درخت حوزه‌های تخصصی

هدف اصلی این پژوهش، اعتباریابی و برازش مدل کنترل تعارض اخلاق اجتماعی حسابرسان می باشد. این پژوهش کاربردی بوده و از نظر روش گردآوری داده ، توصیفی-تحلیلی مبتنی بر رویکرد مدل یابی ساختاری می باشد. مقطع زمانی پژوهش سال 1402 می باشد. برای درک ارتباط بین سازه های الگوی مستخرج از رویکرد زمینه بنیان از استراتژی پدیدار نگاری استفاده شد. ابزار گردآوری اطلاعات پرسشنامه محقق ساخته بوده و به این منظور جمع آوری داده ها از 184 نفر از خبرگان بهره گرفته شده که با استفاده از روش نمونه گیری در دسترس انتخاب شده اند. داده های پژوهش با استفاده از روش کدگذاری و با بهره گیری از نرم افزار Smart-PLS مورد تحلیل قرار گرفت. نتایج پژوهش نشان داد که سازه های الگوی کنترل تعارض اخلاق اجتماعی حسابرسان در قالب مدل مستخرج از رویکرد زمینه بنیان از اعتبار و صحّه برخوردار است. نتایج پژوهش حاضر می تواند به حسابرسان و سایر استفاده کنندگان اطلاعات مالی در درک بهتر چارچوب سازی کنترل تعارض اخلاق اجتماعی در قبال حوزه حسابرسی کمک نماید.

زمینه و هدف: در سال های اخیر، رقابت برای جذب و حفظ استعدادهای درخشان در میان کسب وکارها به چالشی اساسی تبدیل شده است. پژوهش حاضر با هدف بررسی تأثیر تصویر برند کارفرما بر انتخاب کارفرما توسط دانشجویان انجام شده است. این مطالعه به طور خاص به بررسی نقش تناسب فرد با سازمان به عنوان متغیر میانجی و همچنین نقش رسانه های اجتماعی و جنسیت به عنوان متغیرهای تعدیل کننده می پردازد. روش شناسی: این پژوهش با مشارکت ۴۰۰ نفر از دانشجویان مقطع کارشناسی ارشد و سال آخر کارشناسی رشته مدیریت در دانشگاه های سراسری شهر تهران انجام شده است. داده های مورد نیاز از طریق پرسشنامه جمع آوری گردید و برای تجزیه و تحلیل داده ها از روش مدل سازی معادلات ساختاری استفاده شد. یافته ها: تناسب فرد با سازمان به عنوان یک متغیر میانجی در رابطه بین تصویر برند کارفرما و انتخاب کارفرما عمل می کند. برای اینکه یک سازمان به "کارفرمای منتخب" تبدیل شود، تصویر برند کارفرما باید با تناسب فرد با سازمان همخوانی و سازگاری داشته باشد. برخلاف یافته های برخی مطالعات پیشین، این پژوهش نشان داد که رسانه های اجتماعی و جنسیت تأثیر معناداری بر رابطه بین تناسب فرد با سازمان و انتخاب کارفرما ندارند و نقش تعدیل گری در این مدل ایفا نمی کنند. نتیجه گیری: نتایج این پژوهش بر اهمیت کلیدی همخوانی بین تصویر برند کارفرما و ادراک دانشجویان از تناسب خود با سازمان تأکید می کند. سازمان ها برای جذب استعدادهای برتر و تبدیل شدن به کارفرمای منتخب، باید تصویری مناسب از خود ارائه دهند که با ارزش ها، اهداف و ویژگی های دانشجویان همسو باشد.

بیان مسئله: تصمیم گیری و اقدام های عملی شفاف در سازمان، مشارکت مؤثر ذی نفعان را درپی خواهد داشت. درحالی که عدم شفافیت، منجر به نارضایتی و کاهش مشارکت آن ها می گردد. هدف: مصون نگهداشتن سازمان از پنهان کاری ایجاب می کند که ابتدا مؤلفه های مبانی شفافیت مشارکتی از منظر قرآن به عنوان راهنمای عمل استخراج سپس به آن عمل شود. بدین منظور در تحقیق حاضر مؤلفه های مبانی شفافیت از منظر قرآن مشخص و دلالت های سازمانی آن بررسی شده است. روش: در پژوهش حاضر داده ها با روش کتابخانه ای جمع آوری، از روش استنطاقی برای مراجعه به قرآن کریم بهره گرفته شده و از روش دلالت پژوهی برای دلالت های سازمانی شفافیت استفاده شده است. چگونگی پژوهش: در این نوشتار نکات کلیدی استخراج و ذیل دلالت های موضوعی دسته بندی گردیده است، برای به دست آوردن یافته های مشخص، دلالت های موضوعی در شش عنوان طبقه بندی شده است. یافته ها: یافته های تحقیق نشان می دهد که باور به عالم بودن خداوند، پاسخ گویی انسان در پیشگاه خداوند، امانت بودن مناصب، امین دانستن زمامداران، حق آگاهی مردم از امور و حق مشارکت در تعیین سرنوشت از مؤلفه های مبانی شفافیت مشارکتی از منظر قرآن می باشد.

پژوهش حاضر برای دریافت درکی عمیق از احساسات شرم، خجالت و آزرم در بافت فرهنگی پارس جنوبی، تجربه شخصی یکی از نویسندگان را مبتنی بر خودمردم نگاری تحلیلی واکاوی کرده است. نتیجه تحلیل خوداندیشانه روایت های سیزده گانه مقاطع کاری پژوهشگر نشان داد که شرم تجربه شده در بسترهای موجد مقایسه خود واقعی و دیگری برتر، ناهنجاری اخلاقی عُجب در برابر شایستگی های فنی و انتظار های مضاعف غیرواقعی نامنطبق با شایستگی های فنی از عضو سازمان، احساس شده است. ضمن اینکه شرم می تواند در زنجیره فرمان از پایین ترین تا بالاترین رده سازمانی انتقال پیدا کند. همچنین، به واسطه نهادینگی بایستگی آزرم در برابر مدیران و در نتیجه ترجیح سکوت بر نقد سازمانی، خجالت زدگی مدیران متعاقب نقد ایشان یا طرح نارسایی های سازمانی، کارکرد اصلاحی مطلوبی ندارد. وانگهی، معلوم شد گونه های آزرم منتهی به سکوت سازمانی و آزرم سیاسی از پایین به بالا و آزرم منتهی به مداهنه در انجام وظایف شغلی از بالا به پایین سلسله مراتب سازمانی، پدیده هایی کژکارکردی اند.

قانونگذاران و نهادهای حرفه ای در جهت افشای مربوط و قابل اتکای اطلاعات مالی از رویه های نظارتی مختلفی استفاده نموده اند. کمیته حسابرسی یکی از مهم ترین معیارهای راهبری شرکتی است که همراه با مشخصه های مالکیت شرکت بر مولفه های پاسخگویی و شفافیت اثرگذار است. شرکت های بورسی در رابطه با موضوعات مهم و کلیدی شرکت، همواره جلساتی با اعضای کمیته حسابرسی برگزار می نمایند. هدف از این پژوهش پیش بینی مدیریت سود با متغیرهای حق حضور کمیته حسابرسی، تمرکز مالکیت و سایر متغیرهای کنترلی است. داده های دریافتی شرکت ها از نرم افزار ره آورد نوین و سایت کدال در دوره زمانی 1397 تا 1401 (5 سال – 84 شرکت) با نرم افزار SPSS18 و Eviews6 مورد تجزیه و تحلیل قرار گرفتند. یافته ها نشان داد بین حق حضور اعضای کمیته حسابرسی و مدیریت سود رابطه مثبت معناداری وجود دارد و تمرکز مالکیت بر این رابطه اثرگذار است. مالکیت و کمیته حسابرسی دو مولفه مهم نظارتی هستند که بر سیاست های مدیریت سود شرکت ها اثرگذار است و لذا تحلیل گران و سایر ذی نفعان شرکت ها می توانند از نتایج تحقیق حاضر برای تصمیم گیری هایشان بهره ببرند. قانونگذاران و نهادهای حرفه ای نیز برای بهبود مشخصه های کمیته حسابرسی و مالکیت شرکت ها رویه هایی ارائه نمایند.

رشد سریع بازار رمزارزها و افزایش نقش دارایی های دیجیتال در نظام مالی جهانی، چالش های جدیدی را در زمینه ارزش گذاری و قیمت گذاری این دارایی ها ایجاد کرده است. برخلاف دارایی های مالی سنتی، رمزارزها فاقد جریان های نقدی مشخص و معیارهای متعارف ارزش گذاری هستند و قیمت آن ها تحت تأثیر عوامل متعددی از جمله شرایط بازار، رفتار سرمایه گذاران، حجم معاملات و متغیرهای اطلاعاتی قرار می گیرد. ازاین رو، طراحی مدل های نوین و هوشمند برای قیمت گذاری این دارایی ها به یکی از مسائل مهم پژوهشی تبدیل شده است. پژوهش حاضر با هدف طراحی مدل قیمت گذاری دارایی های دیجیتال با استفاده از یادگیری تقویتی عمیق در بازار رمزارزها انجام شده است. سؤال اصلی پژوهش این است که آیا یادگیری تقویتی عمیق می تواند مدلی کارآمد و دقیق برای قیمت گذاری دارایی های دیجیتال ارائه دهد؟ همچنین این پژوهش به بررسی این فرضیه ها می پردازد که استفاده از یادگیری تقویتی عمیق موجب بهبود دقت قیمت گذاری دارایی های دیجیتال می شود، قابلیت سازگاری مدل با شرایط متغیر بازار را افزایش می دهد و عملکردی بهتر از روش های سنتی قیمت گذاری ارائه می کند. این تحقیق از نظر هدف کاربردی و از نظر روش، کمی و مبتنی بر مدل سازی است. داده های تاریخی مربوط به قیمت، حجم معاملات و شاخص های بازار رمزارزها جمع آوری شده و با استفاده از الگوریتم های یادگیری تقویتی عمیق مورد تحلیل قرار گرفته اند. برای ارزیابی عملکرد مدل نیز شاخص های خطای پیش بینی و معیارهای سنجش کارایی مورد استفاده قرار گرفته است. نتایج پژوهش نشان می دهد که مدل پیشنهادی قادر است الگوهای پیچیده و غیرخطی بازار رمزارزها را شناسایی کرده و با یادگیری مستمر از محیط بازار، دقت بیشتری در قیمت گذاری دارایی های دیجیتال نسبت به روش های سنتی ارائه دهد. همچنین یافته ها بیانگر آن است که یادگیری تقویتی عمیق می تواند به عنوان ابزاری مؤثر در تصمیم گیری های مالی و مدیریت سرمایه گذاری در بازار رمزارزها مورد استفاده قرار گیرد.

در سال های اخیر، گسترش بازار ارزهای دیجیتال و نوسانات شدید قیمتی آن، نیاز به توسعه روش های پیش بینی دقیق و سیستم های معاملاتی هوشمند را افزایش داده است. در این پژوهش، یک الگوریتم معاملاتی هوشمند مبتنی بر شبکه عصبی حافظه طولانی کوتاه مدت برای پیش بینی قیمت و تولید سیگنال های خرید و فروش در بازار ارزهای دیجیتال ارائه شده است. هدف اصلی این مطالعه، بهبود عملکرد تصمیم گیری معاملاتی و کاهش ریسک ناشی از نوسانات غیرقابل پیش بینی بازار است. مدل پیشنهادی با استفاده از داده های تاریخی قیمت شامل قیمت باز، بسته، بیشینه، کمینه و حجم معاملات آموزش داده شده و قادر است وابستگی های زمانی بلندمدت موجود در داده های سری زمانی مالی را استخراج کند. در این تحقیق، ابتدا داده ها پیش پردازش شده و نرمال سازی می شوند، سپس ساختار شبکه LSTM طراحی و بهینه سازی می گردد. خروجی مدل به صورت پیش بینی روند قیمتی بوده و بر اساس آن سیگنال های معاملاتی تولید می شود. نتایج آزمایش ها نشان می دهد که مدل LSTM در مقایسه با روش های سنتی مانند میانگین متحرک و رگرسیون خطی، دقت بالاتری در پیش بینی روند قیمت دارد و عملکرد بهتری در تولید سیگنال های معاملاتی ارائه می دهد. همچنین، استفاده از این مدل موجب افزایش بازدهی سرمایه گذاری و کاهش خطای تصمیم گیری در شرایط نوسانی بازار می شود. در نهایت، یافته های این پژوهش نشان می دهد که بهره گیری از شبکه های عصبی عمیق به ویژه LSTM می تواند نقش مؤثری در توسعه سیستم های معاملاتی هوشمند در بازار ارزهای دیجیتال ایفا کند و به عنوان ابزاری کارآمد برای تحلیل گران مالی و سرمایه گذاران مورد استفاده قرار گیرد.

درماندگی مالی یکی از مهم ترین مراحل پیش از ورشکستگی شرکت ها محسوب می شود که شناسایی به موقع آن می تواند از بروز زیان های گسترده برای سرمایه گذاران، اعتباردهندگان و سایر ذی نفعان جلوگیری کند. در سال های اخیر، روش های یادگیری ماشین به دلیل توانایی بالا در استخراج الگوهای پیچیده از داده های مالی، به طور گسترده در حوزه پیش بینی درماندگی مالی مورد استفاده قرار گرفته اند. در این پژوهش، از ماشین بردار پشتیبان به عنوان یکی از کارآمدترین الگوریتم های طبقه بندی استفاده شده است. با توجه به حساسیت عملکرد SVM نسبت به پارامترهای تنظیمی، از الگوریتم های فراابتکاری برای بهینه سازی پارامترهای مدل بهره گرفته می شود. هدف اصلی این مطالعه، ارائه مدلی ترکیبی مبتنی بر SVM و الگوریتم های فرا ابتکاری به منظور افزایش دقت پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. نتایج مطالعات پیشین نشان می دهد که استفاده از الگوریتم های فراابتکاری نظیر الگوریتم ژنتیک، بهینه سازی ازدحام ذرات و الگوریتم کلونی مورچگان می تواند عملکرد مدل SVM را به طور قابل توجهی بهبود بخشد و دقت پیش بینی را افزایش دهد.

افزایش پیچیدگی و عدم قطعیت در نظام های مالی مدرن، نیاز به ابزارهای تحلیلی پیشرفته برای شبیه سازی شرایط بحرانی و ارزیابی تاب آوری سازمانی را بیش از پیش افزایش داده است. روش های سنتی سناریونویسی معمولاً بر مفروضات ایستا، قضاوت خبرگان و ناتوانی در مدل سازی روابط غیرخطی در محیط های اقتصادی پیچیده استوار هستند. در این میان، هوش مصنوعی مولد به عنوان رویکردی نوین و تحول آفرین، امکان تولید سناریوهای پویا، داده محور و چندبعدی از بحران های مالی را فراهم کرده است. پژوهش حاضر با هدف بررسی کاربرد هوش مصنوعی مولد در طراحی سناریوهای بحران مالی و تحلیل تاب آوری سازمانی انجام شده است. روش پژوهش مبتنی بر تحلیل مفهومی و شبیه سازی سناریوهای احتمالی با استفاده از مدل های مولد مانند مدل های زبانی بزرگ و معماری های مبتنی بر تولید داده است. نتایج نشان می دهد که هوش مصنوعی مولد می تواند تنوع سناریوهای بحران را افزایش داده، سوگیری های شناختی در فرآیند تصمیم گیری را کاهش دهد و دقت ارزیابی تاب آوری سازمانی را بهبود بخشد. همچنین سازمان هایی که از این فناوری در مدیریت ریسک و برنامه ریزی استراتژیک استفاده می کنند، در مواجهه با شرایط بحرانی از سرعت بازیابی بالاتر و انعطاف پذیری ساختاری بیشتری برخوردار هستند. یافته ها بیانگر آن است که ادغام هوش مصنوعی مولد با چارچوب های مدیریت ریسک می تواند به ارتقای نظام های پیش بینی بحران و افزایش پایداری سازمانی منجر شود.

گسترش سریع فناوری های مالی، پیچیده تر شدن محیط های مقرراتی و افزایش حجم الزامات انطباق، چالش های مهمی را برای سازمان های مالی و بانکی ایجاد کرده است. روش های سنتی انطباق مقررات که عمدتاً مبتنی بر بررسی انسانی، سیستم های قاعده محور و فرآیندهای دستی هستند، دیگر توان پاسخگویی به حجم گسترده و پویای قوانین مالی را ندارند. در این میان، رگ تک به عنوان راهکاری نوین مبتنی بر فناوری های دیجیتال برای بهبود و خودکارسازی فرآیندهای نظارتی مطرح شده است. پژوهش حاضر با هدف توسعه یک چارچوب رگ تک هوشمند مبتنی بر پردازش زبان طبیعی برای انطباق خودکار مقررات مالی انجام شده است. این چارچوب با بهره گیری از تحلیل معنایی متون حقوقی، طبقه بندی اسناد مقرراتی و تطبیق سیاست های داخلی سازمان با الزامات قانونی، امکان شناسایی شکاف های انطباقی را فراهم می سازد. در این مدل از روش های پیشرفته یادگیری زبان و معماری های مبتنی بر ترنسفورمر برای پردازش متون پیچیده مقرراتی استفاده شده است. یافته های پژوهش نشان می دهد که چارچوب پیشنهادی مبتنی بر پردازش زبان طبیعی قادر است دقت و سرعت تحلیل مقررات را به طور قابل توجهی افزایش دهد. همچنین استفاده از این رویکرد موجب کاهش خطای انسانی، کاهش هزینه های انطباق و افزایش شفافیت در فرآیندهای نظارتی می شود. نتایج نشان می دهد که رگ تک هوشمند می تواند نقش مؤثری در بهبود حکمرانی مالی و کاهش ریسک های مقرراتی ایفا کند.

تحول دیجیتال در صنعت خدمات مالی موجب شده است که رفتار مشتریان در بسترهای آنلاین به یکی از منابع اصلی تولید داده برای تحلیل تصمیم گیری مالی تبدیل شود. در این میان، سیستم های توصیه گر مالی به عنوان ابزارهایی مبتنی بر هوش مصنوعی نقش مهمی در شخصی سازی خدمات مالی، بهبود تجربه کاربری و افزایش کارایی تصمیم گیری سرمایه گذاری ایفا می کنند. با این حال، بسیاری از سیستم های موجود هنوز بر داده های ایستا یا ویژگی های محدود مالی تکیه دارند و کمتر توانسته اند ابعاد رفتاری، شناختی و دیجیتال مشتریان را در فرآیند توصیه گری ادغام کنند. پژوهش حاضر با هدف طراحی یک چارچوب توصیه گر مالی شخصی سازی شده مبتنی بر رفتارشناسی دیجیتال مشتریان انجام شده است. این مطالعه با رویکرد مفهومی تحلیلی و با بهره گیری از ادبیات هوش مصنوعی، یادگیری ماشین و اقتصاد رفتاری، مدلی چندلایه برای تحلیل رفتار مالی کاربران در محیط های دیجیتال ارائه می دهد. در این چارچوب، داده های رفتاری شامل الگوهای کلیک، زمان تعامل، تاریخچه تراکنش ها، تعامل با محصولات مالی و شاخص های روان شناختی دیجیتال استخراج و به عنوان ورودی مدل توصیه گر استفاده می شوند. نتایج تحلیل نظری نشان می دهد که ترکیب رفتارشناسی دیجیتال با الگوریتم های توصیه گر می تواند دقت پیش بینی نیازهای مالی کاربران را افزایش داده و سطح شخصی سازی خدمات مالی را به طور معناداری بهبود دهد. همچنین این رویکرد می تواند به کاهش خطاهای تصمیم گیری سرمایه گذاران خرد و افزایش کارایی بازارهای مالی کمک کند. در نهایت، پژوهش حاضر چارچوبی نوین برای توسعه نسل جدید سیستم های توصیه گر مالی ارائه می دهد که در آن داده های رفتاری و الگوریتم های هوشمند به صورت یکپارچه در خدمت تصمیم سازی مالی قرار می گیرند.

کسب وکارهای متوسط کوچک و متوسط که معمولاً با محدودیت منابع روبه رو هستند، به روش های نوینی برای عبور از چالش های پیش روی خود نیازمندند. فناوری های نوین به عنوان یک فرصت برای تاب آوری هرچه بیشتر این فناوری ها عمل کرده و اهمیت بسیار زیادی دارند. فین تک مجموعه ای از این فناوری های نوین است که در راستای بهبود انواع خدمات مالی تنظیم شده است. این تحقیق با استفاده از داده های شرکت های فناوری مالی در کشور، تأثیر فناوری مالی بر بازده سرمایه گذاری کسب وکارهای دارای اندازه ی کوچک و متوسط را مورد بررسی قرار می دهد. نتایج نشان می دهد که رشد و توسعه ی فناوری مالی می تواند به صورت معناداری بازده سرمایه گذاری کسب وکارهای کوچک و متوسط را تحریک کند و برانگیزاند. این نتایج بعد از انجام مجموعه ای از آزمون های پایدار و قدرتمندی، به صورت استوار و نیرومند کماکان باقی می ماند که تعویض متغیرهای وابسته جایگزین، کنترل نمودن اثرات ثابت شرکت، کنترل کردن اثرات ثابت متنوع زمانی و استفاده از روش متغیر ابزاری و روش های تفاوت در تفاوت، جزء آن است. تجزیه وتحلیل نشان می دهد که فناوری مالی محدودیت های سرمایه گذاری کسب وکارهای کوچک و متوسط را کاهش می دهد و این کار را از طریق کاهش عدم تقارن اطلاعاتی بین مؤسسات مالی و کسب وکارهای کوچک و متوسط انجام می دهد، بنابراین، بازده سرمایه گذاری آن ها را بهبود می بخشد. به علاوه، تجزیه وتحلیل ناهمسانی نشان می دهد که تأثیر فناوری مالی بر سرمایه گذاری کسب وکارهای کوچک ومتوسط در کسب وکارهای خصوصی در مقیاس کوچک، صنایعی که فاقد رقابت هستند، سازمان های که دارای فرآیند بازاری شدن کند و آهسته هستند، چشم گیرتر و بارزتر است. به علاوه، این یافته ها اهمیت کاربردی مهمی دارند که به شکل پیشنهادات سیاستی و روش انجام کار برای تحریک و برانگیختن ترکیب فناوری مالی و اقتصاد داخلی عمل می نمایند.

در نظام های آموزشی سراسر دنیا، انگاره آموزش تفکر در سطوح عا لی تر از یک سو و استفاده از مطالب درسی به عنوان ابزاری برای تفکر از سوی دیگر سبب شده است تا تفکر نقادانه به عنوان یک مفهوم بنیادین و یک آرمان آموزشی مطرح شود. از این رو، انجام پژوهش به منظور فهم فرایند شکل گیری تفکر نقادانه از اهمیت به سزایی برخوردار است. به این منظور، پژوهش حاضر با هدف ارائه الگو تبیین کننده تفکر نقادانه در دانشجویان پردیس فارابی دانشگاه تهران با استفاده از نظریه داده بنیاد انجام شده است. روش پژوهش به صورت کیفی و مبتنی بر نظریه داده بنیاد بود و برای بررسی روایی و پایایی پژوهش، از سه معیار کرسول و میلر استفاده شد. برای گردآوری اطلاعات از مصاحبه های نیمه ساختار یافته استفاده شد و تحلیل اطلاعات با روش استراوس و کوربین انجام گرفت. در این راستا، در مرحله اول تعداد 25 مصاحبه عمیق با دانشجویان پردیس فارابی دانشگاه تهران انجام شد. حاصل این مصاحبه ها، مجموعه ای از مضامین اولیه بود که در فرایند کدگذاری باز، گردآوری و از درون آنها مقوله هایی استخراج شد. سپس در مرحله کدگذاری محوری، پیوند میان این مقوله ها ذیل عنوان های شرایط علّی، پدیده محوری، راهبردها، عوامل زمینه ای، شرایط مداخله گر و پیامدهای تفکر نقادانه دانشجویان در قالب پارادایم کدگذاری محوری تعیین شد. در ادامه و در مرحله کدگذاری انتخابی نیز، سیر داستان ترسیم شد. در این پژوهش، مقوله محوری با عنوان پویایی های ذهنی بروز کرده و شرایط علّی اثر گذار بر تفکر نقادانه نیز به دو دسته کلی عوامل فردی و عوامل غیر فردی تقسیم شد. عوامل مداخله گر شناسایی شده، به دو دسته کلی فضای پذیرش افراد نقاد در مراکز علمی و فضای پذیرش افراد نقاد در جامعه تقسیم می شوند. براساس نتایج، عوامل زمینه ای شامل «رتبه دانشگاه، جو مدیریتی محل تحصیل و فرهنگ خانوادگی» و همچنین، پیامدها عبارت از «پیامدهای مترتب بر فرد و پیامدهای مترتب بر دیگران» بوده است.

