حسابداری، امور مالی و هوش محاسباتی 3092-7366 در دست انتشار 1406 10 01 Fraud Detection in Iraqi Listed Companies: The Impact of Big Data and Artificial Intelligence کشف تقلب در شرکت‌های بورسی عراق: تأثیر داده‌های بزرگ و هوش مصنوعی 1 21 FA ابراهیم انور ابراهیم الخزرجی گروه حسابداری، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران. علی تقوی مقدم گروه حسابداری، واحد بجنورد، دانشگاه آزاد اسلامی، بجنورد، ایران علی حسین مهاوش جامعة التقنيه الوسطى معهد التقني كوت. رضا غلامی جمکرانی گروه حسابداری، واحد قم، دانشگاه آزاد اسلامی، قم، ایران . محسن رحیمی دستجردی گروه حسابداری، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران. Journal Article 1404 11 19 <p>This study aimed to investigate the effects of big data capabilities and artificial intelligence on fraud detection in companies listed on the Iraq Stock Exchange. This applied study employed a quantitative, descriptive-correlational, and cross-sectional design. The statistical population consisted of auditors and financial managers working in companies listed on the Iraq Stock Exchange, of whom 214 participants were selected through purposive and convenience sampling. Data were collected using a structured questionnaire measuring big data capabilities, artificial intelligence, and fraud detection. Reliability was assessed using Cronbach’s alpha and composite reliability, while convergent and discriminant validity were evaluated using average variance extracted and the Fornell-Larcker criterion. Data were analyzed using SPSS version 29 and partial least squares structural equation modeling in SmartPLS version 4. Structural model results indicated that big data capabilities had a positive and significant effect on fraud detection (β = 0.38, t = 6.33, p &lt; 0.001). Artificial intelligence also had a positive and stronger significant effect on fraud detection (β = 0.49, t = 8.17, p &lt; 0.001). The coefficient of determination for fraud detection was 0.64, with an adjusted R² of 0.63. The predictive relevance value was Q² = 0.41, indicating satisfactory predictive power. The effect size was 0.19 for big data and 0.31 for artificial intelligence. The findings demonstrate that both big data capabilities and artificial intelligence significantly enhance fraud detection in Iraqi listed companies, with artificial intelligence exerting the stronger effect. Accordingly, simultaneous investment in integrated data infrastructures and intelligent analytical technologies can improve auditing effectiveness, strengthen internal controls, and increase the timely identification of fraudulent activities.</p> <p>هدف پژوهش حاضر بررسی تأثیر قابلیت‌های داده‌های بزرگ و کاربرد هوش مصنوعی بر کشف تقلب در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار عراق بود. این پژوهش از نظر هدف کاربردی و از نظر روش، توصیفی–همبستگی با رویکرد کمی و مقطعی بود. جامعه آماری شامل حسابرسان و مدیران مالی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار عراق بود و 214 نفر با استفاده از نمونه‌گیری هدفمند و در دسترس در پژوهش شرکت کردند. داده‌ها با استفاده از پرسشنامه ساختاریافته شامل سازه‌های قابلیت‌های داده‌های بزرگ، هوش مصنوعی و کشف تقلب گردآوری شد. پایایی ابزار با آلفای کرونباخ و پایایی ترکیبی و روایی آن با میانگین واریانس استخراج‌شده و معیار فورنل–لارکر بررسی شد. تحلیل داده‌ها با استفاده از SPSS نسخه 29 و مدل‌سازی معادلات ساختاری مبتنی بر حداقل مربعات جزئی در SmartPLS نسخه 4 انجام گرفت. نتایج مدل ساختاری نشان داد که قابلیت‌های داده‌های بزرگ تأثیر مثبت و معناداری بر کشف تقلب داشتند (β = 0.38، t = 6.33، p &lt; 0.001). همچنین، هوش مصنوعی تأثیر مثبت و معنادارتری بر کشف تقلب نشان داد (β = 0.49، t = 8.17، p &lt; 0.001). ضریب تعیین کشف تقلب برابر با 0.64 و ضریب تعیین تعدیل‌شده برابر با 0.63 بود. مقدار Q² برابر با 0.41 به دست آمد که نشان‌دهنده قدرت پیش‌بینی مطلوب مدل بود. اندازه اثر داده‌های بزرگ 0.19 و اندازه اثر هوش مصنوعی 0.31 بود. یافته‌ها نشان داد که داده‌های بزرگ و هوش مصنوعی نقش مهمی در ارتقای توان کشف تقلب در شرکت‌های بورسی عراق دارند و اثر هوش مصنوعی از داده‌های بزرگ قوی‌تر است؛ بنابراین، توسعه هم‌زمان زیرساخت‌های داده‌ای و ابزارهای هوشمند می‌تواند اثربخشی حسابرسی، کنترل داخلی و شناسایی رفتارهای متقلبانه را افزایش دهد.</p> https://www.jafci.com/index.php/jafci/article/download/480/311