طراحی الگوی ساختار تفسیری استراتژیهای مالی سازمان تأمین اجتماعی با رویکرد هوش مصنوعی
کلمات کلیدی:
استراتژیهای مالی، , هوش مصنوعی، , سازمان تأمین اجتماعی، , ساختار تفسیری, مدل ISMچکیده
هدف این پژوهش، طراحی مدل ساختار تفسیری (ISM) برای استراتژیهای مالی سازمان تأمین اجتماعی با بهرهگیری از هوش مصنوعی به منظور ارتقای کارایی، شفافیت و چابکی مالی است. پژوهش حاضر از نظر هدف، اکتشافی و از نظر رویکرد، کیفی است. دادهها از طریق مصاحبههای نیمهساختاریافته با 17 نفر از خبرگان حوزه مدیریت مالی و فناوری جمعآوری شد. از روش نمونهگیری گلولهبرفی برای انتخاب مشارکتکنندگان و از تحلیل مضمون برای شناسایی مضامین اصلی استفاده شد. سپس با بهرهگیری از روش مدلسازی ساختاری تفسیری، روابط میان مضامین تبیین و الگوی نهایی تدوین گردید. نتایج تحلیل مضمون منجر به شناسایی 1 مضمون فراگیر، 7 مضمون سازمانیافته، 14 مضمون پایه و 66 کد اولیه شد. بر اساس مدل نهایی، استراتژیهای عدالت مالی و پایداری در سطح پایه قرار دارند و مبنای سایر استراتژیها هستند. سطوح میانی شامل شفافیت و حسابرسی مالی، بودجهریزی و تخصیص منابع هوشمند، مدیریت ریسک مالی و تنوعبخشی منابع مالی است. در سطح نهایی، استراتژیهای بهرهوری مالی به عنوان نتیجه نهایی سیستم مالی سازمان تعیین گردید. مدل ارائهشده نشان داد که هوش مصنوعی از طریق دادهکاوی، یادگیری ماشین و الگوریتمهای بهینهسازی، میتواند موجب بهبود تخصیص منابع، افزایش دقت پیشبینیها و کاهش ریسک مالی شود. الگوی طراحیشده چارچوبی نظاممند برای بهرهگیری از فناوریهای هوش مصنوعی در استراتژیهای مالی سازمان تأمین اجتماعی فراهم میآورد. این مدل به مدیران کمک میکند تا تصمیمگیریهای مالی خود را دادهمحور، شفاف و پایدار سازند. اجرای مدل میتواند کارایی مالی، اعتماد عمومی و تابآوری اقتصادی سازمان را در بلندمدت افزایش دهد.
دانلودها
مراجع
Agheli, M., Nikmanesh, S., Rashidi, H., & Jalali, P. (2023). Negāresh-e Payān Nāmeh va Maqāleh Nevisi (Thesis Writing and Article Authoring). Dibagaran Book Institute.
Ahmed, S., Alshater, M. M., El Ammari, A., & Hammami, H. (2022). Artificial intelligence and machine learning in finance: A bibliometric review. Research in International Business and Finance, 61, 101646. https://doi.org/10.1016/j.ribaf.2022.101646
Bouchetara, M., Zerouti, M., & Zouambi, A. R. (2024). Leveraging artificial intelligence (AI) in public sector financial risk management: Innovations, challenges, and future directions. EDPACS, 69(9), 124-144. https://doi.org/10.1080/07366981.2024.2377351
Cao, L. (2022). AI in finance: challenges, techniques, and opportunities. ACM Comput Surv, 55, 1-38. https://doi.org/10.1145/3502289
Chan, T. L., & Hale, N. (2020). Pricing European-type, early-exercise and discrete barrier options using an algorithm for the convolution of Legendre series. Quant. Finance, 20(8), 1307-1324. https://doi.org/10.1080/14697688.2020.1736612
Fāmili, R., Roostā, A., & Ahmadi Sharif, M. (2024). Organizational Transformation with Artificial Intelligence (AI) Technologies Model and Marketing Strategies in the Banking Industry. Journal of Personal Development and Organizational Transformation, 2(1), 1-16.
Gao, B. (2021). The use of machine learning combined with data mining technology in financial risk prevention. Comput. Econ. https://doi.org/10.1007/s10614-021-10101-0
Goodell, J. W., Kumar, S., Lim, W. M., & Pattnaik, D. (2021). Artificial intelligence and machine learning in finance: Identifying foundations, themes, and research clusters from bibliometric analysis. Journal of Behavioral and Experimental Finance, 32, 100577. https://doi.org/10.1016/j.jbef.2021.100577
Hosseini, R., & Hamzeh, Z. (2023). Investigating the Impact of Financial Strategy on Employee Performance with an Emphasis on the Mediating Role of Research and Development (R&D) (Case Study: Faran Shimi Pharmaceutical Company). Entrepreneurship and Innovation Researches, 2(4), 40-54.
Kokina, J., Gilleran, R., Blanchette, S., & Stoddard, D. (2020). Accountant as digital innovator: Roles and competencies in the age of automation. Account. Horiz., 35(1), 153-184. https://doi.org/10.2308/HORIZONS-19-145
Mahrani, A., Alizadeh, H., & Rasouli, A. (2022). Evaluating the Role of Artificial Intelligence Tools in the Development of Financial Services and Marketing. Technology in Entrepreneurship and Strategic Management, 1(1), 71-82.
Martínez, R. G., Román, M. P., & Casado, P. P. (2019). Big data algorithmic trading systems based on investors' mood. J. Behav. Finance, 20(2), 227-238. https://doi.org/10.1080/15427560.2018.1506786
Musleh Al-Sartawi, A. M., Hussainey, K., & Razzaque, A. (2022). The role of artificial intelligence in sustainable finance. Journal of Sustainable Finance & Investment, 1-6. https://doi.org/10.1080/20430795.2022.2057405
Park, M. S., Son, H., Hyun, C., & Hwang, H. J. (2021). Explainability of machine learning models for bankruptcy prediction. IEEE Access, 9, 124887-124899. https://doi.org/10.1109/ACCESS.2021.3110270
Rane, N. L., Choudhary, S. P., & Rane, J. (2024). Artificial Intelligence-driven corporate finance: enhancing efficiency and decision-making through machine learning, natural language processing, and robotic process automation in corporate governance and sustainability. Studies in Economics and Business Relations, 5(2), 1-22. https://doi.org/10.48185/sebr.v5i2.1050
Sulistiani, A. F. S., & Bustanul, U. (2025). Artificial Intelligence in Financial Forecasting : Enhancing Accuracy and Strategic Planning in Financial Management. Brilliant International Journal Of Management And Tourism, 5(2), 117-124. https://doi.org/10.55606/bijmt.v5i2.4455
Teng, H. W., & Lee, M. (2019). Estimation procedures of using five alternative machine learning methods for predicting credit card default. Rev. Pac. Basin Financ. Mark. Polic., 22(03), 1950021. https://doi.org/10.1142/S0219091519500218
Wall, L. D. (2018). Some financial regulatory implications of artificial intelligence. J. Econ. Bus., 100, 55-63. https://doi.org/10.1016/j.jeconbus.2018.05.003
Yāri Lichā'i, Z., Hosseini Nia, G., & Samari, D. (2024). Designing a Model of Entrepreneurial Financing Strategies. Journal of Development and Transformation Management, 15(55), 51-58.
دانلود
چاپ شده
ارسال
بازنگری
پذیرش
شماره
نوع مقاله
مجوز
حق نشر 2025 Yaser Jafaiean, Reza Seyedkhani, Mojtaba Moradpour, Rahmatollah Mohammadipour (Author)
این پروژه تحت مجوز بین المللی Creative Commons Attribution-NonCommercial 4.0 می باشد.
