پذیرش زبان گزارشگری تجاری توسعه پذیر (XBRL): دیدگاه کارکنان سازمان امور مالیاتی کشور
Publish Year: 1398
Type: Journal paper
Language: Persian
View: 713
This Paper With 27 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JEMRA-8-3_009
Index date: 16 June 2019
پذیرش زبان گزارشگری تجاری توسعه پذیر (XBRL): دیدگاه کارکنان سازمان امور مالیاتی کشور abstract
با توجه به قابلیتهای زبان گزارشگری تجاری توسعهپذیر (XBRL)، پژوهش حاضر به بررسی مساله مهم پذیرش این زبان نوین گزارشگری توسط کارکنان سازمان امور مالیاتی کشور، بهعنوان پیششرط استفاده و بکارگیری آن در سازمان متبوع، پرداخته است. این پژوهش، ابتدا با بررسی مبانی نظری و تجربی موجود و بر اساس مدل پذیرش فنآوری (TAM)، به ارایه یک الگوی نظری پرداخته و عوامل موثر بر پذیرش این زبان در گزارشگری را استخراج نموده است. سپس با اتخاذ یک روش کیفی و تحلیل محتوای 21 مصاحبه نیمهساختاریافته، الگوی نظری اولیه را اصلاح و عوامل موثر بر پذیرش این زبان در گزارشگری مالیاتی را شناسایی نموده است. در نهایت، با جمعآوری و تحلیل 70 پرسشنامه به روش دلفی فازی به ارایه الگوی نهایی پرداخته و دیدگاه کارکنان سازمان امور مالیاتی کشور درخصوص پذیرش این زبان را ارزیابی نموده است. نتایج پژوهش حاضر نشان میدهد که کارکنان سازمان امور مالیاتی کشور پذیرای زبان گزارشگری تجاری توسعهپذیر (XBRL) هستند و عامل اصلی پذیرش این فنآوری نوین از دید کارکنان سازمان امور مالیاتی کشور، سودمندی ادراک شده در نتیجه تاثیر مثبت آن بر خصوصیات کیفی اطلاعات است.
پذیرش زبان گزارشگری تجاری توسعه پذیر (XBRL): دیدگاه کارکنان سازمان امور مالیاتی کشور Keywords:
زبان گزارشگری تجاری توسعه پذیر (XBRL) , سازمان امور مالیاتی کشور , گزارشگری مالیاتی , مدل پذیرش فن آوری (TAM) , خصوصیات کیفی اطلاعات
پذیرش زبان گزارشگری تجاری توسعه پذیر (XBRL): دیدگاه کارکنان سازمان امور مالیاتی کشور authors
مینا ابوحمزه
دانشجوی دکتری حسابداری دانشگاه الزهرا (س)، تهران، ایران
غلامرضا سلیمانی امیری
دانشیار گروه حسابداری دانشکده علوم اجتماعی و اقتصادی دانشگاه الزهرا (س)، تهران، 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 :