MétaCan
Menu
Retour à la cohorte
Enregistrement W4390988854 · doi:10.5267/j.ijdns.2023.12.013

Navigating digital transformation in accounting system: Challenges and opportunities

2024· article· en· W4390988854 sur OpenAlexvenueno aff
Mohammed Saad Obaid

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensnon disponible
Organismes subventionnairesKing Faisal University
Mots-clésDigital transformationAccountingStock exchangeBusinessAccounting information systemManagement accountingPopulationKnowledge managementProcess managementComputer scienceFinanceSociologyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The primary objective of this study was to assess the challenges associated with the digital transformation process in the accounting systems of companies listed on the Khartoum Stock Exchange, focusing on the perspectives of senior management, financial management, and technology management. These departments were considered integral due to their profound understanding of digital transformation processes, requirements, and existing as well as anticipated challenges. Employing a descriptive-analytical approach, the study utilized a questionnaire to gather data from 315 individuals within the study population. The results revealed a favorable inclination among Khartoum Stock Exchange-listed companies towards digital transformation, manifested through a notable automation of accounting procedures, the cultivation of a digital culture, and the adoption of strategic approaches for digital transformation. However, the study identified several challenges, including insufficient technological infrastructure at the national level, the absence of a clear national strategic plan for digital transformation, and limited financial resources allocated to digital transformation in accounting systems. The study also proposed a set of solutions to address these challenges, categorized into national and corporate levels.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,960
Score d'incertitude au seuil0,526

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,004
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,049
Tête enseignante GPT0,309
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetBlockchain Technology Applications and SecurityTravaux en français237 207