أثر تطبيق تقنيات التعلم الآلي والتعلم العميق على جودة عملية المراجعة في بيئة الأعمال المصرية: دراسة ميدانية

هدفت الدراسة إلى استكشاف أثر تطبيق تقنيات التعلم الآلي والتعلم العميق على جودة عملية المراجعة في بيئة الأعمال المصرية، ولتحقيق هدف الدراسة فقد تم اختيار مجموعة من المفردات من بينهم لتمثل عينة الدراسة، وقد تضمنت هذه العينة 50 من أساتذة المحاسبة بالجامعات المصرية، و70 من مراجعي الحسابات الخارجيين، بحيث يكون المجموع الكلي للعينة المختارة 120 مفردة.
وخلصت الدراسة إلى رفض صحة الفرض الأول القائل:" بوجود فروق ذات دلالة إحصائية بين استخدام تقنيات التعلم الآلي في إجراءات المراجعة وتحسين جودة عملية المراجعة"، وكذلك رفض الفرض الثاني القائل: "بوجود فروق ذات دلالة إحصائية بين استخدام تقنيات التعلم العميق في إجراءات المراجعة وتحسين جودة عملية المراجعة".
ويوصي الباحث بضرورة عقد برامج تدريبية متخصصة للمراجعين لتحسين مهاراتهم في استخدام تقنيات التعلم الآلي والتعلم العميق بشكل أكثر فعالية في إجراءات عملية المراجعة، واستكشاف إمكانية دمج تقنيات التعلم الآلي والتعلم العميق مع أساليب المراجعة التقليدية لتحقيق نتائج أفضل، والقيام تعديلات على المعايير المهنية والتنظيمية للمراجعة لتتماشى بشكل أفضل مع التطورات التكنولوجية الحديثة.
تساهم نتائج هذه الدراسة في فهم تأثير تقنيات التعلم الآلي والتعلم العميق على مهنة المراجعة في مصر، وذلك من خلال تحليل لتطبيق هذه التقنيات المتقدمة في إجراءات المراجعة، وتقدم الدراسة رؤى لصانعي السياسات والهيئات التنظيمية مما يساعدهم في تطوير معايير وإرشادات تتناسب مع متطلبات العصر الرقمي في بيئة الأعمال المصرية، كما تسهم نتائج الدراسة في توجيه الجهات المعنية نحو صياغة أطر تنظيمية مرنة تستوعب التطورات التكنولوجية المتسارعة في مهنة المراجعة، وبهذا تفتح آفاقًا جديدة لتحسين جودة عمليات المراجعة وتعزيز كفاءتها في ظل التحول الرقمي الذي بيئة الأعمال المصرية.
The study aimed to explore the impact of applying machine learning and deep learning techniques on the quality of the auditing process in the Egyptian business environment. A sample of 120 individuals was selected to achieve the study's objective, including 50 accounting professors from Egyptian universities and 70 external auditors.
The study concluded by rejecting the first hypothesis: "There are statistically significant differences between the use of machine learning techniques in auditing procedures and improving the quality of the auditing process." It also rejected the second hypothesis: "There are statistically significant differences between the use of deep learning techniques in auditing procedures and improving the quality of the auditing process."
The researcher recommends the necessity of conducting specialized training programs for auditors to improve their skills in using machine learning and deep learning techniques more effectively in auditing procedures. Additionally, the study suggests integrating machine learning and deep learning techniques with traditional auditing methods to achieve better results and amend professional and regulatory auditing standards to better align with modern technological developments.
The results of this study contribute to understanding the impact of machine learning and deep learning techniques on the auditing profession in Egypt through an analysis of the application of these advanced techniques in auditing procedures. The study provides insights for policymakers and regulatory bodies, helping them develop standards and guidelines that are compatible with the digital age requirements in the Egyptian business environment. The study's findings also contribute to guiding relevant authorities towards formulating flexible regulatory frameworks that accommodate the rapid technological developments in the auditing profession, thus opening new horizons for improving the quality and enhancing the efficiency of auditing processes in light of the digital transformation witnessed in accounting practices in Egypt.