Ensaio teórico sobre o uso das redes neurais artificiais no gerenciamento de resultados

Bibliographic Details
Main Author: da Silveira , Elmo Dias
Publication Date: 2023
Other Authors: de Souza , Paulo Vitor Souza, de Britto , Paulo Augusto Pettenuzzo
Format: Article
Language: por
Source: GeSec
Download full: https://ojs.revistagesec.org.br/secretariado/article/view/1563
Summary: A Rede Neural Artificial (RNA) tem capacidade de simular uma rede neural biológica e apresenta-se como uma ferramenta que pode auxiliar na redução de problemas econométricos mediante modelos matemáticos. Modelos de gerenciamento de resultados apresentam um problema fundamental pelo fato dos accruals discricionários da gestão não serem diretamente observáveis, o que vem a afetar a avaliação do desempenho real de empresas.  Portanto, este ensaio tem como objetivo apresentar a RNA como uma abordagem que pode minimizar problemas observados em modelos de gerenciamento de resultados por accruals. A literatura sobre gerenciamento de resultados apresenta diversos problemas relacionados aos modelos por accruals: proxies não confiáveis, interpretação restrita, incentivos, existência de condições simultâneas, problemas de correlação, classificação e especificação em modelos de gerenciamento, entre outros. Com base no suporte teórico apresentado pela literatura, entende-se que a utilização da abordagem da RNA pode proporcionar melhores níveis de poder e especificidade em modelos de gerenciamento de resultados por accruals. Este estudo visa contribuir com diversos usuários da informação contábil por evidenciar problemas em modelos de gerenciamento, bem como apresentar uma proposta baseada em inteligência artificial como solução para os problemas observados.
id SINSESP_4f7f36410e56230de0c06c1777af3e48
oai_identifier_str oai:ojs2.revistagesec.org.br:article/1563
network_acronym_str SINSESP
network_name_str GeSec
repository_id_str
spelling Ensaio teórico sobre o uso das redes neurais artificiais no gerenciamento de resultadosGerenciamento de ResultadosAccrualsRedes Neurais ArtificiaisMachine LearningA Rede Neural Artificial (RNA) tem capacidade de simular uma rede neural biológica e apresenta-se como uma ferramenta que pode auxiliar na redução de problemas econométricos mediante modelos matemáticos. Modelos de gerenciamento de resultados apresentam um problema fundamental pelo fato dos accruals discricionários da gestão não serem diretamente observáveis, o que vem a afetar a avaliação do desempenho real de empresas.  Portanto, este ensaio tem como objetivo apresentar a RNA como uma abordagem que pode minimizar problemas observados em modelos de gerenciamento de resultados por accruals. A literatura sobre gerenciamento de resultados apresenta diversos problemas relacionados aos modelos por accruals: proxies não confiáveis, interpretação restrita, incentivos, existência de condições simultâneas, problemas de correlação, classificação e especificação em modelos de gerenciamento, entre outros. Com base no suporte teórico apresentado pela literatura, entende-se que a utilização da abordagem da RNA pode proporcionar melhores níveis de poder e especificidade em modelos de gerenciamento de resultados por accruals. Este estudo visa contribuir com diversos usuários da informação contábil por evidenciar problemas em modelos de gerenciamento, bem como apresentar uma proposta baseada em inteligência artificial como solução para os problemas observados.Revista de Gestão e Secretariado2023-01-19info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://ojs.revistagesec.org.br/secretariado/article/view/156310.7769/gesec.v14i1.1563Revista de Gestão e Secretariado (Management and Administrative Professional Review); Vol. 14 No. 1 (2023): Revista de Gestão e Secretariado v.14, n.1, 2023; 913-931Revista de Gestão e Secretariado; Vol. 14 Núm. 1 (2023): Revista de Gestão e Secretariado v.14, n.1, 2023; 913-931Revista de Gestão e Secretariado; v. 14 n. 1 (2023): Revista de Gestão e Secretariado v.14, n.1, 2023; 913-9312178-9010reponame:GeSecinstname:Sindicato das Secretárias do Estado de São Paulo (SINSESP)instacron:SINSESPporhttps://ojs.revistagesec.org.br/secretariado/article/view/1563/766da Silveira , Elmo Dias de Souza , Paulo Vitor Souza de Britto , Paulo Augusto Pettenuzzo info:eu-repo/semantics/openAccess2023-01-20T09:32:36Zoai:ojs2.revistagesec.org.br:article/1563Revistahttps://www.revistagesec.org.br/ONGhttps://ojs.revistagesec.org.br/secretariado/oaieditor@revistagesec.org.br | gestoreditorial@revistagesec.org.br | rf.sabino@gmail.com2178-90102178-9010opendoar:2023-01-20T09:32:36GeSec - Sindicato das Secretárias do Estado de São Paulo (SINSESP)false
dc.title.none.fl_str_mv Ensaio teórico sobre o uso das redes neurais artificiais no gerenciamento de resultados
title Ensaio teórico sobre o uso das redes neurais artificiais no gerenciamento de resultados
spellingShingle Ensaio teórico sobre o uso das redes neurais artificiais no gerenciamento de resultados
da Silveira , Elmo Dias
Gerenciamento de Resultados
Accruals
Redes Neurais Artificiais
Machine Learning
title_short Ensaio teórico sobre o uso das redes neurais artificiais no gerenciamento de resultados
title_full Ensaio teórico sobre o uso das redes neurais artificiais no gerenciamento de resultados
title_fullStr Ensaio teórico sobre o uso das redes neurais artificiais no gerenciamento de resultados
title_full_unstemmed Ensaio teórico sobre o uso das redes neurais artificiais no gerenciamento de resultados
title_sort Ensaio teórico sobre o uso das redes neurais artificiais no gerenciamento de resultados
author da Silveira , Elmo Dias
author_facet da Silveira , Elmo Dias
de Souza , Paulo Vitor Souza
de Britto , Paulo Augusto Pettenuzzo
author_role author
author2 de Souza , Paulo Vitor Souza
de Britto , Paulo Augusto Pettenuzzo
author2_role author
author
dc.contributor.author.fl_str_mv da Silveira , Elmo Dias
de Souza , Paulo Vitor Souza
de Britto , Paulo Augusto Pettenuzzo
dc.subject.por.fl_str_mv Gerenciamento de Resultados
Accruals
Redes Neurais Artificiais
Machine Learning
topic Gerenciamento de Resultados
Accruals
Redes Neurais Artificiais
Machine Learning
description A Rede Neural Artificial (RNA) tem capacidade de simular uma rede neural biológica e apresenta-se como uma ferramenta que pode auxiliar na redução de problemas econométricos mediante modelos matemáticos. Modelos de gerenciamento de resultados apresentam um problema fundamental pelo fato dos accruals discricionários da gestão não serem diretamente observáveis, o que vem a afetar a avaliação do desempenho real de empresas.  Portanto, este ensaio tem como objetivo apresentar a RNA como uma abordagem que pode minimizar problemas observados em modelos de gerenciamento de resultados por accruals. A literatura sobre gerenciamento de resultados apresenta diversos problemas relacionados aos modelos por accruals: proxies não confiáveis, interpretação restrita, incentivos, existência de condições simultâneas, problemas de correlação, classificação e especificação em modelos de gerenciamento, entre outros. Com base no suporte teórico apresentado pela literatura, entende-se que a utilização da abordagem da RNA pode proporcionar melhores níveis de poder e especificidade em modelos de gerenciamento de resultados por accruals. Este estudo visa contribuir com diversos usuários da informação contábil por evidenciar problemas em modelos de gerenciamento, bem como apresentar uma proposta baseada em inteligência artificial como solução para os problemas observados.
publishDate 2023
dc.date.none.fl_str_mv 2023-01-19
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://ojs.revistagesec.org.br/secretariado/article/view/1563
10.7769/gesec.v14i1.1563
url https://ojs.revistagesec.org.br/secretariado/article/view/1563
identifier_str_mv 10.7769/gesec.v14i1.1563
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://ojs.revistagesec.org.br/secretariado/article/view/1563/766
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Revista de Gestão e Secretariado
publisher.none.fl_str_mv Revista de Gestão e Secretariado
dc.source.none.fl_str_mv Revista de Gestão e Secretariado (Management and Administrative Professional Review); Vol. 14 No. 1 (2023): Revista de Gestão e Secretariado v.14, n.1, 2023; 913-931
Revista de Gestão e Secretariado; Vol. 14 Núm. 1 (2023): Revista de Gestão e Secretariado v.14, n.1, 2023; 913-931
Revista de Gestão e Secretariado; v. 14 n. 1 (2023): Revista de Gestão e Secretariado v.14, n.1, 2023; 913-931
2178-9010
reponame:GeSec
instname:Sindicato das Secretárias do Estado de São Paulo (SINSESP)
instacron:SINSESP
instname_str Sindicato das Secretárias do Estado de São Paulo (SINSESP)
instacron_str SINSESP
institution SINSESP
reponame_str GeSec
collection GeSec
repository.name.fl_str_mv GeSec - Sindicato das Secretárias do Estado de São Paulo (SINSESP)
repository.mail.fl_str_mv editor@revistagesec.org.br | gestoreditorial@revistagesec.org.br | rf.sabino@gmail.com
_version_ 1838625558437560320