دولت های معاصر با معمای ساختاری «تقاضای فزاینده و ظرفیت ناکافی» مواجه اند؛ شکافی که ریشه در ناهماهنگی سه لایه حکمرانی، اداره عمومی و عملیات دارد. این نوشته چارچوبی یکپارچه برای فهم کشورداری به مثابه نظامی بهم پیوسته ارائه می دهد که در آن هم ترازی شناختی، زمانی و نهادی میان سطوح سه گانه، شرط اثربخشی است. با رویکرد تحلیلی- مفهومی و بسط مفهوم «گسست نهادی» نشان می دهد تورم اهداف در حکمرانی، فلج ترجمه در اداره عمومی و انحراف عملیاتی، به تدریج در چرخه ای خودتقویت کننده، ناکامی را نهادینه می کنند. تجربه ایران نیز نمونه ای آموزنده از این الگوست: تورم راهبردی، تغییرات مکرر ساختاری و انسداد بازخورد، کشورداری را به «گسست نسبی نهادینه شده» دچار کرده است. برای بازسازی، باید از اصلاحات بخشی به اصلاحات سیستمی گذشت: اولویت بندی واقع بینانه، تقویت ظرفیت میانجی گری اداری، توانمندسازی عملیات و نهادینه سازی بازخورد دوطرفه. کشورداری پروژه ای تمام نشدنی است که هر نسل باید پیوند میان «جهت دهی»، «سازمان دهی» و «تحقق» را بازسازی کند تا دولت بتواند مسئولانه، پاسخ گو و یادگیرنده بماند.

با توجه به چالش های متعددی که صنایع پتروشیمی امروزه با آن مواجه هستند، از جمله فناوری های نوین، تحریم ها و مسائل تولید، برنامه ریزی استراتژیک به یکی از ابزارهای کلیدی برای تقویت این صنایع در عرصه رقابت های ملی، منطقه ای و بین المللی تبدیل شده است. شایستگی و توانمندی مدیران ارشد در طراحی و اجرای برنامه های استراتژیک نقشی حیاتی در موفقیت سازمان ها ایفا می کند. این پژوهش با هدف شناسایی شایستگی های استراتژیک مدیران ارشد و کارکنان شرکت پتروشیمی نوری، به منظور تحقق اهداف استراتژیک در صنایع پتروشیمی، انجام شده است. این مقاله در پاسخ به سوال از علت اصلی موفقیت شرکت پتروشیمی نوری، فرضیه وجود شایستگی های استراتژیک در مدیران این شرکت را مطرح می سازد. در این تحقیق با استفاده از روش تحلیل مضمون، شایستگی های استراتژیک مدیران این شرکت در پنج بعد شامل دانش، مهارت، تجربه، نگرش و ویژگی های شخصیتی شناسایی و در 10 مولفه اصلی و 53 مولفه فرعی دسته بندی شدند. سپس این مولفه ها با استفاده از طیف رتبه بندی پنج وجهی لیکرت ارزیابی شدند. نتایج پژوهش نشان داد که در بسیاری از این مولفه ها مدیران این شرکت رتبه 5 را کسب شده است. از این رو، این شرکت می تواند به عنوان الگویی برای سایر مجتمع های پتروشیمی در ایران و حتی جهان مطرح شود. همچنین، استفاده از تجربه و دانش این مدیران توانمند در قالب جلسات آموزشی، می تواند به افزایش بهره وری در سایر مجتمع های پتروشیمی کشور کمک شایانی کند

