Machine Translated by Google

2.9 4.7

Bài báo

Đánh giá nhân tạo

Trí Thông MinhCông Nghệ
Chấp nhận trong Quản lý
Kế toán

AncaAntoanetaVărzaru

Vấn đề đặc biệt

IoT, EdgeComputing và AI: Kích hoạt các ứng dụng thông minh mới nổi

Biên tập
bởi
Dr.AbayomiOtebolaku,Prof.Dr.GyuMyoungLee,Prof.EdwardMeinert,Dr.AsiyaKhanandDr.GloriaIyawa

https://doi.org/10.3390/electronics11142256
Machine Translated by Google
thiết bị điện tử
Bài báo
Đánh giá mức độ chấp nhận công nghệ trí tuệ nhân tạo trong
kế toán quản lý
Anca Antoaneta Vărzaru
Trích dẫn: V ˘arzaru, AA Đánh giá
mức độ chấp nhận của công nghệ trí
tuệ nhân tạo trong kế toán
quản lý. Điện tử 2022, 11, 2256. https://
doi.org/10.3390/
điện tử11142256
Biên tập học thuật: Abayomi
Otebolaku, Gyu Myoung Lee,
Edward Meinert, Asiya Khan và
Gloria Iyawa
Nhận: ngày 17 tháng 5 năm 2022
Chấp nhận: ngày 18 tháng 7 năm 2022
Đã xuất bản: 19 tháng 7 năm 2022
Ghi chú của nhà xuất bản: MDPI giữ thái độ trung
lập đối với các khiếu nại về quyền tài phán trong
các bản đồ đã xuất bản và mối quan hệ với thể chế
iation.
Bản quyền: © 2022 thuộc về tác giả.
Người được cấp phép MDPI, Basel, Thụy Sĩ.
Bài viết này là một bài báo truy cập mở
phân phối theo các điều khoản và
điều kiện của Creative Commons
Giấy phép Ghi công (CC BY) (https://
creativecommons.org/licenses/by/
4.0/).
Điện tử 2022, 11, 2256. https://doi.org/10.3390/electronics11142256
Khoa Kinh tế, Kế toán và Kinh doanh Quốc tế, Đại học Craiova, 200585 Craiova, Romania;
anca.varzaru@edu.ucv.ro; Điện thoại: +40-7-7392-1189
Tóm tắt: Sự mở rộng ngày càng tăng của công nghệ số đã làm thay đổi đáng kể hầu hết các hoạt
động kinh tế và ngành nghề. Trong cuộc cách mạng khoa học và công nghệ 4.0, cơ cấu tổ chức và
mô hình kinh doanh đã thay đổi và xuất hiện những mô hình mới. Do đó, các hoạt động kế toán
ghi lại các hoạt động và cung cấp thông tin cần thiết cho các nhà quản lý để ra quyết định đã
phải đối mặt với các mối đe dọa, thách thức và cơ hội, đã thay đổi và sẽ thay đổi DNA của kế
toán quản trị, xác định sự tái tạo của nó. Do sự phát triển của công nghệ thu thập và xử lý dữ
liệu, các hoạt động kế toán quản trị ngày càng trở nên phức tạp, bao gồm khối lượng dữ liệu
ngày càng tăng. Khả năng chống lại sự thay đổi, văn hóa tổ chức, sự thiếu tin tưởng và giá
công nghệ cao là những rào cản quan trọng nhất cản trở việc áp dụng công nghệ trí tuệ nhân tạo
trong kế toán quản trị. Nghiên cứu này nhằm đánh giá mức độ chấp nhận công nghệ trí tuệ nhân
tạo của các kế toán viên tại các tổ chức ở Rumani trong bối cảnh hiện đại hóa và số hóa kế
toán quản trị. Nghiên cứu này mang tính định lượng, được thực hiện thông qua khảo sát dựa trên
bảng câu hỏi. Tổng cộng, 396 chuyên gia về kế toán quản trị từ các tổ chức Rumani đã điền và
trả lời bảng câu hỏi. Sử dụng mô hình phương trình cấu trúc, chúng tôi đã thử nghiệm mô hình
chấp nhận công nghệ trí tuệ nhân tạo trong kế toán quản trị. Kết quả cho thấy, việc triển khai
giải pháp trí tuệ nhân tạo trong kế toán quản trị mang lại nhiều lựa chọn cho nhà quản lý thông
qua đổi mới và rút ngắn quy trình, cải thiện việc sử dụng thông tin kế toán và tương đối dễ sử
dụng do mức độ tự động hóa và tùy biến cao.
Từ khóa: trí tuệ nhân tạo; nghiệm thu công nghệ; tính hữu dụng; sử dụng; kế toán quản trị
1. Giới thiệu
Do sự phức tạp ngày càng tăng của các quy trình kinh tế, số hóa của chúng đã dẫn
đến sự phát triển hiệu quả hơn của các hoạt động. Theo [1], kế toán quản lý (MA) thậm
chí còn bị ảnh hưởng bởi quy trình này, bắt đầu từ gần một thế kỷ rưỡi trước, theo
[1], do đó , trong giai đoạn đầu, công nghệ thông tin đã đơn giản hóa các quy trình
kế toán và giảm bớt nỗ lực cần thiết để lưu hồ sơ.
Tác động của việc triển khai trí tuệ nhân tạo trong kế toán quản lý (AIMA), do
các cơ hội do các công nghệ như sổ đăng ký phân tán (chuỗi khối), dữ liệu lớn và đám
mây mở mang lại vẫn chưa rõ ràng, do giai đoạn đầu sử dụng các công nghệ này trong
MA. Một vấn đề mà nhiều nhà nghiên cứu [2–
6] đồng ý liên quan đến việc tự động hóa
và tạo thuận lợi cho việc ra quyết định quy mô lớn. Sự đa dạng của thông tin tạo ra
sự gia tăng độ phức tạp [7]. Tự động hóa giúp tăng tốc độ thu thập, xử lý và giải
thích dữ liệu, điều này có thể làm giảm chất lượng thông tin do thiếu độ tin cậy khi
không có sự giám sát của yếu tố con người [8].
Từ quan điểm của nghề MA, việc áp dụng các quy trình AIMA có thể là một mối đe
dọa do phải tiếp quản một lượng lớn giải pháp CNTT được trang bị trí tuệ nhân tạo.
Ngoài ra, việc áp dụng các quy trình AIMA có thể là một cơ hội vì nó giảm thiểu các hoạt động
thu thập và xử lý dữ liệu thông thường, cung cấp thời gian cần thiết để xác minh tính chính xác của
https://www.mdpi.com/journal/electronics
Machine Translated by Google

Điện tử 2022, 11, 2256 2 trên 13

thông tin kết quả và tính bền vững của việc ra quyết định. AIMA có thể mang lại lợi thế
cạnh tranh đáng kể bằng cách tinh chỉnh chất lượng của các quyết định.
Việc triển khai các công nghệ thông tin mới, bao gồm cả MA, là một mong muốn mà
việc thực hiện đã tăng tốc, đặc biệt là sau cuộc khủng hoảng do COVID-19 gây ra. Trong
những năm gần đây, tiến bộ công nghệ được tạo ra bởi trí tuệ nhân tạo (AI), chuỗi khối
(BC), dữ liệu lớn (BD) và điện toán đám mây (CC) là cốt lõi của cuộc cách mạng khoa học
và công nghệ toàn cầu 4.0. Những công nghệ mới nổi này đã được triển khai trong các lĩnh
vực hoạt động khác nhau [9–12] và đã giải quyết các chủ đề khác nhau liên quan đến các
lĩnh vực của cuộc cách mạng công nghiệp. Do đó, việc triển khai các công nghệ thông tin
mới cũng ảnh hưởng đến quy trình và hoạt động của ThS.
Nghiên cứu này nhằm đánh giá mức độ chấp nhận công nghệ AI của các nhân viên kế
toán trong các tổ chức Rumani trong bối cảnh hiện đại hóa và số hóa MA làm nền tảng
cho quá trình ra quyết định. Tính nguyên bản của nghiên cứu của chúng tôi bắt nguồn
từ việc giới thiệu mô hình TAM đã sửa đổi liên quan đến việc chấp nhận các công nghệ
AI của các kế toán viên trong các tổ chức Rumani. Kế toán miễn cưỡng triển khai AIMA
bắt nguồn từ niềm tin rằng việc áp dụng các công nghệ này sẽ dẫn đến sự biến mất của
công việc của họ. Do đó, biết mức độ chấp nhận có thể đưa ra manh mối về cách các tổ
chức có thể tích hợp các công nghệ mới nổi vào MA.
Sau khi giới thiệu chủ đề nghiên cứu, Phần 2 cung cấp một đánh giá về tài liệu.
Phần 3 trình bày thiết kế nghiên cứu. Phần 4 trình bày các kết quả nghiên cứu và Phần 5
thảo luận về các kết quả này phù hợp với các kết quả nghiên cứu khác. Cuối cùng, phần cuối
cùng đưa ra các kết luận chứa hàm ý lý thuyết và thực nghiệm, các giới hạn nghiên cứu và
các cơ hội nghiên cứu trong tương lai.

2. Phê bình văn học

Sau khi nghiên cứu các tài liệu chuyên ngành, chúng tôi đã tìm thấy nhiều bài báo
liên quan đến các kỹ thuật kế toán sẽ được xác định lại và phát minh lại sau khi triển
khai các công nghệ thông tin mới. Báo cáo chung được phát hành bởi hai cơ quan quản lý
kế toán lớn, Hiệp hội Kế toán Công chứng Công chứng (ACCA) và Viện Kế toán Quản lý (IMA),
có tên là “Thuyết Darwin Kỹ thuật số”, đã vạch ra các xu hướng công nghệ có thể ảnh
hưởng đến lĩnh vực MA: công nghệ di động, BD, AI, CC, hệ thống phân phối và thanh toán
kỹ thuật số cũng như thực tế ảo và tăng cường [13]. Trong Forbes, Chandi [14] đã xem xét
các công nghệ hàng đầu có thể ảnh hưởng đến tương lai của MA: CC, tăng tốc tự động hóa
và BC. Ưu điểm của việc sử dụng công nghệ đám mây trong kế toán là đơn giản hóa tài liệu
kế toán, sẵn có ngay lập tức cho người dùng và giảm chi phí vận hành [15]. Các công nghệ
kỹ thuật số có thể nâng cao chất lượng của việc ra quyết định, tăng tính minh bạch và
tốc độ giao tiếp trong nội bộ và giữa các tổ chức, đồng thời loại bỏ dữ liệu không đồng
bộ [14,15]. Công nghệ AI cho phép kế toán tập trung vào các hoạt động có giá trị gia
tăng cao hơn như phân tích và giải quyết vấn đề, ra quyết định, phát triển chiến lược
và lãnh đạo. AI cải thiện năng suất, độ chính xác và hiệu quả, đồng thời giảm chi phí
và thời gian vận hành. AIMA sẽ tạo ra nhiều thông tin phù hợp hơn thông qua học máy bằng
cách cung cấp thông tin kế toán đáng tin cậy [16–
20].
Những thay đổi công nghệ trong MA đã được nghiên cứu rộng rãi, đặc biệt là trong 10
năm qua [21–24], với các nhà nghiên cứu tập trung vào những thách thức của các giải pháp
AI. Công nghệ xác định nhu cầu về một thế hệ kế toán viên chuyên nghiệp mới có kỹ năng
hoạt động trong môi trường ảo mới, tạo ra những thay đổi đáng kể trong vai trò của các
chuyên gia kế toán [25–27]. Nghề kế toán luôn cởi mở với những đổi mới trong công nghệ
thông tin [28], nhưng tiềm năng tối đa của kỹ thuật kế toán chỉ có thể được thực hiện
đầy đủ thông qua một cuộc cách mạng liên quan đến việc triển khai giải pháp AIMA. Các
công nghệ dựa trên AI thay đổi đáng kể hoạt động và vai trò của các chuyên gia trong MA
[4], đòi hỏi các mô hình mới để tạo ra sự hiểu biết về thực tế mới [29,30].
Các cơ quan chuyên môn về kế toán đã đối phó với những thách thức này bằng cách phát triển các
khung năng lực được làm giàu bằng các kỹ năng kỹ thuật số cần thiết trong tương lai cho các chuyên
gia kế toán [31–
33]. Hoạt động kế toán của tất cả các tổ chức sẽ trải qua những giai đoạn kịch tính
Machine Translated by Google

Điện tử 2022, 11, 2256 3 trên 13

những thay đổi do sử dụng các giải pháp AI tích hợp, gây ra sự gián đoạn nhưng mở ra nhiều cơ
hội [34].
Yoon [35] đã nghiên cứu tác động của việc áp dụng công nghệ thông tin mới trong kế toán,
nói rằng chỉ khi kế toán tích hợp những thay đổi công nghệ thì nó mới có thể đáp ứng những
thách thức do khối lượng lớn thông tin và độ phức tạp của chúng gây ra. Sự ra đời của các công
nghệ thông tin mới tạo điều kiện tự động hóa các quy trình kế toán làm tăng tốc độ truy cập
thông tin, tính bảo mật của thông tin này và mức độ minh bạch, loại bỏ sự yếu kém của yếu tố
con người trong một số hoạt động [36]. Nhiều tổ chức đã bắt đầu tích hợp các công cụ MA hiện
đại liên quan đến chuyển đổi kỹ thuật số vào hệ thống thông tin ra quyết định của họ [37]. Do
đó, MA là một thành phần thiết yếu của hệ thống thông tin tổ chức từ góc độ tích hợp [38]. AI
tạo điều kiện cho việc tin học hóa và tự động hóa các quy trình kế toán quản trị thông qua
tốc độ, phản hồi nhanh và nâng cao hiệu quả của lao động kế toán.

Nhiều hoạt động MA sẽ trở nên kết hợp và được thực hiện bởi các nhà quản lý kế toán dựa
trên thông tin do các giải pháp AIMA cung cấp, dẫn đến việc mở rộng sự kết hợp các kỹ năng của
kế toán viên [4]. Ví dụ, bên cạnh kiến thức cơ bản về kế toán và quản lý, phân tích, tổng hợp,
giải quyết vấn đề và giao tiếp [39], kỹ năng công nghệ và CNTT cũng cần thiết [40,41].

AI đại diện cho một công nghệ cho phép dự đoán dựa trên dữ liệu lịch sử hoặc thời gian
thực và cải thiện các mô hình máy học. Công nghệ AIMA đã được sử dụng để thực hiện các phân
tích báo cáo tài chính phức tạp, phát hiện gian lận và dự đoán. Việc chuẩn bị và sửa đổi hồ
sơ kế toán, phân tích dữ liệu và hỗ trợ ra quyết định là những nhiệm vụ mà công nghệ AIMA
có thể đảm nhận đồng thời tăng cường kiểm soát nội bộ để phát hiện gian lận.
Tuy nhiên, kế toán lo sợ rằng AIMA sẽ thay thế yếu tố con người trong kế toán tài chính và
quản lý. Ngược lại, AIMA sẽ tăng khả năng khám phá dữ liệu phức tạp trong thời gian thực và
giúp đưa ra quyết định.
Tài liệu kế toán đã khám phá vấn đề triển khai các công nghệ thông tin mới bằng cách giải
quyết các chủ đề liên quan đến việc áp dụng các công nghệ cụ thể như BC [25,26,42–
46], BD
[3,47], AI [48,49] hoặc vai trò của các chuyên gia trong MA sau khi thực hiện các thay đổi
công nghệ [30,50–
52]. Các giải pháp AIMA có thể tích hợp nhiều mô-đun khác nhau: thu thập dữ
liệu tự động, quản lý chi phí, quản lý ngân sách, phân bổ linh hoạt giữa các trung tâm trách
nhiệm, quản lý đầu ra và báo cáo tài chính.
Nghiên cứu công nghệ thông tin mới trong kế toán trong những thập kỷ gần đây, Abad Segura
et al. [53] đã liên kết các khái niệm mới về phương tiện truyền thông xã hội, BC, BD và AI với
các công nghệ kỹ thuật số mới. Burns và Igou [54] đã thảo luận về những ưu điểm và nhược điểm
của người quản lý trợ lý ảo thông minh, trong khi Zhang [55] giải quyết vấn đề tự động hóa
quy trình thông minh, kết hợp tự động hóa thông minh bằng cách kết hợp AI và các công nghệ vi
tính hóa khác vào các quy trình rô-bốt truyền thống. Cuối cùng, Huang và Vasarhe lyi [56] đã
đề xuất một khuôn khổ để tự động hóa các quy trình bằng robot cho phép kế toán viên và kiểm
toán viên tập trung vào các nhiệm vụ đòi hỏi sự đánh giá chuyên môn.

3. Vật liệu và phương pháp

3.1. Thiết kế nghiên

cứu Để nghiên cứu sự chấp nhận công nghệ AI của các kế toán viên trong các tổ chức ở
Romania trong bối cảnh hiện đại hóa và số hóa MA, chúng tôi đã tiến hành nghiên cứu định
lượng bằng cách phân phối một cuộc khảo sát giữa các kế toán viên Romania. Hình 1 minh họa
quá trình nghiên cứu.
Machine Translated by Google

Điện tử 2022, 11, 2256 4 trên 13

Hình 1. Quy trình nghiên cứu. Nguồn: tự xây dựng.

Bảng câu hỏi sử dụng trong nghiên cứu này được xây dựng dựa trên mô hình chấp nhận công nghệ
(TAM). TAM sử dụng cách tiếp cận lý thuyết hành vi để giải thích quy trình và đánh giá việc áp
dụng công nghệ thông tin [57]. Trong nghiên cứu này, chúng tôi đã nghiên cứu kế toán hành vi [58],
điều tra nhận thức và đặc điểm hành vi sử dụng các giải pháp AIMA của kế toán viên trong các tổ
chức Rumani. TAM, thông qua các chỉ số của nó, đánh giá mức độ chấp nhận các giải pháp công nghệ
trong một lĩnh vực nhất định. Ngoài ra, nó đánh giá ảnh hưởng của một số biến đối với các biến
khác. Chúng tôi đã sử dụng mô hình phương trình cấu trúc (SEM) trong phiên bản bình phương nhỏ
nhất một phần có sẵn trong phần mềm SmartPLS v.3.0 (SmartPLS GmbH, Oststeinbek, Đức).

3.2. phương pháp

Phân tích đường dẫn cho phép kiểm tra các giả thuyết được xây dựng dựa trên tài liệu. SEM
liên quan đến việc xác định các biến tiềm ẩn, không thể quan sát được dựa trên các biến ngoại sinh
và có thể quan sát được , là các mục của bảng câu hỏi được sử dụng trong cuộc khảo sát. Các biến
tiềm ẩn có các biến quan sát được (các mục trong bảng câu hỏi) làm tiền đề. Trong mô hình SEM,
công thức được sử dụng là [59]:
ηi = αη + Bηi + Γξi + ζi (1)

Ở đâu

η, ξ—vectơ biến tiềm ẩn nội sinh và ngoại sinh; B—ma trận các hệ
,
số hồi quy liên quan đến các biến nội sinh tiềm ẩn với nhau; Γ—ma trận các hệ số hồi quy liên hệ
giữa các biến nội sinh với các biến ngoại sinh; ζ—nhiễu; i—các trường hợp trong mẫu.

Các biến tiềm ẩn được liên kết với các biến quan sát như sau:

y = Λyη + ε, (2)

x = Λxξ + δ, (3)

Ở đâu

Λy, Λx—ma trận của hệ số tải; ε, δ—véc

tơ duy nhất. Λ Λ ε δ
Machine Translated by Google

Điện tử 2022, 11, 2256 5 trên 13

Mô hình SEM cho phép định lượng ảnh hưởng giữa các biến tiềm ẩn. Trong nghiên cứu này,
chúng tôi đã phân tích ảnh hưởng của cảm nhận về tính dễ sử dụng và nhận thức về tính hữu ích
đối với ý định hành vi sử dụng trong trường hợp giải pháp AIMA.

3.3. Giả thuyết

TAM được đề xuất bởi Davis [60] vào năm 1985 để đánh giá sự chấp nhận của người sử dụng hệ thống
thông tin. Theo [61], mô hình này đánh giá mức độ ảnh hưởng của các yếu tố bên trong và bên ngoài đến
nhận thức của người dùng. Hai khái niệm cơ bản của TAM, được cải thiện bởi [60], là tính dễ sử dụng
được cảm nhận (PEU) và tính hữu dụng được cảm nhận (PU). Hai cấu trúc chính này đã hình thành cơ sở
của các mô hình cải tiến sau này bằng cách thêm các biến tiền đề vào hai cấu trúc [62,63].
Cả hai cấu trúc đều ảnh hưởng đến ý định hành vi sử dụng các giải pháp AIMA và cuối cùng là việc sử
dụng thực tế. Ví dụ, Venkatesh và Bala [63] đã kết hợp các yếu tố bên trong và bên ngoài của TAM liên
quan đến nhận thức của người dùng như là tiền đề của tính dễ sử dụng (PEU) và tính hữu ích được nhận
thức (PU).
Do đó, chúng tôi đã đưa ra giả thuyết sau đây liên quan đến những ảnh hưởng đến ý định hành vi
sử dụng các giải pháp AIMA:

H1. Có một ảnh hưởng tích cực, đáng kể của PEU và PU đối với ý định hành vi sử dụng các giải pháp AIMA.

PEU là cảm nhận của một cá nhân về sự thiếu nỗ lực trong việc giới thiệu và sử dụng giải pháp
AIMA. PEU dẫn đến ý định hành vi tích cực liên quan đến việc sử dụng AIMA, ảnh hưởng tích cực đến tính
hữu ích được cảm nhận. Trong một TAM được sửa đổi để phù hợp với MA, chúng tôi đã sử dụng các tiền đề
sau của PEU: tính linh hoạt, nhanh chóng, tùy chỉnh và sự thích thú.
PU là nhận thức về mức độ cải thiện hiệu suất. PEU cũng dẫn đến ý định hành vi tích cực liên quan
đến AIMA, một cấu trúc quan trọng ảnh hưởng đến nhận thức của người dùng [61–
63]. Trong TAM đã sửa đổi
của chúng tôi để thích ứng với MA, chúng tôi đã sử dụng các tiền đề sau của PU: đổi mới, tiện lợi, chi
phí và tính thông tin.

Theo đó, chúng tôi đã đưa ra giả thuyết sau về những ảnh hưởng đối với PEU và PU:

H2. Trong số các tiền đề của PEU và PU, yếu tố quyết định quan trọng nhất là sự nhanh chóng và đổi mới.

Thái độ hành vi đối với việc sử dụng đánh giá mức độ quan tâm của người dùng đối với việc
sử dụng các giải pháp AIMA [60]. Ý định hành vi sử dụng các giải pháp AIMA mô tả mong muốn của
các chuyên gia MA để thực hiện các hoạt động và quy trình với sự trợ giúp của các giải pháp
AIMA này. Thái độ hành vi đối với việc sử dụng và ý định hành vi sử dụng các giải pháp này có

ảnh hưởng tích cực đến ý định hành vi [57]. Thực tế sử dụng đánh giá mức độ sử dụng của các
giải pháp AIMA. Ý định hành vi của người dùng ảnh hưởng đến việc sử dụng thực tế. Ngoài mô hình

cổ điển, chúng tôi đã thêm sự hài lòng của người dùng đã tuyên bố. Sự hài lòng này phát sinh từ

việc sử dụng các giải pháp AIMA và ảnh hưởng đến việc tiếp tục sử dụng các công nghệ này cũng
như ý định hành vi trong tương lai của người dùng.

Do đó, chúng tôi đã xây dựng các giả thuyết sau đây liên quan đến ảnh hưởng đến
ý định hành vi, sử dụng thực tế và sự hài lòng của người dùng:

H3. Ý định hành vi sử dụng các giải pháp AIMA có ảnh hưởng tích cực, đáng kể đến việc sử dụng các giải
pháp AIMA trên thực tế.

H4. Sự hài lòng của người dùng có ảnh hưởng tích cực, đáng kể đến ý định hành vi trong tương lai và
việc sử dụng các giải pháp AIMA.

Hình 2 minh họa mô hình nghiên cứu lý thuyết. TAM liên quan đến việc đánh giá ý định hành
vi sử dụng công nghệ AI trong MA, bắt đầu từ tiền đề (đặc điểm của các công nghệ AI được sử
dụng trong MA). Những tiền đề này xác định hai biến tiềm ẩn, PU và PEU, ảnh hưởng đến ý định
hành vi sử dụng AIMA. Ngoài ra, mô hình giới thiệu ảnh hưởng của sự hài lòng của người dùng đến
ý định hành vi sử dụng công nghệ, ảnh hưởng đến việc sử dụng thực tế.
Machine Translated by Google

Điện tử 2022, 11, 2256 6 trên 13

Hình 2. Mô hình lý thuyết. Nguồn: xây dựng của tác giả dựa trên [57,59–
62].

3.4. Bảng câu hỏi

Chúng tôi đã thu thập ý kiến của kế toán từ các tổ chức Rumani thực hiện
Giải pháp AIMA sử dụng bảng câu hỏi có cấu trúc để kiểm tra mô hình lý thuyết đề xuất
và bốn giả thuyết. Bảng câu hỏi chứa các biến bên ngoài của biến
TÂM như vật dụng. Bảng câu hỏi được hoàn thành trực tuyến bởi 396 kế toán làm việc tại MA.
Chúng tôi đã sử dụng thang đo Likert với năm cấp độ để tạo điều kiện cho việc khái quát hóa dữ liệu. Bảng 1 cho thấy

cấu trúc bảng câu hỏi, các mục và các thang đo.

Bảng 1. Thiết kế bảng câu hỏi (cấu trúc và mục).

Biến Mặt hàng Quy mô

Giới tính Nam (1), Nữ (2)

biến nhân khẩu học
Tuổi 18–30 tuổi (1), 31–45 tuổi (2), 46–
65 tuổi (3)

đổi mới

Sự tiện lợi
PU
Trị giá

thông tin
1 đến 5 (1—không quan trọng, 5—quan trọng nhất)
tùy biến

Uyển chuyển
PEU
nhanh chóng

Sự hưởng thụ

Thái độ đối với việc sử dụng 1 đến 5 (1—rất kém, 5—rất tốt)
Ý định hành vi
Ý định sử dụng 1 đến 5 (1—rất nhỏ, 5—rất cao)

sử dụng thực tế Mức độ sử dụng 1 đến 5 (1—tối thiểu, 5—phạm vi tối đa)

Sự hài lòng của người dùng Sự hài lòng đã nêu Trên thang điểm từ 1 đến 5 (1—rất nhỏ, 5—rất cao)

Nguồn: xây dựng của tác giả dựa trên [57,59–62].

Machine Translated by Google

Điện tử 2022, 11, 2256 7 trên 13

PU, PEU, ý định hành vi, sử dụng thực tế và sự hài lòng của người dùng là các biến tiềm ẩn trong

TAM sửa đổi. Bảng 2 trình bày các số liệu thống kê mô tả đặc trưng cho yếu tố ngoại sinh
các biến được sử dụng trong bảng câu hỏi.

Bảng 2. Thống kê mô tả.

tối thiểu tối đa Nghĩa là Tiêu chuẩn độ lệch độ lệch gai nhọn

Giới tính 1 2 1,46 0,499 0,142 1,990

Tuổi 1 3 2,04 0,752 0,066 1,225

đổi mới 1 5 3,70 0,881 0,094 0,564
Sự tiện lợi 2 5 3,95 0,850 0,461 0,428
Trị giá 1 5 3,99 0,863 0,608 0,003
thông tin 2 5 3,87 0,838 0,372 0,423
tùy biến 1 5 3,81 0,941 0,526 0,388

Uyển chuyển 2 5 4.03 0,957 0,608 0,676

nhanh chóng 2 5 3,82 0,993 0,388 0,912

Sự hưởng thụ 2 5 3,72 0,975 0,145 1,033

Thái độ đối với việc sử dụng 1 5 3,55 0,968 0,095 0,815

Ý định sử dụng 1 5 3,82 0,881 0,484 0,179
Mức độ sử dụng 1 5 3,27 1.325 0,187 1.119
Sự hài lòng đã nêu 1 5 3,86 0,949 0,428 0,594

Nguồn: xây dựng của tác giả sử dụng SPSS v.20 (SPSS Inc., Chicago, IL, USA).

4. Kết quả

Để kiểm tra mô hình lý thuyết, chúng tôi đã sử dụng phần mềm SmartPLS v3.0 (SmartPLS GmbH,
Oststeinbek, Đức), cho phép áp dụng SEM trong bình phương tối thiểu một phần
biến thể trên các biến mô hình. Giai đoạn nghiên cứu đầu tiên trong SEM là xác minh
của các tải của các biến ngoại sinh làm cơ sở cho việc xây dựng các biến tiềm ẩn
các biến phải đáp ứng tiêu chí tải trên 0,7 [59]. Hình 3 cho thấy
áp dụng mô hình lý thuyết thu được từ việc áp dụng SEM. Các biến tiềm ẩn
tính hữu ích được cảm nhận và tính dễ sử dụng được cảm nhận (có các đặc điểm trước đó của
giải pháp AIMA), ảnh hưởng đến ý định hành vi sử dụng AIMA của kế toán viên. Ngươi mâu
nhấn mạnh ảnh hưởng của ý định hành vi sử dụng AIMA đối với việc sử dụng thực tế và
ảnh hưởng của sự hài lòng của người dùng đến ý định hành vi.

Hình 3. Mô hình thực nghiệm. Nguồn: xây dựng của tác giả sử dụng SmartPLS v3.0 (SmartPLS GmbH,

Oststeinbek, Đức).

Mô hình có độ giá trị và độ tin cậy tuyệt vời, với Cronbach's alpha và composite
hệ số độ tin cậy ghi giá trị trên 0,8. Ngoài ra, phương sai trung bình được trích xuất
(AVE) hệ số ghi giá trị trên 0,6 (Bảng 3).
Machine Translated by Google

Điện tử 2022, 11, 2256 8 trên 13

Bảng 3. Giá trị và độ tin cậy.

Hệ số Cronbach alpha Độ tin cậy tổng hợp AVE

sử dụng thực tế 1.000 1.000 1.000

Ý định hành vi 0,797 0,907 0,830

dễ sử dụng 0,872 0,912 0,723

hữu ích 0,821 0,882 0,651
Sự hài lòng của người dùng 1.000 1.000 1.000

Nguồn: xây dựng của tác giả sử dụng SmartPLS v3.0 (SmartPLS GmbH, Oststeinbek, Đức).

Đối với thực tế sử dụng và sự hài lòng của người sử dụng, các chỉ số độ tin cậy và hiệu lực có giá trị

của 1.000 bởi vì hai biến tiềm ẩn này chỉ có một biến ngoại sinh là tiền đề.
Điều tra tính hợp lệ của phân biệt khi xem xét tiêu chí Fornell–
Larcker
(Bảng 4), chúng tôi thấy rằng mô hình là hợp lệ [63]. Ngoài ra, mô hình phù hợp rất xuất sắc , với
SRMR là 0,072 và NFI 0,928.

Bảng 4. Giá trị phân biệt.

hành vi người dùng

Sử dụng thực tế Dễ sử dụng
Chủ đích Sự hài lòng

sử dụng thực tế 1.000

hành vi
0,872 0,911
chủ đích

dễ sử dụng 0,880 0,852 0,850

hữu ích 0,779 0,758 0,656 0,807
Người dùng
0,887 0,846 0,841 0,742 1.000
sự hài lòng

Nguồn: xây dựng của tác giả sử dụng SmartPLS v3.0 (SmartPLS GmbH, Oststeinbek, Đức).

Phân tích các chỉ số tải của các tiền đề của PU và PEU, như thể hiện trong
Hình 2, các yếu tố quyết định quan trọng nhất là sự nhanh chóng (với tải 0,863) và đổi mới (với tải
0,833), đã xác nhận giả thuyết H2.
Chạy quy trình khởi động trong SmartPLS 3.0 (SmartPLS GmbH, Oststeinbek,
Đức), chúng tôi đã xác định các hệ số đường dẫn trong TAM đã sửa đổi cho AIMA (Bảng 5).

Bảng 5. Hệ số đường dẫn.

Mẫu ban đầu Thống kê T Giá trị p Quảng trường F

Ý định hành vi ->

0,428 11.230 0.000 0,325
Thực tế sử dụng (H3)

Dễ sử dụng -> Hành vi

0,452 11.645 0.000 0,317
ý định (H1)
Hữu ích -> Hành vi
0,257 8.182 0.000 0,157
ý định (H1)
Sự hài lòng của người dùng ->
0,525 13.822 0.000 0,489
Thực tế sử dụng (H4)
Sự hài lòng của người dùng ->
0,275 6.454 0.000 0,193
Ý định hành vi (H4)

Nguồn: xây dựng của tác giả sử dụng SmartPLS v3.0 (SmartPLS GmbH, Oststeinbek, Đức).

Sau khi phân tích các hệ số đường dẫn (với các giá trị trên 0,2), thống kê t (với
giá trị trên 6) và giá trị p (với giá trị 0,000), chúng tôi kết luận rằng các giả thuyết H1,
H3 và H4 đã được xác nhận. PEU và PU ảnh hưởng đáng kể đến ý định hành vi đối với

sử dụng các giải pháp AIMA, điều này ảnh hưởng tích cực đáng kể đến việc sử dụng thực tế. Sự hài lòng của người dùng

có ảnh hưởng trung bình đến ý định hành vi và có ảnh hưởng tích cực, đáng kể đến
việc sử dụng các giải pháp AIMA trong tương lai. Chỉ báo phản ánh hiệu ứng kích thước (F vuông) cũng có

một giá trị đáng kể cho tất cả các mối quan hệ được nghiên cứu (trên 0,15 theo [58]).
Machine Translated by Google

Điện tử 2022, 11, 2256 9 trên 13

5. Thảo luận

Các cơ hội do công nghệ thông tin mới nổi tạo ra mang lại nhiều lợi ích tiềm năng trong
việc đánh giá sự phù hợp, phân tích và trình bày thông tin ra quyết định [29]. Các công nghệ
như BD, BC và AI cũng tạo ra nhiều cơ hội, giải phóng các chuyên gia MA khỏi các hoạt động
thường ngày và cho phép họ thực hiện các hoạt động có giá trị gia tăng cao [49]. Ví dụ, Liu et
al. [64] đã xác định nhiều cơ hội công nghệ BC , bao gồm kế toán đóng vai trò là người lập kế
hoạch và điều phối viên của những người tham gia BC tiềm năng hoặc đóng vai trò là quản trị
viên.
Một trong những rủi ro do triển khai các công nghệ thông tin mới trong MA được xác định
bởi nhiều nhà nghiên cứu [54,65] là sự sẵn có của nguồn nhân lực để thích ứng với các kỹ thuật
kế toán mới. Do đó, việc đánh giá cảm nhận của người dùng về các AIMA này để có các giải pháp
là rất quan trọng. Để đánh giá nhận thức của người dùng về việc chấp nhận các giải pháp AIMA,
chúng tôi đã xây dựng một mô hình lý thuyết dựa trên TAM và đưa ra bốn giả thuyết, sử dụng
biến thể bình phương tối thiểu một phần SEM để thử nghiệm.
Sau cuộc điều tra của chúng tôi, giả thuyết H1 đã được xác nhận. Nhận thức về PEU
càng tích cực thì ý định hành vi sử dụng các giải pháp AIMA càng mạnh mẽ. PU có tác
động đáng kể đến ý định hành vi sử dụng các giải pháp AIMA. Giả thuyết H2 được khẳng
định là đúng. Sự nhanh chóng và đổi mới có ảnh hưởng đáng kể nhất trong số các tiền
thân của PEU và PU. Trong số các tiền đề của PU, sự đổi mới, tiện lợi, chi phí và tính
thông tin có ảnh hưởng đáng kể nhất. Trong số các tiền thân của PEU, tốc độ thực hiện
các hoạt động nhanh chóng bằng cách sử dụng các giải pháp AIMA, tiếp theo là tính linh
hoạt, khả năng tùy chỉnh và sự thích thú, đã gây ra ảnh hưởng đáng kể nhất.
Việc thử nghiệm giả thuyết H3 đã dẫn đến sự xác nhận của nó. Sau khi phân tích SEM, chúng
tôi nhận thấy tác động đáng kể của ý định hành vi sử dụng các giải pháp AIMA đối với việc sử dụng
thực tế. Ý định hành vi cao tương ứng với mức độ sử dụng thực tế cao. Nhận thức ban đầu được
hình thành trong quá trình sử dụng đã dẫn đến việc sử dụng các giải pháp AIMA chuyên sâu hơn. Sự
hài lòng của các chuyên gia MA sau khi sử dụng đã dẫn đến sự gia tăng trong việc sử dụng trong
tương lai và ý định hành vi sử dụng các giải pháp AIMA tăng lên.

Dựa trên kết quả nghiên cứu của chúng tôi, chúng tôi khẳng định rằng sự đổi mới của công
nghệ AI làm thay đổi môi trường làm việc của MA. AI có thể được sử dụng cho các tác vụ đơn giản
và lặp đi lặp lại, đảm bảo các tác vụ nhanh hơn. Các hoạt động liên quan đến khối lượng dữ
liệu lớn và tốn nhiều thời gian đã được tự động hóa tạo điều kiện thuận lợi. Do MA không được
bao gồm trong hệ thống kế toán bắt buộc, nên khả năng triển khai các giải pháp AIMA sẽ cao
hơn. AI có thể cải thiện chất lượng của các quyết định phân bổ vốn hoặc nguồn lực của một tổ
chức bằng cách cho phép dự đoán dựa trên nhiều kịch bản phức tạp [66]. AIMA đã tạo ra những
lợi ích hữu hình đáng kể trong việc nâng cao kỹ năng thu thập, xử lý và giải thích dữ liệu
phức tạp của kế toán viên. Tuy nhiên, cho đến khi AI có những tính năng tương đương trí tuệ
con người, các quyết định của AI phải minh bạch và được kiểm soát bởi yếu tố con người để đảm
bảo tính chính xác và công bằng.

Trong khi kế toán tài chính và kiểm toán liên quan đến việc phân tích dữ liệu lịch sử,
thì kế toán quản trị hướng đến tương lai, cung cấp thông tin cần thiết để đưa ra các quyết
định. Các tính năng này tạo điều kiện thuận lợi cho việc sử dụng AI, BD và BC cho MA để quản
lý những thay đổi nhanh chóng trong môi trường cạnh tranh toàn cầu và sự không chắc chắn.
Trong tương lai, kế toán quản trị phải làm quen với công nghệ thông tin giao diện. Nhược điểm
của việc sử dụng AIMA bao gồm mở rộng quy trình ra quyết định do khám phá tập hợp dữ liệu rộng
hơn, chi phí giải pháp AIMA rất cao và các kỹ năng CNTT cần thiết để cập nhật và bảo trì phần
mềm.

Agrawal và cộng sự. [67] cho thấy thông tin được cung cấp bởi các giải pháp AIMA làm giảm
sự không chắc chắn, cho phép yếu tố con người đưa ra các đánh giá có giá trị. Tuy nhiên, các
công nghệ thông tin mới không thể thay thế các đặc điểm nguồn nhân lực dành riêng cho MA. Ví dụ,
trí thông minh sáng tạo và ý tưởng mới rất khó bị thay thế bởi các công nghệ AI, ít nhất là trong
tình trạng hiện tại. AI là một công nghệ mới nổi được sử dụng chủ yếu cho các hoạt động thường
ngày, lặp đi lặp lại mà không cần sự đổi mới của con người [48]. Cùng với các công nghệ khác (ví
dụ: BC, BD, CC), AI có thể giúp tự động hóa các hoạt động trong nghề kế toán [49].
Machine Translated by Google

Điện tử 2022, 11, 2256 10 trên 13

6. Kết luận

Cuộc cách mạng công nghệ 4.0 đã nhấn mạnh nhu cầu hợp tác giữa con người và máy móc để cải thiện tốc độ

và chất lượng của các quyết định [68]. Những phát triển này đã dẫn đến việc triển khai các giải pháp AIMA, vì

MA là hỗ trợ chính cho kiểm soát nội bộ và ra quyết định trong một tổ chức.

Việc triển khai các giải pháp AIMA là một quy trình không thể tránh khỏi sẽ tác động đáng kể đến hệ

thống thông tin của MA, kỹ thuật kế toán và các kỹ năng cần thiết của các chuyên gia trong MA. Nghiên cứu này

nhằm phân tích và đánh giá mức độ chấp nhận công nghệ trí tuệ nhân tạo của nhân viên kế toán tại các tổ chức

của Rumani trong bối cảnh hiện đại hóa và số hóa MA. Để đạt được mục đích nghiên cứu, chúng tôi tiến hành

nghiên cứu định lượng thông qua điều tra dựa trên bảng câu hỏi. Sử dụng mô hình chấp nhận AIMA, chúng tôi đã

thử nghiệm bốn giả thuyết được hình thành bằng cách sử dụng mô hình phương trình cấu trúc.

6.1. Ý nghĩa thực nghiệm và quản lý

Chúng tôi nhận thấy thái độ tích cực và ý định cao trong việc sử dụng các công nghệ này trong MA

sau khi áp dụng TAM sửa đổi liên quan đến các giải pháp AIMA. Các ưu điểm được cung cấp (đổi mới, nhanh

chóng, tùy biến) vượt trội so với các nhược điểm (nhu cầu nâng cao trình độ kỹ năng CNTT, mất việc làm

cho nguồn nhân lực trong MA, chi phí ban đầu cao), khiến các giải pháp AIMA mở rộng số lượng hoạt động

ngày càng tăng và quy trình của Th.S. Hơn nữa, sự hài lòng của các chuyên gia kế toán quản trị tác động

tích cực đến việc sử dụng trong tương lai và ý định hành vi sử dụng các công nghệ này trên quy mô lớn.

