در دسترس انتخاب شده اند. داده های پژوهش با استفاده از روش کدگذاری و با بهره گیری از نرم افزار Smart-PLS مورد تحلیل قرار گرفت. نتایج پژوهش نشان داد که سازه های الگوی کنترل تعارض اخلاق اجتماعی حسابرسان در قالب مدل مستخرج از رویکرد زمینه بنیان از اعتبار و صحّه برخوردار است. نتایج پژوهش حاضر می تواند به حسابرسان و سایر استفاده کنندگان اطلاعات مالی در درک بهتر چارچوب سازی کنترل تعارض اخلاق اجتماعی در قبال حوزه حسابرسی کمک نماید.

زمینه و هدف: در سال های اخیر، رقابت برای جذب و حفظ استعدادهای درخشان در میان کسب وکارها به چالشی اساسی تبدیل شده است. پژوهش حاضر با هدف بررسی تأثیر تصویر برند کارفرما بر انتخاب کارفرما توسط دانشجویان انجام شده است. این مطالعه به طور خاص به بررسی نقش تناسب فرد با سازمان به عنوان متغیر میانجی و همچنین نقش رسانه های اجتماعی و جنسیت به عنوان متغیرهای تعدیل کننده می پردازد. روش شناسی: این پژوهش با مشارکت ۴۰۰ نفر از دانشجویان مقطع کارشناسی ارشد و سال آخر کارشناسی رشته مدیریت در دانشگاه های سراسری شهر تهران انجام شده است. داده های مورد نیاز از طریق پرسشنامه جمع آوری گردید و برای تجزیه و تحلیل داده ها از روش مدل سازی معادلات ساختاری استفاده شد. یافته ها: تناسب فرد با سازمان به عنوان یک متغیر میانجی در رابطه بین تصویر برند کارفرما و انتخاب کارفرما عمل می کند. برای اینکه یک سازمان به "کارفرمای منتخب" تبدیل شود، تصویر برند کارفرما باید با تناسب فرد با سازمان همخوانی و سازگاری داشته باشد. برخلاف یافته های برخی مطالعات پیشین، این پژوهش نشان داد که رسانه های اجتماعی و جنسیت تأثیر معناداری بر رابطه بین تناسب فرد با سازمان و انتخاب کارفرما ندارند و نقش تعدیل گری در این مدل ایفا نمی کنند. نتیجه گیری: نتایج این پژوهش بر اهمیت کلیدی همخوانی بین تصویر برند کارفرما و ادراک دانشجویان از تناسب خود با سازمان تأکید می کند. سازمان ها برای جذب استعدادهای برتر و تبدیل شدن به کارفرمای منتخب، باید تصویری مناسب از خود ارائه دهند که با ارزش ها، اهداف و ویژگی های دانشجویان همسو باشد.

بیان مسئله: تصمیم گیری و اقدام های عملی شفاف در سازمان، مشارکت مؤثر ذی نفعان را درپی خواهد داشت. درحالی که عدم شفافیت، منجر به نارضایتی و کاهش مشارکت آن ها می گردد. هدف: مصون نگهداشتن سازمان از پنهان کاری ایجاب می کند که ابتدا مؤلفه های مبانی شفافیت مشارکتی از منظر قرآن به عنوان راهنمای عمل استخراج سپس به آن عمل شود. بدین منظور در تحقیق حاضر مؤلفه های مبانی شفافیت از منظر قرآن مشخص و دلالت های سازمانی آن بررسی شده است. روش: در پژوهش حاضر داده ها با روش کتابخانه ای جمع آوری، از روش استنطاقی برای مراجعه به قرآن کریم بهره گرفته شده و از روش دلالت پژوهی برای دلالت های سازمانی شفافیت استفاده شده است. چگونگی پژوهش: در این نوشتار نکات کلیدی استخراج و ذیل دلالت های موضوعی دسته بندی گردیده است، برای به دست آوردن یافته های مشخص، دلالت های موضوعی در شش عنوان طبقه بندی شده است. یافته ها: یافته های تحقیق نشان می دهد که باور به عالم بودن خداوند، پاسخ گویی انسان در پیشگاه خداوند، امانت بودن مناصب، امین دانستن زمامداران، حق آگاهی مردم از امور و حق مشارکت در تعیین سرنوشت از مؤلفه های مبانی شفافیت مشارکتی از منظر قرآن می باشد.

پیشینه و اهداف: امروزه مدل های کسب و کار پایدار و نوآور یکی از مفاهیم مورد مطالعه گسترده در ادبیات مدیریت، پایداری و نوآوری است. علی رغم این که مدل های کسب و کار در پژوهش های بسیاری مورد بررسی قرار گرفته اند، به نظر می رسد در دوران فناوری متوقف شده اند و به طور کامل با عصر پایداری و پساپاندمی درگیر نشده اند. از طرفی یکی از بحران های جدی پیش روی آتی در سطح کشور، بحران ناپایداری مالی کسب و کار صندوق های بازنشستگی و سازمان های بیمه گر اجتماعی و پیشروی بحران به سمت نقطه ای غیرقابل بازگشت باشد. بنابراین طراحی یک مدل کسب و کار پایدار و نوآور در خصوص این نوع کسب و کارها می تواند به عنوان یک راهکار مدنظر قرار گیرد. هدف پژوهش حاضر شناسایی عوامل موثر در طراحی مدل های کسب و کار پایدار و نوآور بر اساس روش مطالعه موردی در خصوص بزرگترین سازمان بیمه گر اجتماعی کشور برای نخستین بار می باشد. روش شناسی: در این پژوهش از روش مطالعه موردی استفاده گردیده است. به دلیل ویژگی های خاص مورد مطالعه، مطالعه تک موردی در خصوص سازمان تامین اجتماعی صورت پذیرفت. بدین منظور از ابزارهای مستندات و اسناد بایگانی (62 مستند)، مصاحبه (23 مصاحبه) و مشاهده مشارکتی محقق تا رسیدن به مرحله اشباع نظری استفاده گردید. در ادامه میزان پشتیبانی از هر یک از مولفه ها و رتبه بندی با استفاده از آنتروپی شانون تعیین گردیده است. برای سنجش اعتبار مطالعه از ضریب کاپای کوهن استفاده شد. یافته ها: یافته های پژوهش با تحلیل محتوای داده های کیفی حاصله و استفاده از نرم افزار MAXQDA ، مورد تحلیل و دسته بندی گردید. بر این اساس 63 مولفه و 279 کد در مورد ویژگی های مدل کسب و کار پایدار و نوآور سازمان تامین اجتماعی و در سه سطح پیشران ها، مدل کسب و کار پایدار و نوآور و پیامدها شناسایی گردید. نتایج رتبه بندی نشان می دهد در بخش پیشران ها مولفه قابلیت-های پویا، در مدل کسب و کار مولفه نوآوری های افزایش وصول حق بیمه (حق بیمه اجباری، حق بیمه غیراجباری و حسابرسی دفاتر قانونی) و کاهش هزینه های تعهدات (کوتاه مدت، بلندمدت و درمان) و در پیامدها مزیت رقابتی و بازار مهمترین مولفه ها می باشند. نتیجه گیری: نتایج پژوهش در قالب ارائه یک مدل کسب و کار پایدار و نوآور در خصوص مورد مطالعه ارائه گردید. مدل ارائه شده در بخش پیشران ها (درونی و بیرونی)، مدل کسب و کار (بر اساس چارچوب ارائه شده منابع علمی و در چهار زیربخش ایجاد ارزش، ارزش پیشنهادی، بهره برداری از ارزش و تحویل ارزش ها) و در بخش پیامدها (اقتصادی، اجتماعی و محیطی) می تواند به عنوان یک راهنمای عملی توسط مدیران در صندوق های بازنشستگی و سازمان های بیمه گر اجتماعی و سیاست گذاران در حوزه های رفاه و تامین اجتماعی مورد استفاده قرار گیرد. در نهایت پژوهش در حوزه مدل های کسب و کار پایدار و نوآور در حوزه خدمات دارای نوآوری عملی می باشد.

