بررسی استفاده از هوش مصنوعی در کلاس‌های حسابداری

•   آرشیو : نسخه زمستان 1404
•   کد پذیرش : 12444
•   موضوع : حسابداری
• نویسنده/گان : | زهرا سادات حسینی، میلاد علمداری، مسعود تیربند
•   زبان : فارسی
•   نوع مقاله : پژوهشی
•   چکیده مقاله به فارسی : هدف: با توجه به گسترش سریع فناوری‌های هوش مصنوعی و نقش فزاینده آن در آموزش‌های تخصصی، درک عوامل مؤثر بر پذیرش این فناوری توسط مدرسان اهمیت ویژه‌ای یافته است؛ زیرا استفاده مؤثر از هوش مصنوعی می‌تواند کیفیت آموزش و تصمیم‌گیری‌های اخلاقی را تحت تأثیر قرار دهد. به همین دلیل، هدف پژوهش حاضر، تحلیل عوامل مؤثر بر قصد استفاده مدرسان از هوش مصنوعی در کلاس‌های آموزش حسابداری و بررسی پیامدهای اخلاقی و آموزشی آن است. روش: پژوهش حاضر ازنظر نتایج، کاربردی، ازنظر روش اجرا، توصیفی، ازنظر بعد زمانی، مقطعی و ازنظر ماهیت داده‌ها، جزء پژوهش‌های کمی و جزء پژوهش‌های میدانی است. روش گردآوری داده‌ها، به‌صورت پرسش‌نامه از اعضای هیئت علمی حسابداری دانشگاه‌های دولتی کشور است. در پژوهش حاضر، نتایج 130 نفر با استفاده از نرم‌افزار و Smart pls مورد تجزیه‌وتحلیل قرارگرفته‌اند. یافته‌ها: یافته‌های پژوهش نشان داد که انتظار عملکرد، انتظار تلاش، شرایط تسهیل‌گر و تأثیر اجتماعی همگی نقش مثبت و معناداری در شکل‌گیری نیت مدرسان برای استفاده از هوش مصنوعی دارند. نتیجه‌گیری: این پژوهش نشان داد افزایش آگاهی مدرسان از مزایا و سهولت استفاده از هوش مصنوعی، در کنار فراهم‌بودن حمایت‌های سازمانی و اجتماعی، می‌تواند نقش تعیین‌کننده‌ای در تقویت تمایل آنان به بهره‌گیری از این فناوری در فرایندهای آموزشی داشته باشد. بر این اساس، توجه به توسعه زیرساخت‌ها، ارائه آموزش‌های کاربردی و ایجاد محیطی حمایتی برای مدرسان می‌تواند مسیر استفاده مؤثر از هوش مصنوعی در نظام آموزشی را هموار کرده و به ارتقای کیفیت یاددهی - یادگیری منجر شود. دانش افزایی: این پژوهش با تبیین نقش عوامل فردی، سازمانی و اجتماعی در نیت استفاده مدرسان از هوش مصنوعی، تصویری روشن از الزامات توسعه و به‌کارگیری مؤثر این فناوری در محیط‌های آموزشی ارائه می‌دهد.
•   لیست منابع : اعتمادی جوریابی، م.، خردیار، س.، و آزادی‌هیر، ک. (1399). تأثیر فشارهای نهادی بر نیت حسابداران از پذیرش سیستم‌های اطلاعاتی حسابداری: شواهد تجربی از مدل یکپارچه پذیرش و به‌کارگیری فناوری. مجله پیشرفت‌های حسابداری، 12(2)، 29–65.
  باقریان، م.، سعادت، پ.، و مثالی، م. (1402). نقش هوش مصنوعی و اهمیت آن در سیستم‌های حسابداری. نشریه علمی رویکردهای پژوهشی نوین مدیریت و حسابداری، 7(24)، 713–727.
  صراف، ف.، و فرهنگیان، ع. (1401). کاربرد هوش مصنوعی در حسابداری. نشریه علمی رویکردهای پژوهشی نوین مدیریت و حسابداری، 6(23)، 108–124.
  Abdullah Naheb, O. (2017). The influence of critical factors on the behavioral intention to computerized accounting systems (CAS) in cement manufactures in Libya. The International Journal of Accounting and Business Society, 25(1), 86–108.
  Alamin, A. A., Wilkin, C. L., Yeoh, W., & Warren, M. (2020). The impact of self-efficacy on accountants’ behavioral intention to adopt and use accounting information systems. Journal of Information Systems, 34(3), 31–46.
  Aoun, C., Vatanasakdakul, S., & Li, Y. (2010). AIS in Australia: UTAUT application and cultural implication. In Proceedings of the 21st Australasian Conference on Information Systems.
  Ballantine, J., Boyce, G., & Stoner, G. (2024). A critical review of AI in accounting education: Threat and opportunity. Critical Perspectives on Accounting, 99, 102711.
  Boontarig, W., Chutimaskul, W., Chongsuphajaisiddhi, V., & Papasratorn, B. (2012). Factors influencing the Thai elderly intention to use smartphone for e-health services. In 2012 IEEE Symposium on Humanities, Science and Engineering Research (pp. 479–483). IEEE.