Kết quả nghiên cứu của chúng tôi có ý nghĩa quản lý sâu sắc. Biết được sự chấp nhận các công nghệ mới

của các kế toán viên chuyên nghiệp có thể giúp các nhà quản lý thiết lập các chiến lược tích hợp các công nghệ

mới nổi trong MA. TAM cho phép các nhà quản lý biết những đặc điểm họ cần để thuyết phục kế toán chấp nhận

việc tích hợp AI vào MA dễ dàng hơn.

6.2. Ý nghĩa lý thuyết Sự phát

triển nhanh chóng của các công nghệ dựa trên AI đã dẫn đến nhiều thay đổi trong kế toán. Đầu tiên, các

giải pháp dựa trên AIMA cho phép loại bỏ tất cả các công việc lặp đi lặp lại, dành nhiều thời gian hơn cho các

chuyên gia cho các hoạt động có giá trị gia tăng cao. Ngoài việc cung cấp thông tin cần thiết để hỗ trợ các

quyết định quản lý, giải pháp AIMA cung cấp các phương án thay thế quyết định hoặc đưa ra quyết định nếu chúng

mang tính chất vận hành hoặc lặp đi lặp lại. Vai trò của yếu tố con người là kiểm soát độ tin cậy của các quyết

định này dựa trên lập trình để chẩn đoán [69] và học máy [70]. Khi công nghệ AI phát triển, các quyết định cấp

cao hơn (chiến thuật hoặc thậm chí là chiến lược) được đưa ra dựa trên các giải pháp do công nghệ dựa trên AI

cung cấp.
Nghiên cứu này cho thấy rằng việc triển khai các giải pháp AIMA kỹ thuật số mang lại nhiều tùy chọn

cho người quản lý, cải thiện việc sử dụng thông tin kế toán và tương đối dễ sử dụng.

Tự động hóa các hoạt động thường ngày và giảm lỗi là những lợi thế chắc chắn của việc sử dụng AIMA. Những

lợi ích này tạo thêm thời gian cho các nhà quản lý kế toán để đánh giá hiệu quả và hiệu quả của các quyết

định, cho phép họ cung cấp nhiều dịch vụ giá trị gia tăng hơn. Ngoài ra, AIMA có thể thực hiện một phần

lớn các hoạt động kế toán (chủ yếu là thông thường) và tạo ra lợi thế cạnh tranh cho tổ chức. Do đó, các

kỹ năng kỹ thuật số của các nhà quản lý trong MA phải đan xen với các kỹ năng quản lý và kế toán. AI góp

phần dân chủ hóa chuyên môn kế toán, cung cấp cho kế toán viên các công cụ để tiến hành phân tích kế toán

chuyên sâu, ngay cả khi khả năng thực hành của họ còn hạn chế.

6.3. Hạn chế và nghiên cứu thêm

Một trong những hạn chế chính của nghiên cứu của chúng tôi là mẫu không thể được khái quát hóa cho

dân số lớn hơn. Đối với chiến lược lấy mẫu, chúng tôi đã sử dụng một phương pháp ngẫu nhiên, với đối

tượng mục tiêu bao gồm các chuyên gia về MA hiện đang sử dụng một ứng dụng AI cụ thể trong hoạt động của

họ. Mặc dù chiến lược nghiên cứu ngang này khuyến khích khả năng nhân rộng và khả năng so sánh trong các

nghiên cứu trong tương lai, nhưng chúng tôi đã không nắm bắt được những thay đổi trong nhận thức của người dùng
Machine Translated by Google

Điện tử 2022, 11, 2256 11 trên 13

theo thời gian như một nghiên cứu theo chiều dọc. Nghiên cứu liên ngành tiếp theo với
các mẫu khác nhau (kế toán, nhà phân tích, nhà quản lý) có thể cung cấp thông tin có
giá trị về việc sử dụng AIMA . Ngoài ra, khi triển khai AI trong nghiên cứu MA mở rộng,
mô hình có thể kết hợp các biến tiền đề khác. Do đó, các tiền đề được xem xét trong
TAM có thể được tùy chỉnh theo các tính năng của công nghệ AI được sử dụng trong MA.

Kinh phí: Nghiên cứu này không nhận được tài trợ từ bên ngoài.

Tuyên bố của Ủy ban Đánh giá Thể chế: Không áp dụng.

Tuyên bố đồng ý có hiểu biết: Không áp dụng.

Tuyên bố về tính khả dụng của dữ liệu: Không áp dụng.

Xung đột lợi ích: Tác giả tuyên bố không có xung đột lợi ích.

Người giới thiệu

1. Jasim, YA; Raewf, Tác động của Công nghệ Thông tin MB đối với Hệ thống Kế toán. Đại học Cihan J. Nhân đạo. Sóc. Khoa học. 2020,

4, 50–
57. [Tham khảo chéo]

2. Quattrone, P. Kế toán quản trị chuyển sang kỹ thuật số: Liệu chuyển đổi này có làm cho nó trở nên khôn ngoan hơn? quản lý. Tài khoản. độ phân giải 2016, 31, 118–
122.

[Tham khảo chéo]

3.
Richins, G.; Stapleton, A.; Stratopoulos, T.; Wong, C. Phân tích dữ liệu lớn: Cơ hội hay mối đe dọa đối với nghề kế toán? J.
thông tin liên lạc hệ thống. 2017, 31, 63–
79. [Tham khảo chéo]

4. Moll, J.; Yigitbasioglu, O. Vai trò của các công nghệ liên quan đến internet trong việc định hình công việc của kế toán: Hướng đi mới cho

nghiên cứu kế toán. anh Tài khoản. Rev. 2019, 51, 100833. [CrossRef]

5. Damerji, H.; Salimi, A. Tác động trung gian của nhận thức sử dụng đối với sự sẵn sàng của công nghệ và việc áp dụng trí tuệ nhân tạo trong kế toán. Tài khoản. giáo dục

2021, 30, 107–130. [Tham khảo chéo]

6. Gonçalves, MJA; da Silva, ACF; Ferreira, CG Tương lai của kế toán: Chuyển đổi kỹ thuật số sẽ tác động đến lĩnh vực này như thế nào?

Tin học 2022, 9, 19. [CrossRef]

7. Korhonen, T.; Selos, E.; Laine, T.; Suomala, P. Khám phá khả năng lập trình của công việc kế toán quản trị để tăng

tự động hóa: Một nghiên cứu trường hợp can thiệp. Tài khoản. Kiểm toán. Tài khoản. J. 2020, 34, 253–
280. [Tham khảo chéo]

8. Bromwicha, M.; Scapens, RW Nghiên cứu kế toán quản lý: 25 năm trôi qua. quản lý. Tài khoản. độ phân giải 2016, 31, 1–9. [Tham khảo chéo] 9.

Piccarozzi, M.; Aquilani, B.; Gatti, C. Công nghiệp 4.0 trong nghiên cứu quản lý: Tổng quan tài liệu có hệ thống. Tính bền vững 2018, 10, 3821. [CrossRef]

10. Milian, Đặc khu kinh tế; Spinola, MDM; De Carvalho, MM Fintech: Đánh giá tài liệu và chương trình nghiên cứu. điện tử. thương mại. độ phân giải ứng dụng
2019, 34, 100833. [CrossRef]

11. Arundel, A.; Bloch, C.; Ferguson, B. Thúc đẩy đổi mới trong khu vực công: Gắn đo lường đổi mới với chính sách

bàn thắng. độ phân giải Chính sách 2019, 48, 789–798. [Tham khảo chéo]

12. Rikhardsson, P.; Yigitbasioglu, O. Kinh doanh thông minh & phân tích trong nghiên cứu kế toán quản trị: Hiện trạng và trọng tâm trong tương lai.

quốc tế J. Tài khoản. thông tin liên lạc hệ thống. 2018, 29, 37–
58. [Tham khảo chéo]

13. ACCA/IMA. Thuyết Darwin kỹ thuật số: Phát triển mạnh khi đối mặt với sự thay đổi của công nghệ. Có sẵn trực tuyến: https://www.accaglobal.com/ trong/vi/hoạt động kỹ

thuật/tìm kiếm tài nguyên kỹ thuật/2013/tháng mười/digital-darwinism.html (truy cập ngày 28 tháng 3 năm 2022).