تحلیل پوششی داده ها (DEA) به عنوان یک روش غیرپارامتری و داده محور، ابزاری کارآمد برای ارزیابی کارایی نسبی مجموعه ای از واحدهای تصمیم گیرنده (DMUها) با چندین ورودی و خروجی است. با این حال، مدل های کلاسیک DEA ساختار درونی DMUها را نادیده می گیرند و آن ها را به عنوان جعبه های سیاه در نظر می گیرند. برای رفع این محدودیت، DEAی شبکه ای توسعه یافته است که تعاملات درونی بین اجزای DMU را به طور صریح مدل سازی می کند. علاوه بر این، در بسیاری از کاربردهای واقعی، برخی متغیرهای ورودی، خروجی یا محصولات بینابینی دارای ماهیت گسسته و مقادیر صحیح هستند و حتی ممکن است داده های منفی نیز وجود داشته باشد. این ویژگی ها در مدل های مرسوم DEA نادیده گرفته می شوند و می توانند منجر به برآوردهای نادرست و غیرعملی گردند. در این مقاله، یک مدل DEAی شبکه ای مبتنی بر تابع فاصله ی جهت دار برای سیستم های سری دو بخشی ارائه می شود که قابلیت پردازش همزمان داده های منفی و مقدار صحیح را داراست. مدل پیشنهادی با تعریف مناسب بردار جهت، امکان اندازه گیری کارایی سیستم تحت هر دو فرض بازده به مقیاس ثابت و متغیر را فراهم می کند. برای نمایش قابلیت های مدل پیشنهادی، یک مطالعه ی موردی بر روی ۲۹ زنجیره ی تأمین ایرانی در صنعت تجهیزات مصرفی پزشکی انجام شده است. نتایج نشان می دهد که مدل پیشنهادی نه تنها قادر است DMUهای کارا و ناکارا را به درستی تفکیک کند، بلکه با ارائه ی نقاط تصویر، مسیر دقیق اصلاح عملکرد هر بخش را نیز مشخص می سازد. یافته ها نشان می دهد که رویکرد پیشنهادی می تواند به عنوان ابزاری معتبر برای ارزیابی و بهبود کارایی زنجیره های تأمین، به ویژه در صنایع حساس نظیر تجهیزات

قانونگذاران و نهادهای حرفه ای در جهت افشای مربوط و قابل اتکای اطلاعات مالی از رویه های نظارتی مختلفی استفاده نموده اند. کمیته حسابرسی یکی از مهم ترین معیارهای راهبری شرکتی است که همراه با مشخصه های مالکیت شرکت بر مولفه های پاسخگویی و شفافیت اثرگذار است. شرکت های بورسی در رابطه با موضوعات مهم و کلیدی شرکت، همواره جلساتی با اعضای کمیته حسابرسی برگزار می نمایند. هدف از این پژوهش پیش بینی مدیریت سود با متغیرهای حق حضور کمیته حسابرسی، تمرکز مالکیت و سایر متغیرهای کنترلی است. داده های دریافتی شرکت ها از نرم افزار ره آورد نوین و سایت کدال در دوره زمانی 1397 تا 1401 (5 سال – 84 شرکت) با نرم افزار SPSS18 و Eviews6 مورد تجزیه و تحلیل قرار گرفتند. یافته ها نشان داد بین حق حضور اعضای کمیته حسابرسی و مدیریت سود رابطه مثبت معناداری وجود دارد و تمرکز مالکیت بر این رابطه اثرگذار است. مالکیت و کمیته حسابرسی دو مولفه مهم نظارتی هستند که بر سیاست های مدیریت سود شرکت ها اثرگذار است و لذا تحلیل گران و سایر ذی نفعان شرکت ها می توانند از نتایج تحقیق حاضر برای تصمیم گیری هایشان بهره ببرند. قانونگذاران و نهادهای حرفه ای نیز برای بهبود مشخصه های کمیته حسابرسی و مالکیت شرکت ها رویه هایی ارائه نمایند.

در سال های اخیر، گسترش بازار ارزهای دیجیتال و نوسانات شدید قیمتی آن، نیاز به توسعه روش های پیش بینی دقیق و سیستم های معاملاتی هوشمند را افزایش داده است. در این پژوهش، یک الگوریتم معاملاتی هوشمند مبتنی بر شبکه عصبی حافظه طولانی کوتاه مدت برای پیش بینی قیمت و تولید سیگنال های خرید و فروش در بازار ارزهای دیجیتال ارائه شده است. هدف اصلی این مطالعه، بهبود عملکرد تصمیم گیری معاملاتی و کاهش ریسک ناشی از نوسانات غیرقابل پیش بینی بازار است. مدل پیشنهادی با استفاده از داده های تاریخی قیمت شامل قیمت باز، بسته، بیشینه، کمینه و حجم معاملات آموزش داده شده و قادر است وابستگی های زمانی بلندمدت موجود در داده های سری زمانی مالی را استخراج کند. در این تحقیق، ابتدا داده ها پیش پردازش شده و نرمال سازی می شوند، سپس ساختار شبکه LSTM طراحی و بهینه سازی می گردد. خروجی مدل به صورت پیش بینی روند قیمتی بوده و بر اساس آن سیگنال های معاملاتی تولید می شود. نتایج آزمایش ها نشان می دهد که مدل LSTM در مقایسه با روش های سنتی مانند میانگین متحرک و رگرسیون خطی، دقت بالاتری در پیش بینی روند قیمت دارد و عملکرد بهتری در تولید سیگنال های معاملاتی ارائه می دهد. همچنین، استفاده از این مدل موجب افزایش بازدهی سرمایه گذاری و کاهش خطای تصمیم گیری در شرایط نوسانی بازار می شود. در نهایت، یافته های این پژوهش نشان می دهد که بهره گیری از شبکه های عصبی عمیق به ویژه LSTM می تواند نقش مؤثری در توسعه سیستم های معاملاتی هوشمند در بازار ارزهای دیجیتال ایفا کند و به عنوان ابزاری کارآمد برای تحلیل گران مالی و سرمایه گذاران مورد استفاده قرار گیرد.

درماندگی مالی یکی از مهم ترین مراحل پیش از ورشکستگی شرکت ها محسوب می شود که شناسایی به موقع آن می تواند از بروز زیان های گسترده برای سرمایه گذاران، اعتباردهندگان و سایر ذی نفعان جلوگیری کند. در سال های اخیر، روش های یادگیری ماشین به دلیل توانایی بالا در استخراج الگوهای پیچیده از داده های مالی، به طور گسترده در حوزه پیش بینی درماندگی مالی مورد استفاده قرار گرفته اند. در این پژوهش، از ماشین بردار پشتیبان به عنوان یکی از کارآمدترین الگوریتم های طبقه بندی استفاده شده است. با توجه به حساسیت عملکرد SVM نسبت به پارامترهای تنظیمی، از الگوریتم های فراابتکاری برای بهینه سازی پارامترهای مدل بهره گرفته می شود. هدف اصلی این مطالعه، ارائه مدلی ترکیبی مبتنی بر SVM و الگوریتم های فرا ابتکاری به منظور افزایش دقت پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. نتایج مطالعات پیشین نشان می دهد که استفاده از الگوریتم های فراابتکاری نظیر الگوریتم ژنتیک، بهینه سازی ازدحام ذرات و الگوریتم کلونی مورچگان می تواند عملکرد مدل SVM را به طور قابل توجهی بهبود بخشد و دقت پیش بینی را افزایش دهد.

