Export Ready — 

Ensaios sobre inteligência artificial e a prática de gerenciamento de resultados

Bibliographic Details
Main Author: Silveira, Elmo Dias da
Publication Date: 2023
Format: Doctoral thesis
Language: por
Source: Repositório Institucional da UnB
Download full: http://repositorio.unb.br/handle/10482/50180
Summary: Tese (doutorado) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Departamento de Ciências Contábeis e Atuariais, Programa de Pós-Graduação em Ciências Contábeis, 2023.
id UNB_930b3e14c2816f4cfcf2a0abbbc354e9
oai_identifier_str oai:repositorio.unb.br:10482/50180
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Ensaios sobre inteligência artificial e a prática de gerenciamento de resultadosInteligência artificialGerenciamento de resultadosRedes neurais artificiaisAccrualsTese (doutorado) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Departamento de Ciências Contábeis e Atuariais, Programa de Pós-Graduação em Ciências Contábeis, 2023.Esta tese consiste em uma investigação sobre o gerenciamento de resultados, centrada na avaliação e aprimoramento de modelos tradicionais de detecção de gerenciamento de resultados por meio de abordagens inovadoras. O primeiro artigo, um ensaio teórico, destaca a Rede Neural Artificial (RNA) como uma ferramenta promissora para resolver problemas econométricos associados aos modelos tradicionais de detecção de gerenciamento de resultados por accruals. A pesquisa aborda questões relacionadas à falta de verificabilidade direta dos accruals discricionários e argumenta que a aplicação da RNA pode melhorar significativamente o poder e a especificidade desses modelos. O segundo artigo, de natureza empírica, concentra-se na reversão de distorções em accruals e sua aplicação em modelos tradicionais de gerenciamento de resultados em empresas brasileiras de capital aberto. Os resultados revelam as limitações dos modelos baseados em accruals, destacando a complexidade dos accruals não discricionários e os desafios associados à mensuração precisa do gerenciamento. O terceiro artigo, também empírico, explora o uso de técnicas de machine learning na detecção de gerenciamento de resultados. O estudo visa explorar metodologias que superem as deficiências dos modelos tradicionais, especialmente no que diz respeito à mensuração precisa do gerenciamento de resultados. Os resultados indicam que algoritmos de machine learning, como o Decision Trees Classifier, oferecem uma solução viável para aumentar significativamente o poder explicativo desses modelos. De forma geral, esta tese pretende contribuir para a compreensão da prática de gerenciamento de resultados e aprimoramento das ferramentas que objetivam detectar a ocorrência de tais práticas, destacando a importância de abordagens inovadoras, como RNA e machine learning, na resolução de desafios persistentes em modelos tradicionais. Essas descobertas promovem uma melhor integração entre a contabilidade e a tecnologia da informação, abrindo caminho para futuras pesquisas que explorem uma variedade de técnicas de inteligência artificial visando melhorias na qualidade da informação contábil.This thesis consists of an investigation into earnings management, focused on the evaluation and improvement of traditional earnings management detection models through innovative approaches. The first article, a theoretical essay, highlights the Artificial Neural Network (ANN) as a promising tool for solving econometric problems associated with traditional earnings management detection models through accruals. The research addresses issues related to the lack of direct verifiability of discretionary accruals and argues that the application of ANN can significantly improve the power and specificity of these models. The second article, empirical in nature, focuses on the reversal of distortions in accruals and its application in traditional earnings management models in publicly traded Brazilian companies. The results reveal the limitations of accrual-based models, highlighting the complexity of non-discretionary accruals and the challenges associated with accurate management measurement. The third article, also empirical, explores the use of machine learning techniques in detecting earnings management. The study aims to explore methodologies that overcome the deficiencies of traditional models, especially regarding the precise measurement of earnings management. The results indicate that machine learning algorithms, such as the Decision Trees Classifier, offer a viable solution to significantly increase the explanatory power of these models. In general, this thesis aims to contribute to the understanding of the practice of earnings management and improvement of tools that aim to detect the occurrence of such practices, highlighting the importance of innovative approaches, such as ANN and machine learning, in resolving persistent challenges in traditional models. These findings promote better integration between accounting and information technology, paving the way for future research that explores a variety of artificial intelligence techniques aimed at improving the quality of accounting information.Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE)Departamento de Ciências Contábeis e Atuariais (FACE CCA)Programa de Pós-Graduação em Ciências ContábeisBritto, Paulo Augusto Pettenuzzo deSilveira, Elmo Dias da2024-08-26T20:20:59Z2024-08-26T20:20:59Z2024-08-262023-12-05info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfSILVEIRA, Elmo Dias da. Ensaios sobre inteligência artificial e a prática de gerenciamento de resultados. 2023. 89 f., il. Tese (Doutorado em Ciências Contábeis) — Universidade de Brasília, Brasília, 2023.http://repositorio.unb.br/handle/10482/50180porA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2025-03-20T15:49:14Zoai:repositorio.unb.br:10482/50180Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2025-03-20T15:49:14Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Ensaios sobre inteligência artificial e a prática de gerenciamento de resultados
title Ensaios sobre inteligência artificial e a prática de gerenciamento de resultados
spellingShingle Ensaios sobre inteligência artificial e a prática de gerenciamento de resultados
Silveira, Elmo Dias da
Inteligência artificial
Gerenciamento de resultados
Redes neurais artificiais
Accruals
title_short Ensaios sobre inteligência artificial e a prática de gerenciamento de resultados
title_full Ensaios sobre inteligência artificial e a prática de gerenciamento de resultados
title_fullStr Ensaios sobre inteligência artificial e a prática de gerenciamento de resultados
title_full_unstemmed Ensaios sobre inteligência artificial e a prática de gerenciamento de resultados
title_sort Ensaios sobre inteligência artificial e a prática de gerenciamento de resultados
author Silveira, Elmo Dias da
author_facet Silveira, Elmo Dias da
author_role author
dc.contributor.none.fl_str_mv Britto, Paulo Augusto Pettenuzzo de
dc.contributor.author.fl_str_mv Silveira, Elmo Dias da
dc.subject.por.fl_str_mv Inteligência artificial
Gerenciamento de resultados
Redes neurais artificiais
Accruals
topic Inteligência artificial
Gerenciamento de resultados
Redes neurais artificiais
Accruals
description Tese (doutorado) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Departamento de Ciências Contábeis e Atuariais, Programa de Pós-Graduação em Ciências Contábeis, 2023.
publishDate 2023
dc.date.none.fl_str_mv 2023-12-05
2024-08-26T20:20:59Z
2024-08-26T20:20:59Z
2024-08-26
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SILVEIRA, Elmo Dias da. Ensaios sobre inteligência artificial e a prática de gerenciamento de resultados. 2023. 89 f., il. Tese (Doutorado em Ciências Contábeis) — Universidade de Brasília, Brasília, 2023.
http://repositorio.unb.br/handle/10482/50180
identifier_str_mv SILVEIRA, Elmo Dias da. Ensaios sobre inteligência artificial e a prática de gerenciamento de resultados. 2023. 89 f., il. Tese (Doutorado em Ciências Contábeis) — Universidade de Brasília, Brasília, 2023.
url http://repositorio.unb.br/handle/10482/50180
dc.language.iso.fl_str_mv por
language por
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.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1839083032231804928

Similar Items