14. Chandi, N. Xu hướng kế toán trong tương lai: Những điều bạn cần biết. Forbes, 2018, 13A. Có sẵn trực tuyến: https://www.forbes. com/sites/forbestechcouncil/2018/09/13/

accounting-trends-of-tomorrow-what-you-need-to-know/?sh=34f5fb94283b (kết thúc vào ngày 28 tháng 3 năm 2022).

15. Ionescu, B.; Ionescu, tôi.; Bendovschi, A.; Tudoran, L. Kế toán truyền thống so với kế toán đám mây. Trong Kỷ yếu của Hội nghị quốc tế lần thứ 8 Hệ thống thông tin quản

lý và kế toán, Bucharest, Romania, 12–13 tháng 6 năm 2013; trang 106–

125.

16. Christauskas, C.; Misevicience, R. Kế toán dựa trên điện toán đám mây cho doanh nghiệp vừa và nhỏ. Inz. Ekon. Tiếng Anh kinh tế.
2012, 23, 14–21. [Tham khảo chéo]

17. Phillips, BA Điện toán đám mây sẽ thay đổi kế toán mãi mãi như thế nào. 2012. Có sẵn trực tuyến: https://docplayer.net/2537016-

How-the-cloud-will-change-accounting-forever.html (truy cập ngày 16 tháng 2 năm 2022).

18. An, S.; Jung, HR Một nghiên cứu về vai trò của công chức trong kế toán chính quyền địa phương. Tài khoản Chính phủ Hàn Quốc. Bản sửa đổi 2018,

16, 67–91. [Tham khảo chéo]

19. Bauguess, S. Vai trò của dữ liệu lớn, học máy và trí tuệ nhân tạo trong việc đánh giá rủi ro: Quan điểm pháp lý. Trong bài phát biểu quan trọng về rượu sâm banh ;

Ủy ban Chứng khoán và Hối đoái: New York, NY, USA, 2017. Có sẵn trực tuyến: https://www.sec.gov/news/speech/ bauguess-big-data-ai (truy cập ngày 21 tháng 4 năm

2022).

20. Cho, JS; An, S.; Jung, W. Tác động của trí tuệ nhân tạo đối với thị trường kiểm toán. Tài khoản Hàn Quốc. J. 2018, 27, 289–
330. [Tham khảo chéo]
21. Belfo, FP; Trigo, A. Hệ thống thông tin kế toán: Truyền thống và định hướng tương lai. Thủ tục Technol. 2013, 9, 536–546.

[Tham khảo chéo]

Machine Translated by Google

Điện tử 2022, 11, 2256 12 trên 13

22. Taipaleenmäki, J.; Ikäheimo, S. Về sự hội tụ của kế toán quản trị và kế toán tài chính—Vai trò của thông tin

công nghệ trong thay đổi kế toán. quốc tế J. Tài khoản. thông tin liên lạc hệ thống. 2013, 14, 321–
348. [Tham khảo chéo]

23. Arnold, V. Môi trường công nghệ đang thay đổi và tương lai của nghiên cứu hành vi trong kế toán. Tài khoản. tài chính. 2018,
58, 315–
339. [Tham khảo chéo]

24. Dos Santos, BL; ngọt ngào, R.; Ferreira, MM; Altoé, SML Profissäo contábil em tempos de mudança: Implicaçôes do avanço tecnológico nas atividades in a escritorio de

contabilidade. Linh mục Contab. Điều khiển. 2020, 11, 113–

133. [Tham khảo chéo]

25. Schmitz, J.; Leoni, G. Kế toán và Kiểm toán tại thời điểm Công nghệ chuỗi khối: Chương trình nghiên cứu. Aust. Tài khoản. Mục sư
2019, 29, 331–342. [Tham khảo chéo]

26. George, K.; Patatoukas, PN Sự phát triển chuỗi khối và cuộc cách mạng kế toán. 2020. Có sẵn trực tuyến: https://ssrn.com/

trừu tượng=3681654 (truy cập ngày 7 tháng 4 năm 2022).

27. Secinaro, S.; Calandra, D.; Biacone, P. Blockchain, ủy thác và kế toán ủy thác: Công nghệ chuỗi khối có thể thay thế niềm tin được tạo bởi các bên trung gian trong kế

toán ủy thác không? Một kỳ thi lý thuyết. quốc tế J. Quản lý. Thực hành. 2021, 14, 129–145. [Tham khảo chéo]

28. Carlin, T. Blockchain và Hành trình vượt ra khỏi mục nhập kép. Aust. Tài khoản. Rev. 2019, 29, 305–311. [Tham khảo chéo]

29. Marrone, M.; Hazelton, J. Tiềm năng đột phá và biến đổi của các công nghệ mới dành cho kế toán, nhân viên kế toán và trách nhiệm giải trình: Đánh giá tài liệu hiện tại

và kêu gọi nghiên cứu thêm. y tế. Tài khoản. độ phân giải 2019, 27, 677–694. [Tham khảo chéo]

30. Kroon, N.; Alves, MdC; Martins, I. Tác động của các công nghệ mới nổi lên vai trò và kỹ năng của kế toán viên: Kết nối với đổi mới mở—Một đánh giá tài liệu có hệ thống.

J. Đổi mới mở. công nghệ. Đánh dấu. Tổ hợp. 2021, 7, 163. [CrossRef]

31. Liên đoàn Kế toán Quốc tế; Hiệp hội các kỹ thuật viên kế toán. Khung năng lực minh họa cho kỹ thuật viên kế toán; Liên đoàn Kế toán Quốc tế: New York, NY, USA; Hiệp hội

Kỹ thuật viên Kế toán: London, Vương quốc Anh, 2019.

32. Viện Kế toán quản trị. Khung năng lực kế toán quản trị IMA; Viện kế toán quản trị:
Trâu, NY, Hoa Kỳ, 2019; trang 1–
48.

33. Hiệp hội kế toán viên công chứng. Sẵn sàng cho tương lai: Nghề kế toán trong những năm 2020; Hiệp hội chứng nhận điều lệ
Kế toán: London, Vương quốc Anh, 2020; trang 1–
72.

34. Demirkan, S.; Demirkan, tôi.; McKee, A. Công nghệ chuỗi khối trong tương lai của an ninh mạng doanh nghiệp và kế toán. J. Quản lý.
hậu môn. 2020, 7, 189–
208. [Tham khảo chéo]

35. Yoon, S. A Study on the Transformation of Accounting Based on New Technologies: Evidence from Korea. bền vững 2020,

12, 8669. [CrossRef]

36. Yùksel, F. Chương trình giảng dạy về tính bền vững trong kế toán của các cơ sở giáo dục đại học Thổ Nhĩ Kỳ. Thổ Nhĩ Kỳ. Trực tuyến J. Qual. câu hỏi 2020,

11, 393M16. [Tham khảo chéo]

37. Berikol, BZ; Killi, M. Ảnh hưởng của quá trình chuyển đổi kỹ thuật số đối với nghề kế toán và đào tạo kế toán. Về Đạo đức và Tính bền vững trong Kế toán và Tài chính;

Çaliyurt, KT, Ed.; Springer: Singapore, 2021; Tập II, trang 219–231. [Tham khảo chéo]

38. Stoica, OC; Ionescu-Feleagă, L. Số hóa trong Kế toán: Đánh giá tài liệu có cấu trúc. Trong Kỷ yếu của Hội nghị quốc gia lần thứ 4 về Kinh tế và Khoa học xã hội: Khả năng

phục hồi và trí tuệ kinh tế thông qua số hóa và phân tích dữ liệu lớn, Sciendo, Bucharest, Romania, ngày 10–
11 tháng 6 năm 2021; trang 453–464. [Tham khảo chéo]

39. Howieson, B. Thực hành kế toán trong thiên niên kỷ mới: Giáo dục kế toán đã sẵn sàng để đáp ứng thách thức chưa? anh Tài khoản. Mục sư
2003, 35, 69–103. [Tham khảo chéo]

40. Chảo, G.; Seow, P.-S. Chuẩn bị sinh viên tốt nghiệp kế toán cho cuộc cách mạng kỹ thuật số: Đánh giá quan trọng về công nghệ thông tin có thẩm quyền

phát triển trí tuệ và kỹ năng. J. Giáo dục. Xe buýt. 2016, 91, 166–175. [Tham khảo chéo]

41. Schmidt, PJ; Riley, J.; Church, KS Điều tra sự phản kháng của các kế toán viên trong việc vượt ra ngoài Excel và áp dụng Công nghệ phân tích dữ liệu mới . Tài khoản. chân

trời. 2020, 34, 165–

180. [Tham khảo chéo]

42. Fullana, O.; Ruiz, J. Hệ thống thông tin kế toán trong kỷ nguyên chuỗi khối. 2020. Có sẵn trực tuyến: https://ssrn.com/abstract=35

17142 (truy cập ngày 17 tháng 4 năm 2022).

43. Kokina, J.; Mancha, R.; Pachamanova, D. Blockchain: Việc áp dụng ngành công nghiệp mới nổi và ý nghĩa đối với kế toán. J. Nổi lên.
công nghệ. Tài khoản. 2017, 14, 91–100. [Tham khảo chéo]

44. Yu, T.; Lin, Z.; Tang, Q. Blockchain: Giới thiệu và ứng dụng của nó trong kế toán tài chính. Tài khoản J. Corp. tài chính. 2018,

29, 37–47. [Tham khảo chéo]

45. Karajovic, M.; kim, HM; Laskowski, M. Tư duy bên ngoài khối: Các giai đoạn dự kiến của việc tích hợp chuỗi khối trong thế giới

Ngành Kế toán. Aust. Tài khoản. Rev. 2019, 29, 319–

330. [Tham khảo chéo]

46. Fuller, SH; Markelevich, A. Kế toán có nên quan tâm đến blockchain không? Tài khoản J. Corp. tài chính. 2020, 31, 34–
46. [Tham khảo chéo]

47. Al-Htaybat, K.; Von Alberti-Alhtaybat, L. Dữ liệu lớn và báo cáo của công ty: Tác động và nghịch lý. Tài khoản. Kiểm toán. Tài khoản. J.
2017, 30, 850–873. [Tham khảo chéo]

48. Kokina, J.; Davenport, TH Sự xuất hiện của trí tuệ nhân tạo: Tự động hóa đang thay đổi hoạt động kiểm toán như thế nào. J. Nổi lên. công nghệ.
Tài khoản. 2017, 14, 115–122. [Tham khảo chéo]

49. Marshall, TE; Lambert, SL Các ứng dụng kế toán thông minh dựa trên đám mây: Tự động hóa tác vụ kế toán bằng IBM Watson

Điện toán nhận thức. J. Nổi lên. công nghệ. Tài khoản. 2018, 15, 199–215. [Tham khảo chéo]

50. Lombardi, R.; Secundo, G. Sự chuyển đổi kỹ thuật số của báo cáo doanh nghiệp—Một đánh giá tài liệu có hệ thống và con đường cho

nghiên cứu trong tương lai. y tế. Tài khoản. độ phân giải 2020, 29, 1179–1208. [Tham khảo chéo]
Machine Translated by Google

Điện tử 2022, 11, 2256 13 trên 13

51. Lamboglia, R.; Lavorato, D.; Scornavacca, E.; Za, S. Khám phá mối quan hệ giữa kiểm toán và công nghệ. Một phân tích thư mục. y tế. Tài khoản. độ phân giải 2020, 29, 1233–

1260. [Tham khảo chéo]

52. Sói, T.; Kuttner, M.; Feldbauer-Durstmüller, B.; Mitter, C. Những gì chúng ta biết về việc thay đổi danh tính của kế toán quản lý

và vai trò—Một tổng quan tài liệu có hệ thống. J. Tài khoản. Đàn organ. Chang. 2020, 16, 311–347. [Tham khảo chéo]

53. Abad-Segura, E.; González-Zamar, M.-D. Phân tích nghiên cứu về các công nghệ mới nổi trong kế toán doanh nghiệp. toán học
2020, 8, 1589. [CrossRef]

54. Bỏng, MB; Igou, A. “Alexa, viết ý kiến kiểm toán”: Áp dụng trợ lý ảo thông minh trong môi trường làm việc kế toán. J.
nổi lên. công nghệ. Tài khoản. 2019, 16, 81–92. [Tham khảo chéo]

55. Zhang, C. Tự động hóa quy trình thông minh trong kiểm toán. J. Nổi lên. công nghệ. Tài khoản. 2019, 16, 69–88. [Tham khảo chéo]

56. Hoàng, F.; Vasarhelyi, MA Áp dụng tự động hóa quy trình bằng robot (RPA) trong kiểm toán: Một khuôn khổ. quốc tế J. Tài khoản. thông tin liên lạc hệ thống. năm 2019,

35, 100433. [CrossRef]

57. Permatasari, CL; Prajanti, SDW Chấp nhận Hệ thống Thông tin Kế toán Tài chính tại Trường học: Mô hình Chấp nhận Công nghệ. J. Kinh tế. giáo dục 2018, 7, 109–120.

58. Binberg, GJ; Shields, JF Ba thập kỷ nghiên cứu kế toán hành vi: Tìm kiếm trật tự. cư xử. độ phân giải Tài khoản. 1989,

1, 23–
74. [Tham khảo chéo]

59. Davis, FD Mô hình Chấp nhận Công nghệ để Thử nghiệm Thực nghiệm Hệ thống Thông tin Người dùng Cuối Mới: Lý thuyết và Kết quả.

phản đối. Viện Công nghệ Massachusetts. Có sẵn trực tuyến: https://dspace.mit.edu/bitstream/handle/1721.1/15192/1492713 7-MIT.pdf?sequence=2&isAllowed=y (truy cập ngày 9

tháng 5 năm 2022).

60. Davis, FD; Bagozzi, RP; Warshaw, Sự chấp nhận của người dùng PR đối với công nghệ máy tính: So sánh hai mô hình lý thuyết.

quản lý. Khoa học. 1989, 35, 982–1003. [Tham khảo chéo]

61. Venkatesh, V.; Davis, FD Phần mở rộng lý thuyết của mô hình chấp nhận công nghệ: Bốn nghiên cứu thực địa theo chiều dọc. quản lý.
Khoa học. 2000, 46, 186–
204. [Tham khảo chéo]

62. Venkatesh, V.; Bala, H. Mô hình chấp nhận công nghệ 3 và Chương trình nghiên cứu về can thiệp. Quyết định. Khoa học. 2008, 39, 273–315.
[Tham khảo chéo]

63. Tóc, JF; Hult, GTM; chuông, CM; Sarstedt, MA Primer on Partial Least Squares Equation Modeling (PLS-SEM), tái bản lần 2; Hiền nhân: Thousand Oaks, CA, USA, 2017.

64. Lưu, M.; Ngô, K.; Xu, JJ Công nghệ chuỗi khối sẽ tác động đến kiểm toán và kế toán như thế nào: Chuỗi khối không được phép so với được phép. Curr. Vấn đề Kiểm toán. 2019,

13, A19–
A29. [Tham khảo chéo]

65. Phượng, JLC; Thiruchelvam, IV Mô hình khung để kiểm toán liên tục trong kiểm toán báo cáo tài chính sử dụng dữ liệu lớn

phân tích. quốc tế J. Khoa học. công nghệ. độ phân giải 2020, 9, 3416–
3434.

66. Marr, B. Chiến lược dữ liệu: Cách kiếm lợi nhuận từ thế giới dữ liệu lớn, phân tích và Internet vạn vật; Trang Kogan: London, Vương quốc Anh, 2017.

67. Agrawal, A.; Gans, J.; Goldfarb, A. Máy dự đoán: Nền kinh tế đơn giản của trí tuệ nhân tạo; Harvard Business Review
Press: Brighton, MA, USA, 2018; ISBN 978-1-633695672.
68. Davenport, T.; Guszcza, J.; Smith, T.; Stiller, B. Analytics và các doanh nghiệp do AI điều khiển phát triển mạnh trong thời đại có chất xúc tác văn hóa. 2019. Có sẵn trực

tuyến: https://www2.deloitte.com/content/dam/Deloitte/ec/Documents/technology-media viễn thông/DI_Becoming-an-Insight-Driven-organization(2).pdf (truy cập ngày 9 tháng 5

năm 2022).

69. D'Angelo, G.; Palmieri, F. Khơi gợi kiến thức dựa trên lập trình di truyền để thử nghiệm không phá hủy hàng không vũ trụ quan trọng

các hệ thống. Tướng tương lai. Điện toán. hệ thống. 2020, 102, 633–642. [Tham khảo chéo]

70. D'Angelo, G.; Palmieri, F. Phân loại lưu lượng mạng bằng cách sử dụng các mạng thần kinh bộ mã hóa tự động lặp lại tích chập sâu cho

khai thác các tính năng không gian-thời gian. J. Mạng. Điện toán. ứng dụng 2021, 173, 102890. [CrossRef]