نقش دادههای بزرگ در جلوگیری از فرار مالیاتی اشخاص حقوقی با روش داده بنیاد
کلمات کلیدی:
دادههای بزرگ, مالیات اشخاص حقوقی, فرار مالیاتیچکیده
هدف: هدف این پژوهش ارائه مدلی مفهومی مبتنی بر دادههای بزرگ برای جلوگیری از فرار مالیاتی اشخاص حقوقی از طریق شناسایی عوامل، ابعاد، راهبردها و پیامدهای مرتبط با استفاده از کلاندادهها در نظام مالیاتی بود. روششناسی: این پژوهش با رویکرد کیفی و استفاده از روش نظریه داده بنیاد انجام شد. جامعه پژوهش شامل خبرگان و متخصصان حوزه مالیات اشخاص حقوقی بود که با استفاده از نمونهگیری هدفمند و نظری، 19 نفر از آنان انتخاب شدند. دادهها از طریق مصاحبههای عمیق نیمهساختاریافته جمعآوری شد. فرآیند تحلیل دادهها با استفاده از نرمافزار MAXQDA و در سه مرحله کدگذاری باز، محوری و انتخابی انجام گرفت. در نتیجه این فرآیند، 370 کد باز استخراج و پس از ترکیب و طبقهبندی، 33 مفهوم و 17 مقوله اصلی شناسایی شد. در نهایت، مدل پارادایمی پژوهش شامل شرایط علّی، شرایط زمینهای، شرایط مداخلهگر، راهبردها و پیامدهای مرتبط با جلوگیری از فرار مالیاتی مبتنی بر دادههای بزرگ تدوین گردید. یافتهها: یافتهها نشان داد که مهمترین عوامل مؤثر در جلوگیری از فرار مالیاتی شامل ایجاد سیستمهای اطلاعاتی یکپارچه و برخط، توسعه زیرساختهای فناوری اطلاعات، ایجاد پایگاههای داده متمرکز، ارتقای سطح اعتماد بین مودیان و سازمان مالیاتی، تقویت فرهنگ مالیاتی و تدوین قوانین بازدارنده مؤثر میباشد. همچنین نتایج نشان داد که تحلیل دادههای بزرگ شامل اطلاعات مالی، سوابق مالیاتی، دادههای حسابرسی، اطلاعات تراکنشها و سایر دادههای مرتبط، امکان شناسایی الگوهای فرار مالیاتی و پیشبینی رفتارهای پرخطر را فراهم میسازد. علاوه بر این، راهبردهایی مانند توسعه سیستمهای نظارتی هوشمند، افزایش شفافیت اطلاعات، آموزش مودیان و تقویت زیرساختهای فناورانه نقش مهمی در کاهش فرار مالیاتی دارند. نتیجهگیری: نتایج پژوهش نشان داد که استفاده از دادههای بزرگ میتواند نقش مهمی در افزایش کارایی نظام مالیاتی، بهبود شناسایی مودیان متخلف، ارتقای شفافیت مالی و تقویت فرآیندهای نظارتی ایفا کند. همچنین ایجاد سیستمهای اطلاعاتی یکپارچه، تقویت زیرساختهای فناوری، ارتقای فرهنگ مالیاتی و افزایش اعتماد عمومی از عوامل کلیدی در موفقیت اجرای مدل مبتنی بر دادههای بزرگ محسوب میشوند.
دانلودها
مراجع
Akhtar, S., Akhtar, F., John, K., & Wong, S. W. (2019). Multinationals' tax evasion: A financial and governance perspective. Journal of Corporate Finance, 57, 35-62. https://doi.org/10.1016/j.jcorpfin.2017.11.009
Atanasijević, J., Jakovetic, D., Krejić, N., Krklec Jerinkic, N., & Marković, D. (2018). Using big data analytics to improve efficiency of tax collection in the tax administration of the Republic of Serbia. Ekonomika Preduzeca, 115. https://doi.org/10.5937/EkoPre1808115A
Benkraiem, R., Uyar, A., Kilic, M., & Schneider, F. (2021). Ethical behavior, auditing strength, and tax evasion: A worldwide perspective. Journal of International Accounting, Auditing and Taxation, 43, 100380. https://doi.org/10.1016/j.intaccaudtax.2021.100380
Christabella, C., & Puspita, A. F. (2025). Are the Beneish model and restatement relevant in detecting tax evasion? Journal of Accounting and Investment, 26(1), 360-378. https://doi.org/10.18196/jai.v26i1.26851
Cockcroft, S., & Russell, M. (2018). Big Data Opportunities for Accounting and Finance Practice and Research. Australian Accounting Review. https://doi.org/10.1111/auar.12218
Hajializadeh, S., Dasineh, M., Salari, H., & Rostami Jaz, H. (2025). A Model for Utilizing Information Technology Capabilities and Information Systems to Avoid Tax Evasion. Journal of Management Accounting and Auditing, 14(54), 275-286. https://www.jmaak.ir/article_23576.html
Kemme, D. M., Parikh, B., & Steigner, T. (2020). Tax morale and international tax evasion. Journal of World Business, 55(3), 101052. https://doi.org/10.1016/j.jwb.2019.101052
Kohzadi, F., Gharabeyglou, B., Khajeh Nobar, A., & Alavi Matin, Y. (2022). Big data and its impact on the Iranian banking industry achieving competitive advantage. Strategic Management in Industrial Systems (Formerly Industrial Management), 17(59), 113-125. https://journals.iau.ir/article_691477.html
Lazebnik, T., & Shami, A. (2025). Modeling tax evasion emergence using agent-based simulation with large language models and deep reinforcement learning.
Namazi, M., & Raeesi, Z. (2023). The impact of traditional teaching approaches and big data methods on the academic achievement of accounting students. Financial Accounting and Auditing Research, 15(60), 1-25. https://www.sid.ir/paper/1099640/fa
Ofori, E., & Appiah, M. O. (2025). Multinational tax evasion and money laundering: examining the financial investigation system in Ghana. Journal of Money Laundering Control, 28(2), 442-462. https://doi.org/10.1108/JMLC-09-2024-0150
Olendiy, O., Nazarova, K., Nezhyva, M., Mysiuk, V., Mishchenko, V., & Rusyn-Hrynyk, R. (2023). Tax audit to ensure business prosperity: Trends and perspectives. Financial & Credit Activity: Problems of Theory & Practice, 4(51). https://www.fkd.net.ua/index.php/fkd/article/view/4069
Rakipi, R., De Santis, F., & D'Onza, G. (2021). Correlates of the internal audit function's use of data analytics in the big data era: Global evidence. Journal of International Accounting, Auditing and Taxation, 42, 100357. https://doi.org/10.55643/fcaptp.4.51.2023.4069 10.1016/j.intaccaudtax.2020.100357
Ruano, A., Hernandez, A., Ureña, J., Ruano, M., & Garcia, J. (2019). NILM techniques for intelligent home energy management and ambient assisted living: A review. Energies, 12(11), 2203. https://doi.org/10.3390/en12112203
Saba, C. S., & Ngepah, N. (2021). Military expenditure, security outcome and industrialisation in Africa: Evidence from a panel data analysis. African Security Review, 30(2), 204-222. https://doi.org/10.1080/10246029.2021.1917432
Samati, M., Izadi, A., & Fathi, S. (2021). Determining the factors affecting tax evasion using meta-analysis. Journal of Stable Economy and Sustainable Development, 2(2), 1-22. https://sedj.usb.ac.ir/article_6317_en.html
Shukla, U. N. (2018). Enhancing life insurance penetration and density in India: purchase intention modelling. International Journal of Economics and Business Research, 15(2), 141-154. https://doi.org/10.1504/IJEBR.2018.089683
دانلود
چاپ شده
ارسال
بازنگری
پذیرش
شماره
نوع مقاله
مجوز
حق نشر 2025 Rasoul Mousavi, Arezoo Aghaei Chadegani, Ehsan Kamali (Author)
این پروژه تحت مجوز بین المللی Creative Commons Attribution-NonCommercial 4.0 می باشد.
