کلان داده، هوش مصنوعی و بلاک چین در حسابداری هزینه واقعی

عنوان فارسی مقاله:کلان داده، هوش مصنوعی و بلاک چین در حسابداری هزینه واقعی برای(گذار) انتقال انرژی در اروپا

چکیده

قیمت فعلی انرژی شامل اثرات خارجی کوتاه مدت و بلندمدت زیست محیطی، اجتماعی و اقتصادی نمی شود. در منابع ومطالعات مدل تصمیم گیری برای انتقال انرژی،شکاف وجود دارد. حسابداری هزینه واقعی TCA یک مدل مدیریت حسابداری است که از فرآیند تصمیم گیری پشتیبانی می کند. این مطالعه چالش‌ها را بررسی می‌کند و بررسی می‌کند که چگونه داده‌های بزرگ، هوش مصنوعی یا بلاک‌چین می‌توانند محاسبه TCA را تسهیل کنند و به طور غیرمستقیم در انتقال به سمت تولید انرژی پایدارتر مشارکت کنند. سوال تحقیقی که به آن پرداخته شده این است: فناوری اطلاعات چگونه می تواند به برنامه های کاربردی TCA در بخش انرژی در اروپا کمک کند؟ این مطالعه از روش شناسی تفسیری کیفی استفاده می کند و در هلند، آلمان و لهستان انجام شده است. یافته‌ها امکان‌های فنی زیرساخت کلان داده برای مقابله با چالش‌های TCA را نشان می‌دهند. این مطالعه با شناسایی چالش‌ها در کاربرد TCA برای تولید انرژی، نشان دادن پتانسیل آمادگی برای داده‌های بزرگ، هوش مصنوعی و بلاک چین برای مقابله با آنها، به ادبیات کمک می‌کند، و نیاز به همکاری بین رشته‌های حسابداری و فنی برای فعال کردن انتقال انرژی را آشکار می‌کند(هوش مصنوعی در حسابداری).

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Online Marketing Research—The Growth of Mobile and Social Media Research

Abstract

The current energy prices do not include the environmental, social, and economic short and long-term external effects. There is a gap in the literature on the decision-making model for the energy transition. True Cost Accounting (TCA) is an accounting management model supporting the decision-making process. This study investigates the challenges and explores how big data, AI, or blockchain could ease the TCA calculation and indirectly contribute to the transition towards more sustainable energy production. The research question addressed is: How can IT help TCA applications in the energy sector in Europe? The study uses qualitative interpretive methodology and is performed in the Netherlands, Germany, and Poland. The findings indicate the technical feasibilities of a big data infrastructure to cope with TCA challenges. The study contributes to the literature by identifying the challenges in TCA application for energy production, showing the readiness potential for big data, AI, and blockchain to tackle them, revealing the need for cooperation between accounting and technical disciplines to enable the energy transition.