Ensaio teórico sobre o uso das redes neurais artificiais no gerenciamento de resultados
Main Author: | |
---|---|
Publication Date: | 2023 |
Other Authors: | , |
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 |