حسابداری، امور مالی و هوش محاسباتی 3092-7366 در دست انتشار 1406 10 01 Development and Validation of a Structural Model for the Adoption of Artificial Intelligence in the Transition to Management Accounting with an Emphasis on Ethical Considerations توسعه و اعتبارسنجی مدل ساختاری به‌کارگیری هوش مصنوعی در گذار به حسابداری مدیریت با تأکید بر ملاحظات اخلاقی 1 29 FA امیرحسین ابراهیمی دانشجوی دکتری، گروه حسابداری، واحدکاشان، دانشگاه آزاد اسلامی، کاشان، ایران علی اکبر فرزین فر گروه حسابداری، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران. حسن قدرتی گروه حسابداری، واحدکاشان، دانشگاه آزاد اسلامی، کاشان، ایران میثم عرب زاده گروه حسابداری، واحدکاشان، دانشگاه آزاد اسلامی، کاشان، ایران محمدرضا محققی گروه حسابداری، واحدکاشان، دانشگاه آزاد اسلامی، کاشان، ایران Journal Article 1405 01 18 <p>This study aimed to develop and validate a structural model for the adoption of artificial intelligence (AI) in the transition to management accounting, with particular emphasis on ethical considerations. This applied study employed an exploratory mixed-methods qualitative–quantitative design conducted in three stages. First, influential factors were identified through a systematic analysis of the literature and qualitative content analysis and were coded using MAXQDA 2020. Content validity was assessed using the content validity ratio, while coding reliability was evaluated using Cohen’s kappa, which yielded a coefficient of 0.90. Second, Interpretive Structural Modeling (ISM) and the judgments of 18 academic and professional experts were used to structure the relationships among the identified factors. Third, the resulting model was empirically validated using Partial Least Squares Structural Equation Modeling (PLS-SEM) based on data obtained from 118 respondents and analyzed in SmartPLS. Multicollinearity, structural paths, bootstrapped t-statistics, and the coefficient of determination were examined to evaluate the structural model. Inferential analyses indicated that variance inflation factor values ranged from 1.299 to 4.805, with none exceeding the critical threshold of 5, demonstrating the absence of serious multicollinearity among the predictor constructs. Bootstrapping results supported the statistical significance of the structural relationships at the 95% confidence level based on the criterion of t&gt;1.96. Moreover, the coefficient of determination was R²=0.62, indicating that the predictor constructs explained 62% of the variance in the endogenous constructs and confirming the model’s satisfactory explanatory power. Overall, the PLS-SEM findings provided empirical support for the conceptual structure and relationships derived from the ISM model. The validated model indicates that a successful AI-driven transition in management accounting requires the integration of technological and organizational infrastructure with ethical governance, accountability, data protection, algorithmic transparency, professional competence, and preservation of human judgment. Accordingly, AI adoption should be managed as a simultaneous technological, professional, organizational, and ethical transformation.</p> <p>هدف پژوهش حاضر، توسعه و اعتبارسنجی مدل ساختاری به‌کارگیری هوش مصنوعی در گذار به حسابداری مدیریت با تأکید بر ملاحظات اخلاقی بود. این پژوهش از نظر هدف کاربردی و از نظر روش، آمیخته اکتشافی کیفی–کمی بود که در سه مرحله انجام شد. در مرحله نخست، با تحلیل نظام‌مند متون و تحلیل محتوای کیفی، عوامل مؤثر بر به‌کارگیری هوش مصنوعی شناسایی و با نرم‌افزار MAXQDA 2020 کدگذاری شدند. روایی محتوایی از طریق نسبت روایی محتوا و پایایی کدگذاری با ضریب کاپای کوهن بررسی شد که مقدار کاپا 0.90 به دست آمد. در مرحله دوم، برای ساختاربندی روابط میان عوامل از مدل‌سازی ساختاری تفسیری و دیدگاه 18 خبره دانشگاهی و حرفه‌ای استفاده شد. در مرحله سوم، مدل حاصل با استفاده از مدل‌سازی معادلات ساختاری مبتنی بر حداقل مربعات جزئی و داده‌های 118 پاسخ‌دهنده در نرم‌افزار SmartPLS اعتبارسنجی شد. برای ارزیابی مدل ساختاری، هم‌خطی چندگانه، ضرایب مسیر، آماره t بوت‌استراپینگ و ضریب تعیین بررسی شدند. نتایج استنباطی نشان داد مقادیر عامل تورم واریانس در دامنه 1.299 تا 4.805 قرار داشت و هیچ‌یک از حد بحرانی 5 فراتر نرفت؛ بنابراین، مشکل جدی هم‌خطی میان سازه‌های پیش‌بین وجود نداشت. آزمون بوت‌استراپینگ نیز از معناداری روابط ساختاری مدل در سطح اطمینان 95 درصد بر اساس معیار t&gt;1.96 حمایت کرد. همچنین، ضریب تعیین مدل برابر با 0.62 بود؛ بدین معنا که سازه‌های پیش‌بین توانستند 62 درصد از تغییرات سازه‌های درون‌زا را تبیین کنند و در نتیجه، مدل از قدرت تبیین مطلوبی برخوردار بود. نتایج SEM-PLS در مجموع، ساختار مفهومی و روابط استخراج‌شده از مدل ساختاری تفسیری را از نظر تجربی تأیید کرد. مدل اعتبارسنجی‌شده نشان می‌دهد گذار موفق به حسابداری مدیریت مبتنی بر هوش مصنوعی مستلزم تلفیق زیرساخت‌های فناورانه و سازمانی با حاکمیت اخلاقی، پاسخگویی، حفاظت از داده‌ها، شفافیت الگوریتمی، شایستگی حرفه‌ای و حفظ قضاوت انسانی است؛ ازاین‌رو، استقرار هوش مصنوعی باید به‌عنوان یک تحول هم‌زمان فناورانه، حرفه‌ای، سازمانی و اخلاقی مدیریت شود.</p> https://jafci.com/index.php/jafci/article/download/516/317