درخت حوزه‌های تخصصی

پژوهش حاضر با هدف آسیب شناسی فرایند قصد جابجایی کارکنان از نواحی گازرسانی (واحد صف) به واحدهای ستادی شرکت گاز استان چهارمحال و بختیاری و ارائه راهکارهایی برای بهبود آن انجام شده است. مشارکت کنندگان پژوهش حاضر، کارکنان نواحی گازرسانی با سابقه کار بالای 5 سال که جابجایی آن ها انجام شده یا در حال انجام است و یا قصد این کار را دارند، هستند. داده ها از طریق مصاحبه های گردآوری و تجزیه وتحلیل داده ها با استفاده از روش تحلیل موقعیت کلارک انجام و مجموعه ای از گفتمان ها و مقوله ها که بر قصد جابجایی تأثیرگذارند، شناسایی شدند. یافته ها نشان می دهند که عدم وجود مسیر شغلی مشخص، احساس بی عدالتی در جابجایی و انتصابات، تأثیر عوامل سیاسی، محدودیت های ارتقای شغلی و شرایط سخت کاری در نواحی گازرسانی، از جمله دلایل اصلی افزایش درخواست جابجایی هستند. نتایج این پژوهش بر اهمیت طراحی اقدامات مدیریت منابع انسانی، نظیر تعیین دوره تصدی شغل، شفاف سازی فرآیندهای جابجایی و انتصاب و کاهش نفوذ عوامل سیاسی، تأکید دارد. درنهایت، یافته های پژوهش بر ضرورت اتخاذ رویکردی جامع تأکید دارد که علاوه بر اصلاح سیاست های منابع انسانی، به بازتعریف نقش ساختارهای مدیریتی و کاهش تأثیر مداخلات بیرونی در تصمیم گیری های سازمانی بپردازد

این پژوهش با هدف اعتبارسنجی مدل صادرات فرآورده های نفتی به کشورهای همسایه با تأکید بر افغانستان انجام شد. مطالعه از نوع کاربردی و با رویکرد آمیخته اکتشافی در دو بخش کیفی و کمی اجرا گردید. در بخش کیفی، داده ها از طریق مصاحبه نیمه ساختاریافته با 13 نفر از خبرگان حوزه نفت، گمرک و اتاق مشترک ایران و افغانستان جمع آوری و با روش نظریه داده بنیاد تحلیل شد که منجر به استخراج مقوله ها و طراحی مدل مفهومی اولیه گردید. در بخش کمی، جامعه آماری شامل صادرکنندگان فرآورده های نفتی، تجار ایرانی و افغانستانی بود که با روش نمونه گیری در دسترس، داده های حاصل از 214 پرسشنامه معتبر گردآوری شد. برای اعتبارسنجی مدل از مدل سازی معادلات ساختاری مبتنی بر واریانس و نرم افزار Smart PLS استفاده گردید. یافته ها نشان داد روابط بین سازه ها معنادار و مدل از برازش مطلوبی برخوردار است. در نتیجه، مدل ارائه شده می تواند چارچوبی کارآمد برای صادرات و تصمیم سازی سیاست گذاران حوزه انرژی فراهم آورد.

مطالعه حاضر با هدف ارائه مدل ساختاری تفسیری نگهداشت دانشگرها در توسعه زنجیره ارزش صنعت نفت انجام شد. این پژوهش از نظر پارادایم شناسی عمل گرا (پراگماتیسم) از حیث رویکرد آمیخته و از حیث استراتژی تحلیل مضمون و مدل سازی معادلات ساختاری تفسیری است. نمونه گیری بر اساس پروتکل کنشگران به روش نمونه گیری هدفمند اطلاعات محور انجام شد و با 15 مصاحبه به اشباع نظری دست پیدا شد. برای گردآوری داده ها از مصاحبه نیمه ساختاریافته و پرسشنامه استفاده شد. برای اعتباریابی ابزار سنجش از تحلیل عاملی اکتشافی بهره گرفته شد. تحلیل کیفی مصاحبه های تخصصی با روش تحلیل مضمون در نرم افزار Maxqda انجام شد. سپس روابط سازه ها با هدف اکتشاف مدل با روش مدل سازی ساختاری تفسیری در نرم افزار MicMac شناسایی و طراحی گردید. بر اساس خروجی شبکه مضمون 113 شاخص فرعی و 29 مضمون اصلی و 8 متغیر مضمون فراگیر ساماندهی شده است. مدل اکتشافی حاکی از اثر محیط کاری توسعه گرا، محیط کاری فرصت محور، محیط کاری سلامت محور به عنوان عوامل پیش بین بر توسعه شایستگی های تخصصی، بهینه سازی سیستم جبران خدمات و مزایا، توسعه جذابیت شغلی به عنوان عوامل راهبردی است. همچنین، بالندگی استعدادهای دانشگر و توسعه استعداد دانشگران به عنوان عوامل پیامدی مدل شناسایی گردید.