افزایش پیچیدگی و عدم قطعیت در نظام های مالی مدرن، نیاز به ابزارهای تحلیلی پیشرفته برای شبیه سازی شرایط بحرانی و ارزیابی تاب آوری سازمانی را بیش از پیش افزایش داده است. روش های سنتی سناریونویسی معمولاً بر مفروضات ایستا، قضاوت خبرگان و ناتوانی در مدل سازی روابط غیرخطی در محیط های اقتصادی پیچیده استوار هستند. در این میان، هوش مصنوعی مولد به عنوان رویکردی نوین و تحول آفرین، امکان تولید سناریوهای پویا، داده محور و چندبعدی از بحران های مالی را فراهم کرده است. پژوهش حاضر با هدف بررسی کاربرد هوش مصنوعی مولد در طراحی سناریوهای بحران مالی و تحلیل تاب آوری سازمانی انجام شده است. روش پژوهش مبتنی بر تحلیل مفهومی و شبیه سازی سناریوهای احتمالی با استفاده از مدل های مولد مانند مدل های زبانی بزرگ و معماری های مبتنی بر تولید داده است. نتایج نشان می دهد که هوش مصنوعی مولد می تواند تنوع سناریوهای بحران را افزایش داده، سوگیری های شناختی در فرآیند تصمیم گیری را کاهش دهد و دقت ارزیابی تاب آوری سازمانی را بهبود بخشد. همچنین سازمان هایی که از این فناوری در مدیریت ریسک و برنامه ریزی استراتژیک استفاده می کنند، در مواجهه با شرایط بحرانی از سرعت بازیابی بالاتر و انعطاف پذیری ساختاری بیشتری برخوردار هستند. یافته ها بیانگر آن است که ادغام هوش مصنوعی مولد با چارچوب های مدیریت ریسک می تواند به ارتقای نظام های پیش بینی بحران و افزایش پایداری سازمانی منجر شود.

گسترش سریع فناوری های مالی، پیچیده تر شدن محیط های مقرراتی و افزایش حجم الزامات انطباق، چالش های مهمی را برای سازمان های مالی و بانکی ایجاد کرده است. روش های سنتی انطباق مقررات که عمدتاً مبتنی بر بررسی انسانی، سیستم های قاعده محور و فرآیندهای دستی هستند، دیگر توان پاسخگویی به حجم گسترده و پویای قوانین مالی را ندارند. در این میان، رگ تک به عنوان راهکاری نوین مبتنی بر فناوری های دیجیتال برای بهبود و خودکارسازی فرآیندهای نظارتی مطرح شده است. پژوهش حاضر با هدف توسعه یک چارچوب رگ تک هوشمند مبتنی بر پردازش زبان طبیعی برای انطباق خودکار مقررات مالی انجام شده است. این چارچوب با بهره گیری از تحلیل معنایی متون حقوقی، طبقه بندی اسناد مقرراتی و تطبیق سیاست های داخلی سازمان با الزامات قانونی، امکان شناسایی شکاف های انطباقی را فراهم می سازد. در این مدل از روش های پیشرفته یادگیری زبان و معماری های مبتنی بر ترنسفورمر برای پردازش متون پیچیده مقرراتی استفاده شده است. یافته های پژوهش نشان می دهد که چارچوب پیشنهادی مبتنی بر پردازش زبان طبیعی قادر است دقت و سرعت تحلیل مقررات را به طور قابل توجهی افزایش دهد. همچنین استفاده از این رویکرد موجب کاهش خطای انسانی، کاهش هزینه های انطباق و افزایش شفافیت در فرآیندهای نظارتی می شود. نتایج نشان می دهد که رگ تک هوشمند می تواند نقش مؤثری در بهبود حکمرانی مالی و کاهش ریسک های مقرراتی ایفا کند.

