ارائه مدلی تلفیقی از روش دیمتل و فرایند تحلیل سلسله مراتبی فازی به منظور شناسایی و اولویت بندی عوامل موثر بر کیفیت اطلاعات مالی بخش دولتی بر مبنای روش نظریه زمینه بنیان
Publish place: Journal of Financial Accounting Research، Vol: 14، Issue: 3
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 135
This Paper With 32 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_FAR-14-3_002
تاریخ نمایه سازی: 28 فروردین 1402
Abstract:
هدف اصلی این پژوهش، ارائه مدلی تلفیقی از روش دیمتل و فرایند تحلیل سلسله مراتبی فازی به منظور شناسایی و اولویت بندی عوامل موثر بر کیفیت اطلاعات مالی در بخش دولتی ایران با استفاده از روش نظریه زمینه بنیان است. پژوهش حاضر در قالب یک پژوهش کاربردی، آمیخته و مقطعی و با رویکرد استقرایی است. جامعه آماری پژوهش در بخش کیفی مدیران عالی رتبه و استادان دانشگاهها و در بخش کمی ۶۱ نفر از کارمندان دستگاهها و سازمان های عمومی در نظر گرفته شده است. در راستای دستیابی به اهداف پژوهش، سوالات مدنظر برای مصاحبه، طراحی و درنهایت، ۵ عامل ساختاری، محیطی، فرآیندها، خروجی، پیامد و زیرمولفه های مربوط به هر عامل بر مبنای رویکرد نظریه داده بنیان به عنوان عوامل موثر در کیفیت اطلاعات مالی شناسایی شده اند. در ادامه از مدل تلفیقی، تحلیل سلسله مراتبی فازی و دیمتل فازی برای اولویت بندی، تعیین شدت تاثیرگذاری و تاثیرپذیری و ترسیم نمودار علی - معلولی میان مولفه ها استفاده شده است. نتایج پژوهش از دیدگاه پاسخ دهندگان نشان دادند در میان عوامل اصلی پژوهش عامل ساختاری بالاترین رتبه را کسب کرده و عامل فرآیندها به عنوان کم اهمیت ترین عامل در کیفیت اطلاعات مالی در بخش دولتی است. این نتیجه نشان می دهد ساختارهای بخش عمومی درحال حاضر در ایران مطلوب نیستند و دارای مشکلات و ابهام اند؛ بنابراین، برای رسیدن به گزارشگری مالی باکیفیت در بخش عمومی آماده کردن زیرساخت ها در وهله نخست، الزامی و اجباری است.
Keywords:
Authors
صدیقه عزیزی
استادیار حسابداری، دانشگاه آزاد اسلامی، واحد کرمان، کرمان، ایران
حسین جوکار
دانشجوی دکتری حسابداری، دانشگاه شیراز، شیراز، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :