دستاوردهای حسابداری ارزشی و رفتاری، جلد ۹، شماره ۱۷، صفحات ۱۵۵-۱۸۶

عنوان فارسی تحلیل لحن بند تاکید بر مطلب خاص با استفاده از مدل زبانی GPT: تاثیر نوع حسابرس و تنوع جنسیتی شرکای حسابرسی
چکیده فارسی مقاله از آنجا که مطابق استاندارد حسابرسی 706، حسابرس از طریق درج بند تاکید بر مطلب خاص در گزارش حسابرسی، توجه استفاده‎کنندگان به اطلاعات ارائه شده یا افشاء شده در صورت‎های مالی که برای درک صورت‎های مالی، اهمیت زیادی دارد را جلب می‎نماید، آزادی عمل حسابرس در انتخاب کلمات و عبارات این بندها، موقعیت منحصر به فردی جهت بررسی لحن گزارش حسابرس فراهم می ‎آورد. پژوهش حاضر، با استفاده از مدل زبانی GPT توسعه یافته بر پایه رویکرد پردازش زبان طبیعی و بر پایه فناوری هوش مصنوعی، لحن تعداد 2,699 بند تاکید بر مطلب خاص گزارش حسابرسی مربوط به 233 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی بازه زمانی 1395 الی 1402 تحلیل کرده و رابطه آن با دو ویژگی نوع حسابرس و تنوع جنسیتی شرکای حسابرسی را بررسی کرده ‎است. در چارچوب استاندارد حسابرسی 706، می‎توان انتظار داشت، لحن بند تاکید بر مطلب خاص، خنثی باشد. با این حال، نتایج به دست آمده نشان می‎ دهد، لحن این بندها، در 10درصد موارد "مثبت" و در 35درصد موارد "منفی" بوده‎ است. همچنین، سازمان حسابرسی و موسسه حسابرسی مفیدراهبر، بیش از دیگر موسسات حسابرسی، از لحن منفی استفاده می‎ کنند. در نهایت، تنوع جنسیتی شرکای تیم حسابرسی، با لحن مثبت همراه است. به طور کلی، نتایج نشان می‌دهد، لحن بندهای تاکید بر مطلب خاص، احتمالاً به عنوان ابزاری برای انتقال دیدگاه حسابرس نسبت به اطلاعات مندرج در صورت‎های مالی به استفاده کنندگان استفاده می‎شود.

کلیدواژه‌های فارسی مقاله پردازش زبان طبیعی،هوش مصنوعی،لحن گزارش حسابرس،بند تاکید بر مطلب خاص،

عنوان انگلیسی Analyzing the Tone of Emphasis of Matter Paragraphs in Audit Reports Using the GPT Language Model: Examining the Impact of Auditor Type and Gender Diversity of Partners
چکیده انگلیسی مقاله Since, according to Auditing Standard 706, the auditor highlights important information or disclosures in the financial statements through the inclusion of an Emphasis of Matter (EOM) paragraph in the audit report, the auditor’s discretion in choosing words and phrases for these paragraphs provides a unique opportunity to examine the tone of the auditor's report. This study, using natural language processing based on artificial intelligence, analyzes the tone of 2,699 EOM paragraphs from audit reports of 233 companies listed on the Tehran Stock Exchange over the period from 2016 to 2023, examining its relationship with two characteristics: auditor type and auditors gender diversity. Within the framework of Auditing Standard 706, it is expected that the tone of the EOM paragraph will be neutral. However, the results show that the tone of these paragraphs was "positive" in 10% of cases and "negative" in 35% of cases. Furthermore, the Audit Organization and Moafidrahbar Audit Institute use negative tones more frequently than other audit firms. Finally, gender diversity among audit team partners is associated with a positive tone in EOM paragraphs. Overall, the results suggest that the tone of EOM paragraphs may likely serve as a tool for conveying the auditor's perspective on the information in the financial statements to users.
کلیدواژه‌های انگلیسی مقاله پردازش زبان طبیعی,هوش مصنوعی,لحن گزارش حسابرس,بند تاکید بر مطلب خاص

نویسندگان مقاله حسن فرج زاده دهکردی |
استادیار گروه حسابداری، دانشگاه خوارزمی، تهران، ایران.(نویسنده مسئول)

زهرا لطفی خادملو |
دانشجوی کارشناسی ارشد حسابداری، دانشگاه خوارزمی، تهران، ایران. zahra.lotfikh@gmail.com

امیر کاظم |
کارشناس ارشد اقتصاد مالی، دانشگاه صنعتی شریف، تهران، ایران. Amir.kazem@sharif.edu


نشانی اینترنتی https://aapc.khu.ac.ir/article_3558_285a25c17f351708754cdb6d56f3962e.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات