دانشگاه الزهرا

  اخبار و اعلانات

 آمار

تعداد نشریات25
تعداد شماره‌ها933
تعداد مقالات7,666
تعداد مشاهده مقاله12,517,753
تعداد دریافت فایل اصل مقاله8,897,891
ثقفی, علی, جوانی قلندری, موسی. (1395). داده های بزرگ چگونه حسابداری مالی را تغییر خواهند داد؟. جلوه هنر, 6(3), 35-50. doi: 10.22051/ijar.2016.2530
علی ثقفی; موسی جوانی قلندری. "داده های بزرگ چگونه حسابداری مالی را تغییر خواهند داد؟". جلوه هنر, 6, 3, 1395, 35-50. doi: 10.22051/ijar.2016.2530
ثقفی, علی, جوانی قلندری, موسی. (1395). 'داده های بزرگ چگونه حسابداری مالی را تغییر خواهند داد؟', جلوه هنر, 6(3), pp. 35-50. doi: 10.22051/ijar.2016.2530
ثقفی, علی, جوانی قلندری, موسی. داده های بزرگ چگونه حسابداری مالی را تغییر خواهند داد؟. جلوه هنر, 1395; 6(3): 35-50. doi: 10.22051/ijar.2016.2530

داده های بزرگ چگونه حسابداری مالی را تغییر خواهند داد؟

حسابداری و منافع اجتماعی
مقاله 3، دوره 6، شماره 3 - شماره پیاپی 22، مهر 1395، صفحه 35-50    اصل مقاله (1.06 M)
نوع مقاله: مقاله ترویجی
شناسه دیجیتال (DOI): 10.22051/ijar.2016.2530
نویسندگان
علی ثقفی1؛ موسی جوانی قلندری* 2
1استاد گروه حسابداری دانشکده مدیریت و حسابداری دانشگاه علامه طباطبایی،
2دانشجوی دکتری حسابداری دانشکده مدیریت و حسابداری دانشگاه علامه طباطبایی
چکیده
داده­ های بزرگ متشکل از مجموعه داده­های حجیمی است که به طور معمول با سیستم مدیریت پایگاه داده یا یرنامه­­های نرم افزاری سنتی قابل تحلیل نیست دلیل مقبولیت این اصطلاح، حجم فزاینده اطلاعاتی است که با گسترش فناوری­های محاسباتی و ارتباط از راه ‌دور به ‌خصوص اینترنت و سنجش­های محیطی قابل دسترسی می‌باشند. به میزانی که انواع گوناگون داده­ها قابل دسترسی می‌شوند. داده­های بزرگ پیامد مهمی برای حسابداری مالی خواهند داشت. اطلاعات متنی، ویدیویی، صوتی و تصویری که از طریق داده­های بزرگ دسترسی به آنها امکان پذیر می­شود، می­تواند موجب بهبود حسابداری مالی و رویه­های گزارشگری مالی شوند. داده­های بزرگ در حسابداری مالی کیفیت و مربوط بودن اطلاعات حسابداری را بهبود خواهند بخشید و بنابراین موجب افزایش شفافیت می‌شوند که در نهایت بهبود تصمیم­گیری ذینفعان را به دنبال دارد. درگزارشگری مالی نیز داده­های بزرگ می­توانند در تدوین و پالایش (تغییر) استانداردهای حسابداری کمک کننده باشند. علاوه بر این داده­های بزرگ اطمینان دهی می­کنند که با تکامل اقتصاد پویا، جهانی و واقعی، حرفه­ی حسابداری همچنان به ارائه­ی اطلاعات سودمند ادامه خواهد داد. 
کلیدواژه‌ها
داده های بزرگ؛ حسابداری مالی؛ حسابداری ارزش منصفانه
عنوان مقاله [English]
How Big Data will Change Financial Accounting?
نویسندگان [English]
Ali Saghafi1؛ Musa Javani Ghalandari2
1Professor of Accounting Department, Faculty of Management and Accounting, Allameh Tabatabaei University,
2Ph.D. Student of Accounting, Faculty of Management and Accounting, Allameh Tabatabaei University
چکیده [English]
Big Data consists of voluminous data sets that they cannot be reasonably analyzed by using Database management systems or traditional software programs. The reason for this popularity is growing amount of information that are available by developments in computing and telecommunications technology, particularly the Internet and environmental sensing. as different types of data become available, Big Data will have significant implication for financial accounting. The textual, video, audio and image information are available via Big Data, could improve financial accounting and financial reporting procedure. Big Data in financial accounting will enhance the quality and relevance of accounting information, cause to increase transparency which results in improvement of stakeholder decision making. In financial reporting, Big Data could be helpful in creation and refinement of accounting standards, furthermore Big Data assure that with the evolution of dynamic, global and real economy; accounting profession will continue to provide useful information
کلیدواژه‌ها [English]
Big Data, Financial Accounting, Fair value Accounting
مراجع

Arora, S. , Boaz, B. , Markus,B. & Rong. Ge (2010). "Computational complexity and information asymmetry in financial products. " In ICS, pp. 49-65.

