حسابداری، امور مالی و هوش محاسباتی 3092-7366 1 پیاپی 1 1402 06 23 Examining the Role of Machine Learning Algorithms in Identifying Tax Evasion among Taxpayers of the Tehran Provincial Tax Administration بررسی نقش الگوریتم‌های یادگیری ماشین در شناسایی فرار مالیاتی در میان مودیان مالیاتی اداره امور مالیاتی استان تهران 1 12 FA آریا فتحی کارشناسی ارشد، گروه حسابداری، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران سعیده اکراد کارشناسی ارشد، گروه حسابداری، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران محمد صالحی نیا کارشناسی ارشد، گروه حسابداری، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران Journal Article 1401 11 03 <p>Tax evasion is considered one of the most significant challenges facing economic and taxation systems in developing countries. It leads to a reduction in government revenue, disruption of tax equity, and a decline in economic transparency. In recent years, advances in information technology and the emergence of artificial intelligence algorithms, particularly machine learning, have created suitable conditions for big data analysis and the identification of hidden patterns in taxpayers’ financial behavior. The present study aims to examine the role of machine learning algorithms in identifying tax evasion among taxpayers of the Tehran Provincial Tax Administration. This research is applied in terms of purpose and descriptive-analytical in terms of methodology. The statistical population includes the tax records of individual and corporate taxpayers registered with the Tehran Provincial Tax Administration during the years 2019 to 2023. In this study, the ID3 decision tree and Bayesian algorithms were used to analyze the data. The expected results indicate that machine learning algorithms have higher accuracy than traditional methods in identifying high-risk taxpayers and predicting tax evasion. The findings of this study can contribute to improving the tax auditing process, reducing monitoring costs, and increasing government tax revenues.</p> <p> </p> <p> </p> <p>فرار مالیاتی یکی از مهم‌ترین چالش‌های نظام‌های اقتصادی و مالیاتی در کشورهای در حال توسعه محسوب می‌شود و موجب کاهش درآمدهای دولت، اختلال در عدالت مالیاتی و کاهش شفافیت اقتصادی می‌گردد. در سال‌های اخیر، پیشرفت فناوری اطلاعات و ظهور الگوریتم‌های هوش مصنوعی به‌ویژه یادگیری ماشین، زمینه مناسبی برای تحلیل داده‌های کلان و شناسایی الگوهای پنهان در رفتار مالی مودیان فراهم کرده است. هدف پژوهش حاضر بررسی نقش الگوریتم‌های یادگیری ماشین در شناسایی فرار مالیاتی در میان مودیان مالیاتی اداره امور مالیاتی استان تهران است. این پژوهش از نظر هدف کاربردی و از نظر روش اجرا توصیفی–تحلیلی است. جامعه آماری شامل پرونده‌های مالیاتی مودیان حقیقی و حقوقی ثبت‌شده در اداره امور مالیاتی استان تهران طی سال‌های ۱۳۹۸ تا ۱۴۰۲ است. در این تحقیق از الگوریتم‌های درخت تصمیم ID3 و بیزین برای تحلیل داده‌ها استفاده شد. نتایج مورد انتظار نشان داد الگوریتم‌های یادگیری ماشین نسبت به روش‌های سنتی دقت بیشتری در شناسایی مودیان پرریسک و پیش‌بینی فرار مالیاتی دارند. یافته‌های پژوهش می‌تواند در بهبود فرآیند حسابرسی مالیاتی، کاهش هزینه‌های نظارتی و افزایش درآمدهای مالیاتی دولت مؤثر باشد.</p> <p> </p> https://jafci.com/index.php/jafci/article/download/443/228