این تحقیق با هدف ارائه ارائه چارچوب ارتقا و بهبود سیستم های اطلاعاتی حسابداری مبتنی بر فناوری بلاکچین و هوش مصنوعی انجام گرفت. اطلاعات مورد نیاز تحقیق از حسابداران خبره ای است که به فناوری اطلاعات، بلاکچین و هوش مصنوعی اشنایی کامل داشتند، از طریق مصاحبه گردآوری شد. در این تحقیق با استفاده از مدل سازی ساختاری تفسیری (ISM) یک چارچوب ارتقا و بهبود سیستم های اطلاعاتی حسابداری مبتنی بر فناوری بلاکچین و هوش مصنوعی طراحی شد. بر اساس مدل سازی ساختاری تفسیری در مجموع 15 مولفه در قالب سه بعد در مدل نهایی ISM ارائه شد. مؤلفه های کاهش خطای انسانی، مدیریت و پردازش داده های بزرگ، بهبود خودکارسازی فرآیندها، پیش بینی و تحلیل فرآیندها و بهبود محاسبات در قالب بُعد «هوش مصنوعی» در سطح اول مدل، مؤلفه های افزایش امنیت اطلاعاتی، غیر متمرکز بودن، کاهش هزینه ها، افزایش سرعت و کارآمدی، شفافیت نقل و انتقالات و استانداردسازی در قالب بُعد «فناوری بلاکچین» در سطح دوم مدل، و مؤلفه های افزایش امنیت اطلاعاتی، بهبود دقت و سرعت گزارشگری، افزایش شفافیت و قابلیت اعتماد و ارتقا و بهبود نرم افزاری در قالب بُعد «ارتقا و بهبود سیستم های اطلاعاتی حسابداری» در سطح سوم مدل قرار داشتند.

ساختمانهای شاخص شهری که توسط دولتها ساخته می شوند همچون منظر شهری و سبک های معماری، بازتابی از پروژه سیاسی یک حکومت و ایدئولوژی آن هستند. ارتباط مردم، سیاست و شهر از طریق این بناها شکل می گیرد و حکومت از طریق آن ها هویت، قدرت و اقتدار خویش را به زندگی عمومی و روزانه مردم القاء می کند. در کشور ایران نیز بواسطه انقلاب تغییرات سیاسی در ساختار قدرت حکومتی اتفاق افتاده از اینرو مطالعه معماری که بیانگر این تغییر از پادشاهی به جمهوری اسلامی است در شهر اسلامی تهران از ضروریات است. این پژوهش برآن است تا ارتباط منظر شهری (به عنوان نشان فرهنگی) با سیاست را مورد ارزیابی قرار داده و به تعریف نشان فرهنگ سیاسی دست یابد. نمونه موردی مطالعه شده در این تحقیق بنای مذهبی-سیاسی مصلی تهران است. دلیل انتخاب، کارکرد مذهبی سیاسی آن است که سبب شده شاخصه های معماری قدرت را داشته باشد. در نظام جمهوری اسلامی می توان گفت که مذهب، قویترین ابزار مشروعیت محسوب می شود. و مصلی به عنوان تریبون قدرت و محل بیان موضع حکومت مطرح است. روش تحقیق و ماهیت این تحقیق کیفی بوده و با مطالعه اسنادی و موردی انجام شده است. در نهایت، معیارهایی برای ارزیابی امرسیاسی بر اساس دیدگاه های کارل اشمیت معرفی شده و سپس شاخص های کیفی مرتبط با آن معیارها ارائه و میزان انطباق بنای مصلای تهران با شاخص ها سنجیده شده است. با توجه به رواج ارزش های دینی بعد از انقلاب اسلامی، نمی توان تطابق کاملی میان رویکردهای کلی نظام و مشخصات فرهنگی جامعه ایران با معماری و فرایند ساخت مصلی تهران یافت.

افزایش نگرانی های جهانی پیرامون تغییرات اقلیمی، کاهش منابع طبیعی و تشدید مخاطرات زیست محیطی، موجب شده است که سرمایه گذاری های سبز به یکی از ارکان اصلی سیاست گذاری اقتصادی و مالی در جهان تبدیل شوند. با این حال، ارزیابی دقیق پایداری و اثربخشی اقتصادی پروژه های سبز همچنان با چالش های متعددی همراه است. روش های سنتی ارزیابی سرمایه گذاری عمدتاً بر شاخص های مالی کوتاه مدت متمرکز بوده و توانایی محدودی در تحلیل هم زمان متغیرهای اقتصادی، زیست محیطی و اجتماعی دارند. پژوهش حاضر با هدف توسعه یک چارچوب مالی پایدار مبتنی بر هوش مصنوعی برای ارزیابی سرمایه گذاری های سبز انجام شده است. در این پژوهش، از ترکیب الگوریتم های یادگیری ماشین، تحلیل داده های چندبعدی و مدل های پیش بینی هوشمند برای طراحی یک سیستم ارزیابی پایدار استفاده شد. داده های پژوهش شامل اطلاعات ۱۲۵۰ پروژه سرمایه گذاری سبز در حوزه های انرژی تجدیدپذیر، حمل ونقل پاک، ساختمان های هوشمند و مدیریت منابع طی دوره ۲۰۱۸ تا ۲۰۲۵ است که از پایگاه های بین المللی مالی و زیست محیطی گردآوری شده اند. پس از مرحله پیش پردازش، استخراج ویژگی و نرمال سازی داده ها، مدل پیشنهادی مبتنی بر شبکه های عصبی عمیق و الگوریتم XGBoost طراحی و با روش های سنتی ارزیابی مالی مقایسه شد. نتایج پژوهش نشان داد چارچوب پیشنهادی در پیش بینی پایداری مالی پروژه ها، ارزیابی ریسک زیست محیطی و تحلیل بازده بلندمدت عملکرد بهتری نسبت به مدل های کلاسیک دارد. همچنین مدل هوش مصنوعی توانست روابط پیچیده میان شاخص های ESG ، بازده اقتصادی و ریسک سرمایه گذاری را با دقت بالاتری تحلیل کند. یافته ها نشان می دهد استفاده از چارچوب های مبتنی بر هوش مصنوعی می تواند نقش مهمی در توسعه نظام مالی پایدار، بهبود تصمیم گیری سرمایه گذاران و هدایت منابع مالی به سمت پروژه های سازگار با محیط زیست ایفا کند.

«انگیزش نیروی انسانی» از چیستی و ماهیت، روش، مراحل، ابعاد و مؤلفه هایی برخوردار است. این عناصر در مبانی گوناگون هستی شناختی، معرفت شناختی، روش شناختی و انسان شناختی ریشه دارند که در ادبیات فلسفی مدیریت و روان شناسی مورد بحث اندیشمندان قرار گرفته اند. اسلام همان گونه که انسان را به عنوان مخلوق برتر آفرینش معرفی کرده، برای انگیزش نیروی انسانی به عنوان سرمایه و محوری ترین رکن در اهداف برنامه ها، سیاست ها و راهبردهای سازمان نیز مبانی ویژه ای را ارائه نموده است که در این پژوهش با استفاده از آیات قرآن کریم و سنت اسلامی معرفی و تحلیل شده اند. در این تحقیق بر اساس روش توصیفی تحلیلی به منظور معرفی مبانی انسان شناختی انگیزش نیروی انسانی، به مطالعه قرآن کریم پرداخته شده است. در این مطالعه، ابتدا آیات مربوط به معرفی انسان استخراج شده، سپس با استفاده از روش استنباطی و مراجعه به تفاسیر قرآن کریم هر ویژگی انسانی تبیین گردیده و سپس ارتباط هر ویژگی با انگیزش نیروی انسانی توضیح داده شده است. حاصل این تحقیق آن است که انسان بنده خدا، مفطور به فطرت الهی، مختار، نیازمند وحی، دارای دو بعد مادی و روحانی، خلیفه و امین خدای متعال است که هر کدام از این مبانی انگیزش نیروی انسانی، الزامات و کارکردهای اساسی در زمینه ابعاد، روش ها، مراحل و مؤلفه های انگیزش این نیرو را در پی دارد.

سوءاستفاده از منابع سازمانی یکی از مسائل جدی و تأثیرگذار در محیط های کاری است که می تواند بهره وری را کاهش داده، هزینه ها را افزایش دهد و اعتماد کارکنان و ذی نفعان را تضعیف کند. این پژوهش با تمرکز بر منابع مالی، انسانی، فیزیکی، اطلاعاتی و اجتماعی سازمان ها، به دنبال کشف ریشه های این مشکل و ارائه راهکارهای عملی برای جلوگیری از آن است. هدف اصلی این پژوهش، شناسایی عوامل مشترک و اختصاصی مؤثر بر سوءاستفاده از منابع و ارائه راهکارهای برای استفاده بهینه و مسئولانه از دارایی های سازمانی است. پژوهش حاضر با رویکرد کیفی و روش تحلیل مضمون انجام شد و داده های اولیه از راه مصاحبه های نیمه ساختار یافته با ۱۵ نفر از کارکنان، مدیران و کارشناسان در سازمان های دولتی و خصوصی گردآوری شده است. مشارکت کنندگان تجربه یا آشنایی مستقیم یا غیرمستقیم با موارد سوءاستفاده نسبت به منابع مورد مطالعه و فرایندهای نظارتی داشتند. یافته های پژوهش نشان می دهد که علت های سوءاستفاده از منابع سازمانی را می توان در دو دسته کلی طبقه بندی کرد: علل مشترک شامل: ضعف در نظارت و کنترل، فرهنگ سازمانی ناسالم، کمبود آموزش و آگاهی کارکنان، علل اختصاصی شامل ضعف در شفافیت برنامه ریزی مالی (در حوزه منابع مالی)، فشارهای اقتصادی بر کارکنان (در حوزه منابع انسانی) و انگیزه های فردی برای سوءاستفاده از اطلاعات (در حوزه منابع اطلاعاتی). نتایج پژوهش نشان می دهد که برای کاهش سوءاستفاده از منابع سازمانی، علاوه بر تقویت سیستم های نظارتی، توسعه آموزش کارکنان و اصلاح فرهنگ سازمانی، لازم است راهکارهای ارائه شده در این پژوهش، متناسب با هر یک از حوزه های منابع سازمانی، به طور عملیاتی اجرا شود. اجرای این راهکارها می تواند به استفاده بهینه از منابع و تحقق مؤثرتر اهداف سازمانی منجر شود.