از روش‌های سنتی تا یادگیری ماشین: تحول کشف تقلب در حسابرسی با فناوری‌های نوین

تقلب در صورت‌های مالی پدیده‌ای جهانی است که پیامدهای منفی قابل‌توجهی برای کلیه ذینفعان دارد با این حال تشخیص تقلب به‌دلیل ماهیت ذهنی آن، امری دشوار است. هدف این پژوهش بررسی فرصت‌ها و چالش‌ها و انتقادات مرتبط با روش‌های آماری و تکنیک‌های یادگیری ماشین برای کشف تقلب است. در این پژوهش ضمن مرور ادبیات در مورد کشف تقلب حسابداری و حسابرسی با استفاده از یادگیری ماشین به بحث در مورد چالش ها و انتقادات مطرح شده در این خصوص پرداخته شده است. مرور ادبیات نشان می‌دهد که مدل‌های رگرسیون لجستیک به‌طور سنتی در مطالعات کشف تقلب استفاده شده‌اند اما پیشرفت‌های اخیر در هوش مصنوعی و یادگیری ماشین، فرصت‌های جدیدی برای شناسایی تقلب مالی فراهم کرده است. علی‌رغم مزایای بالقوه، استفاده از روش‌های یادگیری ماشین در کشف تقلب با چالش‌ها و انتقادات جدی روبرو است. این مقاله در درک بهتر فرصت‌ها و چالش‌ها و انتقادات مرتبط با کاربرد روش‌های نوینی همچون یادگیری ماشین برای کشف تقلب، یاری می‌رساند.

from traditional methods to machine learning: the evolution of fraud detection in auditing with new technologies

fraudulent financial reporting is a global phenomenon with significant negative consequences for all stakeholders. however, detecting fraud is a challenging task due to its subjective nature. this research aims to explore the opportunities, challenges, and criticisms associated with statistical methods and machine learning techniques for fraud detection. this study reviews the literature on accounting and auditing fraud detection using machine learning and discusses the challenges and criticisms raised in this regard. the literature review shows that logistic regression models have traditionally been used in fraud detection studies, but recent advances in artificial intelligence and machine learning have provided new opportunities for identifying financial fraud. despite the potential benefits, the use of machine learning methods in fraud detection faces serious challenges and criticisms. this article contributes to a better understanding of the opportunities, challenges, and criticisms associated with the application of new methods such as machine learning for fraud detection.