fa طراحی چارچوب حسابرسی توضیح‌پذیر برای ارزیابی ریسک صورت‌های مالی مبتنی بر هوش مصنوعی قابل تبیین تخصصي Special پژوهشي Research <div style="text-align: justify;"><span style="line-height:2;"><span style="font-size:16px;"><span style="direction:rtl"><span style="unicode-bidi:embed"><span style="font-family:Calibri,sans-serif"><span lang="FA"><span b="" nazanin="">هدف این پژوهش ارائه چارچوب حسابرسی توضیح‌پذیر برای ارزیابی ریسک صورت‌های مالی مبتنی بر هوش مصنوعی قابل تبیین است. این پژوهش از لحاظ هدف، اکتشافی و از لحاظ نوع استدلال، استقرایی و از نظر ماهیت داده&shy;ها، پژوهش کیفی است. جامعه آماری این پژوهش شامل 39 مقاله نهایی می&shy;باشد که از طریق جستجوی نظام&shy;مند در پایگاه‌های علمی (تمرکز بر منابع خارجی از سال 2020 به بعد و منابع داخلی از سال 1400 به بعد) استخراج شدند. تحلیل داده‌ها با استفاده از تکنیک تحلیل محتوای اسنادی انجام شد و برای اطمینان از قابلیت اعتماد تحلیل‌ها، کیفیت آن با محاسبه ضریب کاپای کوهن (742/0) تأیید گردید. یافته‌های محوری پژوهش به چهار کد فراگیر دسته‌بندی شدند: مفهوم حسابرسی توضیح‌پذیر مبتنی بر هوش مصنوعی قابل تبیین، پیشایندها، پیامدها و عوامل تعدیل‌گر. نتایج نشان داد که هوش مصنوعی قابل تبیین با تقویت ارتباط تبیین‌ها با ریسک تحریف بااهمیت و بهبود قضاوت انسانی، کیفیت حسابرسی و پاسخگویی حرفه‌ای را ارتقا می‌دهد. دستیابی به این پیامدهای مثبت، مستلزم فراهم بودن پیشایندهایی نظیر آمادگی فنی و زیرساختی، استانداردهای حرفه‌ای و مهارت‌های ترکیبی حسابرسان است. همچنین، پیامدهای منفی بالقوه‌ای مانند چالش‌های فنی و شناختی، حرفه‌ای و اخلاقی شناسایی شدند. در نهایت، اثرگذاری حسابرسی توضیح‌پذیر تابعی از عوامل تعدیل‌گر همچون نگرش مدیریت، فشارهای محیطی و بلوغ اکوسیستم فناوری می&shy;باشد.</span></span></span></span></span><br> &nbsp;</span></span></div> <div style="text-align: justify;"><span style="line-height:2;"><span style="font-size:16px;"><span style="font-family:Calibri,sans-serif"><span lang="EN" new="" roman="" times="">The purpose of this research is to design an interpretable audit framework for assessing the risk of financial statements based on explainable artificial intelligence. This research is exploratory in terms of purpose, inductive in terms of reasoning, and qualitative in terms of the nature of the data. The statistical population comprised 39 final articles, extracted through a systematic search across academic databases (focusing on international sources from 2020 and domestic sources from 1400). Data analysis was performed using the documentary content analysis technique, and to ensure the reliability of the analyses, its quality was confirmed by calculating Cohen&#39;s kappa coefficient (0.742). The key findings of the research were categorized into four overarching codes: the concept of explainable audit based on explainable AI, antecedents, consequences, and moderating factors. The resu</span></span><br> <span style="font-family:Calibri,sans-serif"><span lang="EN" new="" roman="" times="">lts showed that explainable AI improves audit quality and professional accountability by strengthening the connection of explanations to the risk of material misstatement and improving human judgment. Achieving these positive outcomes requires the provision of prerequisites such as technical and infrastructural readiness, professional standards, and the combined skills of auditors. Also, potential negative consequences such as technical and cognitive, professional, and ethical challenges were identified. Ultimately, the effectiveness of explainable auditing is a function of moderating factors such as management attitude, environmental pressures, and the maturity of the technology ecosystem. </span></span><br> &nbsp;</span></span></div> حسابرسی توضیح‌پذیر, ریسک صورت‌های مالی, هوش مصنوعی قابل تبیین Interpretable auditing, financial statement risk, explainable artificial intelligence 111 137 http://mieaoi.ir/browse.php?a_code=A-10-1734-3&slc_lang=fa&sid=1 Rahim Mollaei رحیم ملائی Rahim.mollaei@iau.ac.ir 100319475328460015436 100319475328460015436 No Department of Acconting, Bon.C., Islamic Azad University, Bonab, Iran گروه حسابداری، واحد بناب، دانشگاه آزاد اسلامی، بناب، ایران Ali jafari علی جعفری alijafari1355@iau.ir 100319475328460015437 100319475328460015437 Yes Department of Acconting, Bon.C., Islamic Azad University, Bonab, Iran گروه حسابداری، واحد بناب، دانشگاه آزاد اسلامی، بناب، ایران Asgar Pakmaram عسگر پاک مرام pakmaram@iau.ac.ir 100319475328460015438 100319475328460015438 No Department of Acconting, Bon.C., Islamic Azad University, Bonab, Iran گروه حسابداری، واحد بناب، دانشگاه آزاد اسلامی، بناب، ایران Nader Rezaei نادر رضائی naderrezaei@iau.ir 100319475328460015439 100319475328460015439 No Department of Acconting, Bon.C., Islamic Azad University, Bonab, Iran گروه حسابداری، واحد بناب، دانشگاه آزاد اسلامی، بناب، ایران