تحول دیجیتال در صنعت خدمات مالی موجب شده است که رفتار مشتریان در بسترهای آنلاین به یکی از منابع اصلی تولید داده برای تحلیل تصمیم گیری مالی تبدیل شود. در این میان، سیستم های توصیه گر مالی به عنوان ابزارهایی مبتنی بر هوش مصنوعی نقش مهمی در شخصی سازی خدمات مالی، بهبود تجربه کاربری و افزایش کارایی تصمیم گیری سرمایه گذاری ایفا می کنند. با این حال، بسیاری از سیستم های موجود هنوز بر داده های ایستا یا ویژگی های محدود مالی تکیه دارند و کمتر توانسته اند ابعاد رفتاری، شناختی و دیجیتال مشتریان را در فرآیند توصیه گری ادغام کنند. پژوهش حاضر با هدف طراحی یک چارچوب توصیه گر مالی شخصی سازی شده مبتنی بر رفتارشناسی دیجیتال مشتریان انجام شده است. این مطالعه با رویکرد مفهومی تحلیلی و با بهره گیری از ادبیات هوش مصنوعی، یادگیری ماشین و اقتصاد رفتاری، مدلی چندلایه برای تحلیل رفتار مالی کاربران در محیط های دیجیتال ارائه می دهد. در این چارچوب، داده های رفتاری شامل الگوهای کلیک، زمان تعامل، تاریخچه تراکنش ها، تعامل با محصولات مالی و شاخص های روان شناختی دیجیتال استخراج و به عنوان ورودی مدل توصیه گر استفاده می شوند. نتایج تحلیل نظری نشان می دهد که ترکیب رفتارشناسی دیجیتال با الگوریتم های توصیه گر می تواند دقت پیش بینی نیازهای مالی کاربران را افزایش داده و سطح شخصی سازی خدمات مالی را به طور معناداری بهبود دهد. همچنین این رویکرد می تواند به کاهش خطاهای تصمیم گیری سرمایه گذاران خرد و افزایش کارایی بازارهای مالی کمک کند. در نهایت، پژوهش حاضر چارچوبی نوین برای توسعه نسل جدید سیستم های توصیه گر مالی ارائه می دهد که در آن داده های رفتاری و الگوریتم های هوشمند به صورت یکپارچه در خدمت تصمیم سازی مالی قرار می گیرند.

کسب وکارهای متوسط کوچک و متوسط که معمولاً با محدودیت منابع روبه رو هستند، به روش های نوینی برای عبور از چالش های پیش روی خود نیازمندند. فناوری های نوین به عنوان یک فرصت برای تاب آوری هرچه بیشتر این فناوری ها عمل کرده و اهمیت بسیار زیادی دارند. فین تک مجموعه ای از این فناوری های نوین است که در راستای بهبود انواع خدمات مالی تنظیم شده است. این تحقیق با استفاده از داده های شرکت های فناوری مالی در کشور، تأثیر فناوری مالی بر بازده سرمایه گذاری کسب وکارهای دارای اندازه ی کوچک و متوسط را مورد بررسی قرار می دهد. نتایج نشان می دهد که رشد و توسعه ی فناوری مالی می تواند به صورت معناداری بازده سرمایه گذاری کسب وکارهای کوچک و متوسط را تحریک کند و برانگیزاند. این نتایج بعد از انجام مجموعه ای از آزمون های پایدار و قدرتمندی، به صورت استوار و نیرومند کماکان باقی می ماند که تعویض متغیرهای وابسته جایگزین، کنترل نمودن اثرات ثابت شرکت، کنترل کردن اثرات ثابت متنوع زمانی و استفاده از روش متغیر ابزاری و روش های تفاوت در تفاوت، جزء آن است. تجزیه وتحلیل نشان می دهد که فناوری مالی محدودیت های سرمایه گذاری کسب وکارهای کوچک و متوسط را کاهش می دهد و این کار را از طریق کاهش عدم تقارن اطلاعاتی بین مؤسسات مالی و کسب وکارهای کوچک و متوسط انجام می دهد، بنابراین، بازده سرمایه گذاری آن ها را بهبود می بخشد. به علاوه، تجزیه وتحلیل ناهمسانی نشان می دهد که تأثیر فناوری مالی بر سرمایه گذاری کسب وکارهای کوچک ومتوسط در کسب وکارهای خصوصی در مقیاس کوچک، صنایعی که فاقد رقابت هستند، سازمان های که دارای فرآیند بازاری شدن کند و آهسته هستند، چشم گیرتر و بارزتر است. به علاوه، این یافته ها اهمیت کاربردی مهمی دارند که به شکل پیشنهادات سیاستی و روش انجام کار برای تحریک و برانگیختن ترکیب فناوری مالی و اقتصاد داخلی عمل می نمایند.

