التنقيب المحاسبي عن البيانات باستخدام الشبكات العصبية (حالة دراسية)
DOI:
https://doi.org/10.33095/jeas.v25i111.1642الكلمات المفتاحية:
التنقيب المحاسبي، الشبكات العصبية الاصطناعية، شبكة (Multilayer Perceptron) ، تدريب الشبكة العصبية، Accounting Mining, Neural Networks, Multilayer Perceptron Network, Training Neural Networksالملخص
واجهت منظمات الاعمال في العصر الراهن تحديات عديدة أهمها تقنيات المعلومات وذلك لانتشارها الواسع وسهولة استخدامها، اذ أدى استخدامها الى تضخم حجم البيانات التي تتعامل معها منظمات الاعمال بصورة لم يسبق لها مثيل واصبح حجم البيانات المتاحة من خلال الانترنت مشكلة تسعى اطراف عديدة لإيجاد حلول لها فما هو الجدوى من وجودها بهذا الحجم وبهذه الصورة العشوائية، وكشفت التوقعات أنه في العام 2017 سيكون هناك أجهزة متصلة بالإنترنت تقدر بثلاثة أضعاف سكان الأرض، وفي العام 2015 تم نقل أكثر من مليون ونصف المليون غيغا بايت من البيانات في كل دقيقة عالمياً. من هنا ظهر ما يسمى بالتنقيب عن البيانات Data Mining كتقنية تهدف إلى استنتاج المعرفة من كميات هائلة من البيانات، تعتمد على الخوارزميات الرياضية والتي تعد أساساً للتنقيب عن البيانات وهي مستمدة من العديد من العلوم مثل علم الإحصاء والرياضيات والمنطق وعلم التعلم، والذكاء الاصطناعي والنظم الخبيرة، وعلم التعرف على الأنماط وغيرها من العلوم والتي تعتبر من العلوم الذكية وغير التقليدية. وتجسدت مشكلة البحث في ان الازدياد المضطرد في حجم البيانات فضلأ عن ظهور مجالات انية عديدة تحتاج الى بيانات مختلفة نتيجة البيئة المعاصرة لمنظمات الاعمال اليوم يجعل نظم المعلومات غير قادرة على تلبية احتياجات هذه المنظمات الانية وهذا ينطبق تماما على نظم المعلومات المحاسبية كونها النظام الرئيس في منظمات الاعمال اليوم، فان هذه النظم قد تم تصميمها لتلبية حاجات محددة جعلها تعجز اليوم عن تلبية الاحتياجات المختلفة وفق البيئة المعاصرة لمنظمات الاعمال اليوم، فضلاً عن عجزها في التعامل مع حجم البيانات المضطرد الذي اوجدته تقنيات المعلومات. واطلق البحث من فرضيتين اساسيتين الاولى ان اعتماد التنقيب المحاسبي عن البيانات يؤدي الى توفير بيانات لم يكن نظام المعلومات المحاسبي قادر على توفيرها فضلاً عن اختصار الوقت والجهد اللازم في الحصول عليها. بينما كانت الثانية في ان اعتماد التنقيب المحاسبي عن البيانات يمكن من اعتماد أساليب الذكاء الصناعي في معالجة تلك البيانات لتوفير معلومات مفيدة لترشيد القرارات. وقد توصل البحث الى مجموعة من الاستنتاجات منها ان التزايد المضطرد بحجم البيانات عموماً ولاسيما البيانات المحاسبية يجعل من التعامل وفق الاطر التقليدية مسالة صعبة جداً كما انه يؤدي الى ضياع الوقت والجهد في استخلاص المعلومات. وان ظهور كثير من المتغيرات الانية نتيجة المتغيرات في بيئة العمل يتطلب وجود ادوات تقنية لديها المرونة الكافية للتعامل معها. وكذلك ان ادوات التنقيب عن البيانات لديها القدرة في استنتاج علاقات بناء على قواعد البيانات الموجودة لديها لم تكن موجودة في السابق. توصل البحث الى مجموعة من التوصيات اهمها ضرورة اعتماد النموذج الذي قدمه البحث وهو شبكة (Multilayer Perceptron) وتوجد هذه الشبكة ضمن برنامج (SPSS) الذي يتيح امكانية استخدام هذه الشبكة بسهولة في ترشيد قرار اختيار المشاريع المنفذة في مجالس المحافظات
التنزيلات
منشور
إصدار
القسم
الرخصة
Articles submitted to the journal should not have been published before in their current or substantially similar form or be under consideration for publication with another journal. Please see JEAS originality guidelines for details. Use this in conjunction with the points below about references, before submission i.e. always attribute clearly using either indented text or quote marks as well as making use of the preferred Harvard style of formatting. Authors submitting articles for publication warrant that the work is not an infringement of any existing copyright and will indemnify the publisher against any breach of such warranty. For ease of dissemination and to ensure proper policing of use, papers and contributions become the legal copyright of the publisher unless otherwise agreed.
The editor may make use of Turtitin software for checking the originality of submissions received.