  Cheng, X. (Joyce), Dunn, R., Holt, T., Inger, K., Jenkins, J. G., Jones, J., Long, J., Loraas, T., Mathis, M., Stanley, J., & Wood, D. A. (2024). Artificial intelligence’s capabilities, limitations, and impact on accounting education: Investigating ChatGPT’s performance on educational accounting cases. Issues in Accounting Education, 39(2), 23–47.
  Damanpour, F., & Schneider, M. (2006). Phases of the adoption of innovation in organizations: Effects of environment, organization and top managers. British Journal of Management, 17(3), 215–236. https://doi.org/10.1111/j.1467-8551.2006.00498.x
  Eslami, K., & Khanmohammadi, M. H. (2019). Value stream costing using a new theory: Technology acceptance model. International Journal of Finance and Managerial Accounting, 4(15), 115–126.
  Gonzalez, G. C., Sharma, P. N., & Galletta, D. (2012). Factors influencing the planned adoption of continuous monitoring technology. Journal of Information Systems, 26(2), 53–69.
  Kamila, M. K., & Jasrotia, S. S. (2023). Ethical issues in the development of artificial intelligence: Recognizing the risks. International Journal of Ethics and Systems.
  Kaplan, A., & Haenlein, M. (2018). Call for papers: Special issue on digital transformation and disruption. Business Horizons, 61(6), 809–810.
  Klinsukhon, S., & Ussahawanitchakit, P. (2016). Accounting information transparency and decision making effectiveness: Evidence from financial businesses in Thailand. The Business & Management Review, 7(1), 5–51.
  Kuleto, V., Ilic, M., Dumangiu, M., Rankovic, M., Martins, O. M. D., Paun, D., & Mihoreanu, L. (2021). Exploring opportunities and challenges of artificial intelligence and machine learning in higher education institutions. Sustainability, 13(18), 10424.
  Li, K. C., & Wong, B. T. M. (2023). Artificial intelligence in personalised learning: A bibliometric analysis. Interactive Technology and Smart Education, 20(3), 422–445.
  Mahzan, N., & Lymer, A. (2014). Examining the adoption of computer-assisted audit tools and techniques: Cases of generalized audit software use by internal auditors. Managerial Auditing Journal, 29(4), 327–349.
  Odintsova, S. A., Kenesova, N. T., & Sarsekeyeva, Z. E. (2013). Information technology: Definition, essence and content of the concept. Education and Science without Borders, 4(1), 11–13.
  Odeh, M. H. (2019). Factors affecting the adoption of financial information systems based on UTAUT model. International Journal of Academic Research in Accounting, Finance and Management Sciences, 9(2), 108–116.
  Pradana, M., Elisa, H. P., & Syarifuddin, S. (2023). Discussing ChatGPT in education: A literature review and bibliometric analysis. Cogent Education, 10(1).
  Razia, B., Awwad, B., & Taqi, N. (2023). The relationship between artificial intelligence (AI) and its aspects in higher education. Development and Learning in Organizations: An International Journal, 37(3), 21–23.
  Roztocki, N., Soja, P., & Weistroffer, H. R. (2019). The role of information and communication technologies in socioeconomic development: Towards a multidimensional framework. Information Technology for Development, 25(2), 171–183.
  Stojanov, A. (2023). Learning with ChatGPT 3.5 as a more knowledgeable other: An autoethnographic study. International Journal of Educational Technology in Higher Education, 20(1), 1–17.
  Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540
  Wadi, R. M. A., Kukreja, G., & Jaber, R. J. (2020). The role of information technology in accounting: Literature review. In International Conference on Business and Technology (pp. 953–965). Springer.
  Wecks, J. O., Voshaar, J., Plate, B. J., & Zimmermann, J. (2024). Generative AI usage and academic performance. SSRN Electronic Journal.
•   کلمات کلیدی به فارسی : هوش مصنوعی، نیت استفاده، انتظار عملکرد، انتظار تلاش
•   چکیده مقاله به انگلیسی : Objective: Given the rapid expansion of artificial intelligence (AI) technologies and their increasing role in specialized education, understanding the factors influencing instructors’ acceptance of this technology has become crucial. Effective use of AI can significantly impact the quality of teaching and ethical decision-making. Therefore, this study aims to analyze the factors affecting instructors’ behavioral intention to use AI in accounting education and to examine its educational and ethical implications. Method: This study is applied in terms of outcomes, descriptive in terms of methodology, cross-sectional in terms of time dimension, and quantitative in nature, conducted as a field study. Data were collected using a structured questionnaire distributed among accounting faculty members at public universities in the country. A total of 130 responses were analyzed using Smart PLS software. Findings: The results indicate that performance expectancy, effort expectancy, facilitating conditions, and social influence all have significant positive effects on instructors’ intention to use AI. Conclusion: The study demonstrates that increasing instructors’ awareness of AI benefits and ease of use, combined with the availability of organizational and social support, can play a decisive role in enhancing their willingness to adopt AI in educational processes. Accordingly, focusing on infrastructure development, providing practical training, and creating a supportive environment for instructors can facilitate the effective integration of AI in education and improve the quality of teaching and learning. Contribution: By clarifying the roles of individual, organizational, and social factors in instructors’ intention to use AI, this study provides a comprehensive understanding of the prerequisites for the effective development and implementation of AI in educational settings.
•   کلمات کلیدی به انگلیسی : Artificial intelligence, Behavioral intention, Performance expectancy, Effort expectancy
•  صفحات : 40-56
•   دانلود فایل ( 514.34 KB )