Association of Certified Fraud Examiners. (2013). "Fraud loss for 2012". http: //www.fraud-magazine.com/upload­files/Fraud_Magazine/Content/ Marketplace/ media-planner. pdf.

Assunção, M. D. Calheiros, R. N. Bianchi, S. Netto, M. A. & Buyya, R. (2015). “Big Data computing and clouds: Trends and future directions". Journal of Parallel and Distributed Computing, 79, 3-15.

Brynjolfsson, E. Hammerbacher, J. & Stevens, B. (2011). "Competing through data: Three experts offer their game plans". McKinsey Quarterly. 4: 36-47.

Bughin, J. Livingston, J & Marwaha, S. (2011). "Seizing the potential of ‘big data". McKinsey Quarterly. 4: 103-109.

Girshick, R. Donahue, J. Darrell, T. & Malik, J. (2014). "Rich feature hierarchies for accurate object detection and semantic segmentation: In Computer Vision and Pattern Recognition (CVPR) ". IEEE Conference on (580-587).

Hobson, J. L, Mayew, W. J. & Venkatachalam, M. (2012). "Analyzing speech to detect financial misreporting". Journal of Accounting Research. 50 (2): 349-392.

http: //www. seo. ir/LoadFile. ashx?Id=1IWJRbDtxDsPAgIAvh3xdQ== .

Kieso, D. J,Weygandt. & T, Warfield. (2013). "Intermediate Accounting”. Hoboken, NJ: John Wiley & Sons, Inc.

Krahel, J. P. , & Titera, W. R. (2015). Consequences of Big Data and Formalization on Accounting and Auditing Standards. Accounting Horizons, 29 (2) , 409-422Lev, B.(2004). Intangibles discussion. Available at: http: //accounting. rutgers. edu/docs/intangibles/Papers/Sharpening%20the%20Int.

Mayew, W. J. & Venkatachalam, M. (2012). "The power of voice: Managerial affective states and future firm performance". The Journal of Finance. 67 (1): 1-43.

Merrit C. (2013) Depreciation discussion available at http: //smallbusiness. chron. com/straightline-depreciation-method-capital-projects-66573. html.

Metaxas, D. & Zhang, S. (2013). "A review of motion analysis methods for human nonverbal communication computing", Image and Vision Computing. 31 (6): 421-433.

Moffitt, K. C. , & Vasarhelyi, M. A. (2013). AIS in an age of big data. Journal of information systems, 27 (2) , 1-19. ‏

Radhakrishnan, R. Ajay,­D. & Paris,­ S. (2005) "Audio analysis for surveillance applications, In Applications of Signal Processing to Audio and Acoustic”s ". IEEE Workshop on, pp. 158-161.

Shannon, C. E. & Weaver, W. (1949). "The mathematical theory of communication”. United States of America: University of Illinois press.

Syed, A. Kumar, Gillela. & C. Venugopal. (2013). "The future revolution on big data. " Future 2 (6).

Torralba, A. Fergus, R. & Freeman, W. T. (2008). "80 million tiny images: A large data set for nonparametric object and scene recognition". Pattern Analysis and Machine Intelligence, IEEE Transactions on. 30 (11): 1958-1970.

Vasarhelyi, M. A. Kogan, A. & Tuttle, B. (2015). "Big data in accounting: An overview". Accounting Horizons. 29 (2): 381-396

Vijayanarasimhan, S. & Grauman, K. (2014). "Large-scale live active learning: Training objects detectors with crawled data and crowds". International Journal of Computer Vision. 108 (1-2): 97-114.

Warren Jr, J. D. Moffitt, K. C. & Byrnes, P. (2015). "How Big Data Will Change Accounting". Accounting Horizons. 29 (2): 397-407

Zhang, J. Yang, X. & Appelbaum, D. (2015). "Toward Effective Big Data Analysis in Continuous Auditing". Accounting Horizons. 29 (2): 469-47

آمار
تعداد مشاهده مقاله: 4,524
تعداد دریافت فایل اصل مقاله: 2,683


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب