نقش داده‌های بزرگ در جلوگیری از فرار مالیاتی اشخاص حقوقی با روش داده بنیاد

رسول  موسوی; آرزو آقایی چادگانی; احسان  کمالی

نویسندگان

رسول موسوی دانشجوی دکتری، گروه حسابداری، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران نویسنده https://orcid.org/0009-0005-7816-5512
آرزو آقایی چادگانی گروه حسابداری، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران. Department of Accounting, Na.C., Islamic Azad University, Najafabad, Iran. نویسنده https://orcid.org/0000-0002-0081-1044
احسان کمالی گروه حسابداری، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران. نویسنده https://orcid.org/0000-0003-4683-0889

کلمات کلیدی:

داده‌های بزرگ, مالیات اشخاص حقوقی, فرار مالیاتی

چکیده

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

دسترسی به دانلود اطلاعات مقدور نیست.

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