تقييم مداخل استخدام تقنيات التعلم الآلي في المراجعة الخارجية بغرض تحقيق فعالية التنبؤ بتحريفات القوائم المالية- دراسة تجريبية على الشركات المقيدة في البورصة المصرية

الهدف: يهدف هذا البحث إلى استكشاف مدى فعالية مداخل استخدام تقنيات التعلم الآليML في مساعدة المراجع الخارجي في  التنبؤ بتحريفات القوائم المالية، بالإضافة إلى فعاليتها في تحديد العوامل والخصائص المميزة للشركات المحرفة والتي تمثل علامات حمراء تمثل تحذيرات هامة من خطر وقوع التحريف. ومن ثم قياس احتمال ومخاطر التحريف، مما يجنب المراجع مخاطر التقاضي نتيجة للإخفاق في عملية المراجعة وعدم إصدار التقرير المناسب.
 التصميم والمنهجية: قدمت الباحثة دراسة تحليلية للأدب المحاسبي والاصدارات المهنية فيما يتعلق بتقنيات التعلم الآليML وتطور استخدامها في مجال المراجعة ودورها في اكتشاف والتنبؤ بالتحريفات وإعادة إصدار القوائم المالية. كما صممت الباحثة دراسة تجريبية على عينة من الشركات المقيدة بالبورصة المصرية والتي تمثل عملاء لمكاتب المراجعة الخارجية؛ وذلك بهدف اختبار فروض الدراسة. فقد تم استخدام برنامج  IBMÒ SPSSÒ Modeler Premium 18.3  على 33 شركة محرفة للقوائم المالية خلال الفترة من 2012 إلى 2021  (عينة الدراسة) ، وعدد 99 شركة مقابلة لهذه الشركات وتتقق معها في الحجم والقطاع الصناعي والفترة الزمنية (العينة المقابلة الضابطة) . واستخدمت الباحثة التقارير المالية خلال ثلاث سنوات متتالية تشمل سنة التحريف والسنتين السابقتين لها وذلك لكل شركات الدراسة ( محرفة وغير محرفة) بما يعادل 396 مشاهدة. ومن أجل تقييم القدرة التنبؤية لنماذج التعلم الآليML في التنبؤ بالشركات المحرفة وخصائصها اعتمدت الباحثة في تصميم دراستها على ثلاث مداخل إما استخدام المؤشرات المالية فقط أو المؤشرات النصية فقط، أو الجمع بين الاثنين ؛ وذلك من أجل تطبيق تقنيات التعلم الآليML على 70% من بيانات عينتي الدراسة (شركات محرفة وغير محرفة). ثم اختبار مدى دقة تلك التقنيات في التنبؤ بالتحريفات في القوائم المالية في شركات العملاء محل المراجعة باستخدام باقي البيانات(30%).
النتائج والتوصيات: توصلت الباحثة من الجانب النظري إلى أن هناك العديد من المصطلحات التي تعبر عن مفهوم التحريفات في القوائم المالية في أدب المراجعة. كما أن هناك توجه كبير من قبل مهنة المراجعة نحو استخدام التقنيات التكنولوجية الحديثة ومنها تقنيات التعلم الآلي بأنواعها المختلفة سواء تخضع للإشراف أو لا تخضع وسواء كانت من نوع التعلم المعزز أو التعلم العميق. أما من الجانب التجريبي فقد أوضحت النتائج أن المدخل المالي لاستخدام تقنيات التعلم الآلي يحقق أعلى درجات دقة في الكشف عن والتنبؤ بتحريفات القوائم المالية ، يليه المدخل المختلط ثم المدخل النصي. ومن ثم يجب على المراجع عدم الاعتماد على المدخل النصي فقط في الكشف عن تحريفات القوائم المالية.
 الأصالة والإضافة: ينفرد البحث بتأصيل إطار نظري لاستخدام تقنيات التعلم الآليML في المراجعة من أجل التنبؤ بالتحريفات في القوائم المالية. كما يقدم البحث دراسة تجريبية باستخدام بيانات فعلية من القوائم المالية للشركات محل المراجعة؛ مما يوضح للمراجعين الخارجيين في الواقع العملي كيفية تطبيق تقنيات التعلم الآليML الحديثة في الكشف عن والتنبؤ بتحريفات الوقائم المالية. بالإضافة إلى تقييم المداخل التي يمكن للمراجع استخدامها وعرض دقة النماذج المستخدمة للمقارنة بينها.