پژوهش حاضر با هدف بررسی امکان استفاده از روش های علوم اعصاب، به طور خاص EEG و یادگیری ماشین، در شناسایی استعدادها با قابلیت رهبری تحول آفرین بالا انجام شده است. در این پژوهش، 61 نفر از مدیران و سرپرستان صنعت نفت شاغل در شهر تهران شرکت کردند. برای جمع آوری داده ها از پرسشنامه چندعاملی رهبری تحول آفرین (MLQ) و دستگاه الکتروانسفالوگراف (EEG) استفاده شد. پس از ثبت سیگنال های مغزی و انجام پیش پردازش های لازم، ویژگی های مربوط به توان در باندهای فرکانسی مختلف محاسبه گردید. سپس با استفاده از روش های یادگیری ماشین، به ویژه الگوریتم ماشین بردار پشتیبان (SVM)، سعی در شناسایی الگوهای مرتبط با رهبری تحول آفرین بالا انجام شد. نتایج نشان داد که می توان با استفاده از این روش ها، افراد با قابلیت رهبری تحول آفرین بالا را با دقت 36/96 درصد از سایرین تمییز داد. این یافته ها حاکی از آن است که روش های علوم اعصاب و یادگیری ماشین می توانند ابزارهای قدرتمندی برای شناسایی و جذب استعدادهای رهبری تحول آفرین باشند. با توجه به اهمیت رهبری تحول آفرین در موفقیت سازمان ها، استفاده از این روش ها می تواند به بهبود عملکرد و افزایش کارایی سازمان ها کمک کند. پیشنهاد می شود که از این ابزار در کنار سایر ابزارهای ارزیابی به صورت آزمایشی در فرایند شناسایی و جذب استعدادها در سیستم مدیریت استعدادها مورد استفاده قرار گیرد

هدف: شفافیت اطلاعات حسابداری، به عنوان یکی از ارکان اساسی نظام حاکمیت شرکتی، در افزایش اعتماد سرمایه گذاران، بهبود کارایی بازارهای مالی و ارتقای کارکرد نظام اقتصادی نقشی کلیدی دارد. شفافیت در گزارشگری مالی، به معنای ارائه اطلاعات قابل اتکا، جامع، به موقع و فهمیدنی است که امکان ارزیابی دقیق عملکرد و ریسک های واحدهای تجاری را فراهم می کند و زمینه را برای اتخاذ تصمیم های صحیح توسط ذی نفعان مهیا می سازد. در سال های اخیر و همگام با گسترش فعالیت های اقتصادی و پیچیده تر شدن فضای رقابت جهانی، مسئله نشت اطلاعات محرمانه و اختصاصی، به ویژه در حوزه تحقیق وتوسعه، به یکی از چالش های جدی در فرایند گزارشگری مالی بدل شده است. نشت این نوع اطلاعات، می تواند مزیت رقابتی شرکت ها را تضعیف کند، موجب از دست رفتن موقعیت های راهبردی شود و انگیزه مدیران را برای افشای داوطلبانه و شفاف اطلاعات کاهش دهد. در این میان، بررسی اثر نشت اطلاعات تحقیق وتوسعه بر شفافیت حسابداری و تحلیل نقش احتمالی حمایت از مالکیت معنوی در تعدیل این رابطه، ضرورتی علمی و عملی دارد؛ به ویژه در محیط اقتصادی ایران که با محدودیت هایی همچون تحریم های بین المللی، ضعف در سازوکارهای اجرایی و ناکارآمدی نهادی در حمایت از حقوق مالکیت فکری مواجه است. این پژوهش در چارچوب نظریه های هزینه مبادله، نمایندگی و محافظه کاری شرطی اجرا شده است. بر اساس نظریه هزینه مبادله، نشت اطلاعات محرمانه به منزله نوعی هزینه اضافی برای شرکت ها محسوب می شود که می تواند مدیران را به کاهش سطح افشا و شفافیت سوق دهد. همچنین از منظر نظریه نمایندگی، تضاد منافع میان مدیران و سهام داران در شرایط ضعف حاکمیت شرکتی تشدید می شود و این امر کاهش شفافیت اطلاعاتی را محتمل تر می سازد. روش: در این پژوهش از داده های ۱۰۷ شرکت پذیرفته شده در بورس اوراق بهادار تهران، طی سال های ۱۳۹۱ تا ۱۴۰۱ استفاده شد. این شرکت ها بر اساس معیارهای خاصی از جمله ثبات فعالیت در دوره بررسی، انطباق سال مالی با پایان اسفندماه وعدم تعلق به گروه های سرمایه گذاری یا واسطه گری مالی انتخاب شدند. داده های مورد نیاز از صورت های مالی حسابرسی شده و شاخص های مربوط به حمایت از مالکیت معنوی که توسط سازمان جهانی مالکیت فکری منتشر می شود، گردآوری شد. در این پژوهش، شفافیت اطلاعات حسابداری، از طریق ترکیب دو شاخص سود متهورانه و هموارسازی سود سنجیده شد و نشت اطلاعات تحقیق وتوسعه نیز با استفاده از تابع تولید کاب داگلاس اندازه گیری شد. شاخص ژینارته و پارک نیز به منزله معیار حمایت از مالکیت معنوی در نظر گرفته شد و سایر متغیرهای کنترلی همچون بازده دارایی ها، اهرم مالی، نرخ رشد دارایی ها، استقلال هیئت مدیره، اندازه شرکت و تمرکز صنعت لحاظ شدند. تحلیل داده ها با استفاده از رگرسیون خطی و چندمتغیره در نرم افزار ایویوز ۱۱ انجام گرفت. یافته ها: نتایج به روشنی نشان داد که نشت اطلاعات تحقیق وتوسعه، بر شفافیت گزارشگری مالی اثری منفی و معنادار دارد؛ به گونه ای که ضریب برآوردشده، بیانگر کاهش ملموس شفافیت در اثر افزایش نشت اطلاعات است. این یافته هم سو با نتایج پژوهش های بین المللی است که نشان دادند شرکت ها در صورت افزایش خطر انتقال اطلاعات محرمانه به رقبا، به افشای شفاف اطلاعات تمایل کمتری دارند. از سوی دیگر، نقش تعدیل کننده حمایت از مالکیت معنوی در این رابطه تأیید نشد و مشخص شد که حتی با وجود قوانین حمایت از حقوق مالکیت فکری، ضعف نظام اجرایی و نظارتی در ایران مانع تأثیرگذاری این قوانین بر بهبود شفافیت اطلاعاتی می شود. نتیجه گیری: این یافته ها بیانگر آن است که وجود چارچوب های قانونی کافی نیست و کارآمدی و ضمانت اجرای قوانین در کاهش پیامدهای منفی نشت اطلاعات نقشی اساسی دارد. نتایج این پژوهش نشان می دهد که نشت اطلاعات تحقیق وتوسعه، یکی از عوامل تهدیدکننده مهم برای شفافیت اطلاعات حسابداری در شرکت های ایرانی است و در شرایطی که حمایت قانونی از مالکیت معنوی ضعیف و ناکارآمد است، مدیران و سرمایه گذاران هر دو در معرض ریسک کاهش کیفیت اطلاعات مالی قرار می گیرند. بر این اساس، تقویت نهادهای نظارتی، افزایش ضمانت های اجرایی قوانین و ارتقای فرهنگ حاکمیت شرکتی، از مهم ترین اقداماتی است که سیاست گذاران باید مدنظر قرار دهند. از سوی دیگر، مدیران شرکت ها نیز باید با به کارگیری راه کارهای داخلی همچون ایجاد سازوکارهای کنترل داخلی قوی تر و استفاده از ابزارهای نوین حفاظت از داده ها، ریسک نشت اطلاعات محرمانه را کاهش دهند. همچنین پژوهش های آینده می توانند به بررسی ابعاد دیگر نشت اطلاعات اختصاصی در حوزه هایی همچون تولید، بازاریابی و فناوری اطلاعات بپردازند و به نقش سایر متغیرهای نهادی و محیطی را در این رابطه توجه کنند. به طور کلی، این مطالعه با ارائه شواهدی تجربی، نشان داد که نشت اطلاعات تحقیق وتوسعه، نه تنها از جنبه رقابت پذیری شرکت ها، بلکه از دیدگاه کیفیت گزارشگری مالی نیز اهمیت دارد و بی توجهی به آن، می تواند به کاهش اعتماد سرمایه گذاران و تضعیف بازار سرمایه منجر شود.

رشد سریع فناوری های مالی و افزایش دسترسی سرمایه گذاران خرد به بازارهای مالی، زمینه را برای توسعه سیستم های مشاور روباتیک فراهم کرده است. این سیستم ها با بهره گیری از الگوریتم های هوش مصنوعی و تحلیل داده های مالی، خدمات مدیریت سبد سرمایه گذاری را با هزینه ای کمتر و سرعتی بیشتر نسبت به مشاوران انسانی ارائه می کنند. با وجود پیشرفت های قابل توجه در حوزه مشاوران روباتیک، اغلب سیستم های موجود بر مبنای نظریه های کلاسیک مالی طراحی شده اند و فرض می کنند سرمایه گذاران رفتار کاملاً عقلایی دارند. در حالی که مطالعات مالی رفتاری نشان داده اند تصمیمات سرمایه گذاران تحت تأثیر سوگیری های شناختی و احساسی متعددی قرار دارد که می تواند منجر به انحراف از رفتار عقلایی شود.هدف این پژوهش توسعه یک چارچوب نوین برای طراحی مشاور روباتیک شخصی سازی شده است که علاوه بر ویژگی های مالی و ریسک پذیری سرمایه گذار، سوگیری های رفتاری وی را نیز در فرآیند تصمیم گیری لحاظ می کند. در این چارچوب، از یادگیری تقویتی عمیق به عنوان هسته تصمیم گیری استفاده می شود تا عامل هوشمند بتواند از طریق تعامل مستمر با محیط بازار و تحلیل رفتار کاربران، استراتژی های بهینه تخصیص دارایی را فراگیرد. مدل پیشنهادی با ترکیب داده های بازار، مشخصات فردی سرمایه گذار و شاخص های رفتاری، قادر است توصیه های سرمایه گذاری متناسب با ویژگی های هر فرد ارائه نماید.نتایج مطالعات نظری نشان می دهد ادغام مفاهیم مالی رفتاری با الگوریتم های یادگیری تقویتی عمیق می تواند عملکرد مشاوران روباتیک را در مدیریت سبد، کنترل ریسک و افزایش رضایت سرمایه گذاران بهبود بخشد. همچنین انتظار می رود سیستم پیشنهادی بتواند اثرات منفی سوگیری هایی نظیر اعتماد بیش از حد، زیان گریزی، رفتار گله ای و لنگراندازی را کاهش داده و تصمیمات سرمایه گذاری منطقی تری ایجاد کند.

در سال های اخیر، ارزیابی عملکرد پایداری شرکت ها به یکی از مهم ترین دغدغه های سرمایه گذاران، نهادهای نظارتی و بازارهای سرمایه تبدیل شده است. رشد سرمایه گذاری های مبتنی بر معیارهای محیط زیستی، اجتماعی و حاکمیتی (ESG) موجب شده است که توسعه مدل های دقیق و هوشمند برای سنجش پایداری شرکت ها از اهمیت ویژه ای برخوردار شود. با این حال، اغلب مدل های سنتی امتیازدهی پایداری بر تحلیل شاخص های مستقل و داده های ساختاریافته متمرکز بوده و قادر به استخراج روابط پیچیده میان شرکت ها، صنایع و ذی نفعان نیستند. این محدودیت باعث کاهش دقت ارزیابی و ضعف در پیش بینی عملکرد آتی پایداری شرکت ها می شود. هدف این پژوهش طراحی یک مدل هوشمند امتیازدهی پایداری برای شرکت های پذیرفته شده در بورس مبتنی بر شبکه های عصبی گرافی است. در مدل پیشنهادی، شرکت ها به عنوان گره های یک گراف و روابط مالی، صنعتی، مالکیتی و اطلاعاتی میان آن ها به عنوان یال های شبکه تعریف می شوند. سپس با استفاده از الگوریتم های یادگیری عمیق گرافی، الگوهای پنهان و وابستگی های ساختاری میان شرکت ها استخراج و در فرآیند محاسبه امتیاز پایداری لحاظ می شود. روش پژوهش از نوع کاربردی و توسعه ای بوده و در چارچوب رویکرد کمی انجام می شود. داده های مورد نیاز شامل شاخص های مالی، معیارهای ESG، اطلاعات مالکیتی و داده های ارتباطی شرکت های پذیرفته شده در بورس جمع آوری خواهد شد. پس از پیش پردازش داده ها، مدل شبکه عصبی گرافی طراحی و با مدل های یادگیری ماشین متداول نظیر Random Forest، XGBoost و شبکه های عصبی چندلایه مقایسه می شود. ارزیابی عملکرد مدل با استفاده از شاخص هایی نظیر MAE، RMSE،Accuracy و ضریب تعیین انجام شد. نتایج پژوهش نشان داد که بهره گیری از ساختارهای گرافی و روابط بین شرکتی می تواند دقت و قابلیت تبیین مدل های امتیازدهی پایداری را به طور معناداری افزایش داد. همچنین مدل پیشنهادی قادر بود ابزاری کارآمد برای سرمایه گذاران، مدیران و سیاست گذاران بازار سرمایه در راستای تصمیم گیری های مبتنی بر توسعه پایدار فراهم آورد.

قیمت گذاری صحیح دارایی ها یکی از مهم ترین چالش های حوزه مالی و سرمایه گذاری محسوب می شود. مدل های سنتی قیمت گذاری دارایی، نظیر مدل قیمت گذاری دارایی های سرمایه ای و مدل های عاملی، عمدتاً بر فرضیات خطی و روابط ایستا میان متغیرها استوار هستند و در تبیین پیچیدگی ها و وابستگی های ساختاری موجود در بازارهای مالی با محدودیت هایی مواجه اند. در سال های اخیر، پیشرفت های حاصل در حوزه یادگیری عمیق و به ویژه شبکه های عصبی گراف، امکان مدل سازی روابط پیچیده و غیرخطی میان اجزای یک سیستم را فراهم کرده است. پژوهش حاضر با هدف توسعه یک مدل نوین قیمت گذاری دارایی ها مبتنی بر شبکه های عصبی گراف انجام شده است. در این پژوهش، دارایی ها و ارتباطات میان آن ها در قالب یک گراف مالی مدل سازی شده و با بهره گیری از سازوکار انتشار اطلاعات در شبکه های عصبی گراف، اثرات متقابل میان دارایی ها در فرآیند پیش بینی بازده مورد انتظار لحاظ می شود. مدل پیشنهادی با استفاده از داده های بازار سرمایه آموزش داده شده و عملکرد آن از طریق معیارهای متداول پیش بینی و قیمت گذاری با مدل های کلاسیک و سایر روش های یادگیری ماشین مقایسه می شود. نوآوری اصلی این پژوهش در بهره گیری از ساختار شبکه ای بازار مالی و استخراج روابط پنهان میان دارایی ها برای بهبود فرآیند قیمت گذاری است. همچنین، امکان تلفیق اطلاعات بنیادی، معاملاتی و ارتباطات بین شرکتی در قالب یک چارچوب گرافی فراهم می شود که می تواند درک جامع تری از رفتار بازار ارائه دهد. برای ارزیابی مدل، از شاخص هایی نظیر خطای پیش بینی، توان تبیین بازده و معیارهای سنجش ریسک استفاده خواهد شد. انتظار می رود نتایج پژوهش نشان دهد که بهره گیری از ساختارهای گرافی موجب بهبود دقت پیش بینی بازده، شناسایی بهتر عوامل ریسک و افزایش توان تبیینی مدل های قیمت گذاری دارایی خواهد شد. علاوه بر این، مدل پیشنهادی می تواند در مدیریت پرتفوی، تخصیص بهینه دارایی ها و طراحی راهبردهای سرمایه گذاری هوشمند مورد استفاده قرار گیرد. یافته های این پژوهش افق های جدیدی را در توسعه مدل های مالی مبتنی بر هوش مصنوعی و تحلیل شبکه های مالی فراهم خواهد ساخت.

هدف این پژوهش طراحی و تبیین مدل گرایش کارکنان به رفتارهای انحرافی شغلی مبتنی بر تئوری حفاظت از منابع در صنعت بانکداری ایران می باشد. رویکرد روش شناسی تحقیق آمیخته از نوع اکتشافی بوده است. از دو روش تحلیل مضمون و تحلیل مسیر بهره گرفته شد. جامعه آماری کیفی شامل خبرگان دانشگاهی و سازمانی و در بخش کمی کارکنان صنعت بانکداری با مرکزیت شهر اهواز است. جهت گردآوری داده های کیفی از مصاحبه ی نیمه-ساختاریافته با 12 نفر از خبرگان استفاده شد و برای داده های کمی از پرسشنامه ی محقق ساخته مبتنی بر یافته های بخش کیفی استفاده شد. در تحلیل داده های کیفی از کدگذاری بر اساس کدهای پایه، سازمان دهنده و فراگیر و به-منظور تحلیل داده های کمی از معادلات ساختاری در نرم افزار PLS 3 استفاده شد. یافته های تحلیل مضمون ناظر بر 443 کد اولیه مشترک، 96 کد پایه، 24 کد سازمان دهنده و 5 کد فراگیر بوده است. یافته های کمی مؤید این مطلب بود که سازه ی توسعه مکانیسم بازدارندگی DBs به واسطه ی اثرگذاری بر سازه های بسترسازی غیرمولد نظام بانکداری به طورمستقیم و سازه های ناسازگاری محتوایی کنشی درون ساختاری و جهت گیری های غیرکارکردی رفتاری به-طورغیرمستقیم نسبت به سازه ی حمکرانی مقابله ای با DBs، متغیری تعیین کننده تری است. همچنین، سازه ی بسترسازی غیرمولد نظام بانکداری به عنوان سازه ای محوری و مرکزی در ارتباط با گرایش کارکنان به رفتارهای انحرافی درنظرگرفته می شود. بنابراین، برای مدیریت، کنترل و نظارت بر رفتارهای انحرافی کارکنان، می بایست بانک ها به سوی ایجاد و گسترش مکانیسم های بازدارندگی در درون ساختار سازمانی بانک ها با تمرکز بر کاهش بسترسازی های غیرمولد در محیط های شغلی بروند.

هدف این پژوهش بررسی تأثیر ناک ارایی سرمایه گذاری بر عملکرد پایداری شرکت ها با در نظر گرفتن نقش تعدیل کننده عدم قطعیت سیاست اقتصادی است. ناکارایی سرمایه گذاری به عنوان یکی از عوامل کلیدی در تخصیص ناکارآمد منابع مالی، می تواند بر توانایی شرکت ها در تحقق اهداف اقتصادی، اجتماعی و زیست محیطی تأثیرگذار باشد. این مطالعه از روش تحلیل رگرسیون چندمتغیره و داده های پنل از شرکت های پذیرفته شده در بورس تهران طی دوره سال های 1394 تا 1403 و با نمونه مشتمل بر 120 شرکت استفاده کرده است. برای سنجش عملکرد پایداری، ۶۰ شاخص در سه بعد اقتصادی، اجتماعی و زیست محیطی استخراج شد و با استفاده از متغیر موهومی بین صفر و یک اندازه گیری گردید. یافته ها نشان داد که ناکارایی سرمایه گذاری تأثیر منفی و معناداری بر عملکرد پایداری دارد، به طوری که افزایش ناکارایی در تخصیص سرمایه موجب کاهش توان شرکت ها در اجرای پروژه های مسئولیت اجتماعی و محیط زیستی می شود. همچنین بررسی اثر تعدیل کننده عدم قطعیت سیاست اقتصادی نشان داد که در شرایط بالای عدم قطعیت، اثر منفی ناکارایی سرمایه گذاری بر عملکرد پایداری تشدید می شود. این نتیجه بیانگر اهمیت مدیریت کارآمد سرمایه و توجه ویژه به پروژه های پایداری حتی در شرایط نااطمینانی اقتصادی است. پژوهش حاضر به مدیران و سیاستگذاران توصیه می کند که با بهبود فرآیند سرمایه گذاری، افزایش شفافیت و تخصیص منابع بهینه، ضمن کاهش ناکارایی، عملکرد پایداری شرکت ها را تقویت نمایند. یافته های این مطالعه همچنین می تواند به عنوان مبنای تصمیم گیری در سیاست های اقتصادی و برنامه ریزی بلندمدت شرکت ها مورد استفاده قرار گیرد.

هدف پژوهش حاضر، بررسی روایی، پایایی و ساختار عاملی پرسشنامه رهبری فناورانه در بانک ها بود. جامعه آماری این پژوهش شامل کارکنان کلیه شعب بانک صادرات ارومیه در سال 1403 به تعداد 620 (35 شعبه بانکی) بود که تعداد 240 نفر به روش نمونه گیری خوشه ای چندمرحله ای انتخاب شدند. جهت محاسبه روایی همگرا و واگرا از پرسشنامه رهبری دیجیتال النعیمی (2022) استفاده شد. روایی سازه از طریق تحلیل عاملی تأییدی مورد بررسی قرار گرفت. پایایی به کمک روش آلفای کرونباخ و بازآزمایی و تجزیه و تحلیل داده ها با نرم افزارهای اس. پی. اس. اس. نسخه 25 و لیزرل نسخه 8/8 انجام شد. نتایج تحلیل عاملی تأییدی همانند فرم اصلی، 2 عامل نوآورانه و حمایتی را مورد تائید قرار داد. همچنین، ضریب آلفای کرونباخ برای کل مقیاس برابر با 86/0 و برای خرده مقیاس های نوآورانه و حمایتی به ترتیب ضریب آلفای کرونباخ برابر با 83/0 و 80/0 به دست آمد. علاوه بر این، ضریب بازآزمایی با فاصله چهار هفته برای کل پرسشنامه 80/0 و برای خرده مقیاس های جنبه های اداری، جنبه های تحصیلی، تصویر، دسترسی، برنامه های ارائه شده و امکانات فیزیکی به ترتیب 77/0 و 84/0 به دست آمد. همچنین ضرایب همبستگی نشان دهنده روایی همگرا و تشخیصی مطلوب پرسشنامه بود (001/0P<). با توجه به نتایج به دست آمده می توان گفت که پرسش نامه رهبری فناورانه ابزاری قابل اعتماد و روا برای اندازه گیری رهبری فناورانه در بانک ها است.

پیشرفت سریع هوش مصنوعی (AI) و یادگیری ماشین (ML) تأثیر بسزایی بر حکمرانی عمومی داشته و پرسش های مهمی درباره شفافیت، تنظیم گری و مسئولیت پذیری این فناوری ها ایجاد کرده است. این پژوهش با هدف بررسی دو بعد "حکمرانی هوش مصنوعی" و "حکمرانی بر هوش مصنوعی"، چارچوبی برای مدیریت چالش های ناشی از این فناوری ارائه می دهد. روش تحقیق این مطالعه فراترکیب بوده و ۳۱ پژوهش کلیدی بین سال های ۲۰۱۵ تا ۲۰۲۳ را تحلیل کرده است. یافته ها نشان می دهد که هوش مصنوعی موجب بهبود دقت تصمیم گیری، بهینه سازی تخصیص منابع و افزایش شفافیت در حکمرانی می شود، اما همزمان چالش هایی مانند مسائل اخلاقی، نظارتی و حقوقی را به همراه دارد. در پاسخ به این چالش ها، این پژوهش یک مدل سه بعدی حکمرانی هوش مصنوعی را پیشنهاد می کند که شامل ابعاد فنی، حقوقی و اخلاقی و خط مشی گذاری عمومی است. نتایج این مطالعه می تواند به سیاست گذاران در تدوین چارچوب های قانونی، طراحی مکانیسم های نظارتی و استفاده مسئولانه از هوش مصنوعی در حکمرانی عمومی کمک کند. پیشنهاد می شود که دولت ها علاوه بر توسعه زیرساخت های AI، روی شفافیت الگوریتمی و ارتقای پاسخگویی نهادهای تصمیم گیرنده تمرکز کنند.

این پژوهش به بررسی تأثیر بازی وارسازی بر رفتار شهروندی سازمانی با تأکید بر نقش میانجی متغیرهایی چون فرهنگ سازمانی، عدالت سازمانی، تعهد سازمانی و رضایت شغلی، و همچنین نقش تعدیلگر توکن سازی پاداش می پردازد. هدف اصلی تحقیق، تحلیل سازوکارهای اثرگذاری بازی وارسازی بر انگیزش کارکنان، تعاملات سازمانی و افزایش رفتارهایی است که فراتر از وظایف رسمی افراد در سازمان انجام می پذیرد. به منظور جمع آوری داده ها، از پرسش نامه های استاندارد استفاده شد که میان ۴۰۰ نفر از دانشجویان شاغل در دانشگاه های آزاد تهران توزیع گردید. تجزیه وتحلیل داده ها با استفاده از روش مدل سازی معادلات ساختاری (SEM) و نرم افزار SMART-PLS صورت گرفت. یافته های تحقیق نشان داد که بازی وارسازی تأثیر مثبت و معناداری بر رفتار شهروندی سازمانی دارد. این اثر در شرایطی که فرهنگ سازمانی پویا، عدالت سازمانی ادراک شده مطلوب، تعهد سازمانی قوی و رضایت شغلی پایدار وجود دارد، به صورت معناداری تقویت می شود. همچنین، توکن سازی پاداش به عنوان ابزاری نوین و مبتنی بر فناوری بلاک چین، با افزایش شفافیت، عدالت و قابلیت رهگیری پاداش ها، انگیزه و مشارکت کارکنان را ارتقا داده و موجب بهبود رفتارهای سازمانی می گردد .این پژوهش بر لزوم طراحی زیرساخت های مناسب برای اجرای بازی وارسازی، استقرار نظام های انگیزشی شفاف و استفاده از ابزارهای دیجیتال نوآورانه در محیط کار تأکید دارد. درنهایت، نتایج نشان می دهد که ادغام هوشمندانه بازی وارسازی و توکن سازی پاداش می تواند تأثیر چشمگیری بر افزایش تعاملات کارکنان، تقویت رفتارهای شهروندی سازمانی و ارتقاء بهره وری سازمانی داشته باشد.

هدف: هدف از این پژوهش شناسایی پیشرانه های الگوی کیفیت حسابرسی مالیاتی از منظر قضاوت حرفه ای حسابرسان مالیاتی در سازمان امور مالیاتی کشور می باشد. روش: این پژوهش جزو پژوهش های کاربردی است که با ترکیب روش کیفی و کمی اجرا می شود. بخش کیفی مبتنی بر شناسایی عوامل مؤثر بر قضاوت حرفه ای حسابرسان مالیاتی با رویکرد تحلیل تم بود. در ادام ه ب ا استفاده از رویکرد مدلس ازی س اختاری تفس یری، عوام ل شناس ایی ش ده س اختاربندی ش دند. ب ه منظ ور اعتبارسنجی مدل مفهومی، از رویکرد معادلات ساختاری اس تفاده گردی د. جامعه آماری این پژوهش در دو گروه، شامل گروه خبرگان و کلیه حسابرسان مالیاتی بوده است، نمونه گیری به صورت هدفمند و گلوله برفی انجام شد و مصاحبه ها تا دستیابی به اشباع نظری(11 نفر) ادامه داشت. با توجه به نامحدود بودن جامعه آماری حسابرسان مالیاتی، تعداد نمونه این پژوهش 668 نفر تعیین گردیده است. یافته ها: بر اساس قدرت وابستگی و نفوذ متغیرها، متغیرهای مستقل که بیشترین اثرگذاری را بر اعمال قضاوت های حرفه ای حسابرسان مالیاتی دارند شامل: تحصیلات حسابرس، کیفیت اسناد و مدارک ارائه شده توسط مودی، تعدد و تکثر قوانین و بستر آموزش می باشد. نتیجه گیری: توجه به عوامل شناسایی شده موثر بر قضاوت حرفه ای حسابرسان مالیاتی موجب افزایش کیفیت حسابرسی مالیاتی خواهد گردید. دانش افزایی: اﯾﻦپژوهش ﺑﯿﻨﺶﻫﺎی ارزﺷﻤﻨﺪی را در ﻣﻮرد پیشران های ﻣﻮﺛﺮ بر قضاوت های حرفه ای حسابرسان ارائه می کند که می تواند به مدیران سازمان امور مالیاتی کشور جهت برنامه ریزی برای ارتقای سطح قضاوت های حرفه ای حسابرسان مالیاتی کمک کند.