در نظام های آموزشی سراسر دنیا، انگاره آموزش تفکر در سطوح عا لی تر از یک سو و استفاده از مطالب درسی به عنوان ابزاری برای تفکر از سوی دیگر سبب شده است تا تفکر نقادانه به عنوان یک مفهوم بنیادین و یک آرمان آموزشی مطرح شود. از این رو، انجام پژوهش به منظور فهم فرایند شکل گیری تفکر نقادانه از اهمیت به سزایی برخوردار است. به این منظور، پژوهش حاضر با هدف ارائه الگو تبیین کننده تفکر نقادانه در دانشجویان پردیس فارابی دانشگاه تهران با استفاده از نظریه داده بنیاد انجام شده است. روش پژوهش به صورت کیفی و مبتنی بر نظریه داده بنیاد بود و برای بررسی روایی و پایایی پژوهش، از سه معیار کرسول و میلر استفاده شد. برای گردآوری اطلاعات از مصاحبه های نیمه ساختار یافته استفاده شد و تحلیل اطلاعات با روش استراوس و کوربین انجام گرفت. در این راستا، در مرحله اول تعداد 25 مصاحبه عمیق با دانشجویان پردیس فارابی دانشگاه تهران انجام شد. حاصل این مصاحبه ها، مجموعه ای از مضامین اولیه بود که در فرایند کدگذاری باز، گردآوری و از درون آنها مقوله هایی استخراج شد. سپس در مرحله کدگذاری محوری، پیوند میان این مقوله ها ذیل عنوان های شرایط علّی، پدیده محوری، راهبردها، عوامل زمینه ای، شرایط مداخله گر و پیامدهای تفکر نقادانه دانشجویان در قالب پارادایم کدگذاری محوری تعیین شد. در ادامه و در مرحله کدگذاری انتخابی نیز، سیر داستان ترسیم شد. در این پژوهش، مقوله محوری با عنوان پویایی های ذهنی بروز کرده و شرایط علّی اثر گذار بر تفکر نقادانه نیز به دو دسته کلی عوامل فردی و عوامل غیر فردی تقسیم شد. عوامل مداخله گر شناسایی شده، به دو دسته کلی فضای پذیرش افراد نقاد در مراکز علمی و فضای پذیرش افراد نقاد در جامعه تقسیم می شوند. براساس نتایج، عوامل زمینه ای شامل «رتبه دانشگاه، جو مدیریتی محل تحصیل و فرهنگ خانوادگی» و همچنین، پیامدها عبارت از «پیامدهای مترتب بر فرد و پیامدهای مترتب بر دیگران» بوده است.

دولت های معاصر با معمای ساختاری «تقاضای فزاینده و ظرفیت ناکافی» مواجه اند؛ شکافی که ریشه در ناهماهنگی سه لایه حکمرانی، اداره عمومی و عملیات دارد. این نوشته چارچوبی یکپارچه برای فهم کشورداری به مثابه نظامی بهم پیوسته ارائه می دهد که در آن هم ترازی شناختی، زمانی و نهادی میان سطوح سه گانه، شرط اثربخشی است. با رویکرد تحلیلی- مفهومی و بسط مفهوم «گسست نهادی» نشان می دهد تورم اهداف در حکمرانی، فلج ترجمه در اداره عمومی و انحراف عملیاتی، به تدریج در چرخه ای خودتقویت کننده، ناکامی را نهادینه می کنند. تجربه ایران نیز نمونه ای آموزنده از این الگوست: تورم راهبردی، تغییرات مکرر ساختاری و انسداد بازخورد، کشورداری را به «گسست نسبی نهادینه شده» دچار کرده است. برای بازسازی، باید از اصلاحات بخشی به اصلاحات سیستمی گذشت: اولویت بندی واقع بینانه، تقویت ظرفیت میانجی گری اداری، توانمندسازی عملیات و نهادینه سازی بازخورد دوطرفه. کشورداری پروژه ای تمام نشدنی است که هر نسل باید پیوند میان «جهت دهی»، «سازمان دهی» و «تحقق» را بازسازی کند تا دولت بتواند مسئولانه، پاسخ گو و یادگیرنده بماند.