ผลกระทบของการบัญชีดิจิทัลที่มีต่อการประยุกต์ใช้การบัญชีนิติวิทยาและส่งผลไปยังความโปร่งใสในการดำเนินงานขององค์กร
คำสำคัญ:
การบัญชีดิจิทัล , การประยุกต์ใช้การบัญชีนิติวิทยา , ความโปร่งใสในการดำเนินงาน , ทฤษฎีเชิงสถานการณ์บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาผลกระทบของการบัญชีดิจิทัลต่อการประยุกต์ใช้การบัญชีนิติวิทยา และวิเคราะห์บทบาทการส่งผ่านไปยังความโปร่งใสในการดำเนินงานขององค์กร โดยใช้ข้อมูลจากผู้สอบบัญชีรับอนุญาตจำนวน 322 คน และวิเคราะห์ด้วยโมเดลสมการโครงสร้าง (SEM) ผลการวิจัยพบว่า การบัญชีดิจิทัลด้านการบูรณาการเทคโนโลยี (β = 0.570, p < .01) การเชื่อมโยงข้อมูล (β = 1.041, p < .01) และศักยภาพการวิเคราะห์ (β = 0.487, p < .01) มีอิทธิพลเชิงบวกต่อการประยุกต์ใช้การบัญชีนิติวิทยาอย่างมีนัยสำคัญ ขณะที่ด้านความปลอดภัยและความเป็นส่วนตัวไม่พบอิทธิพลอย่างมีนัยสำคัญ (β = –0.030, p > .05) นอกจากนี้ การประยุกต์ใช้การบัญชีนิติวิทยามีอิทธิพลเชิงบวกต่อความโปร่งใสในการดำเนินงานในระดับสูง (β = 0.652, p < .01) และทำหน้าที่เป็นตัวแปรส่งผ่านสำคัญระหว่างการบัญชีดิจิทัลกับความโปร่งใสขององค์กร อย่างไรก็ตาม พบว่าบางมิติของการบัญชีดิจิทัลมีค่าสัมประสิทธิ์มาตรฐานสูงกว่า 1 ซึ่งอาจสะท้อนปัญหาความสัมพันธ์ร่วมสูงระหว่างตัวแปร หรือการซ้อนทับเชิงแนวคิดของโครงสร้างตัวแปร แต่โดยภาพรวม ผลการศึกษาชี้ให้เห็นว่าการเชื่อมโยงข้อมูลและการบูรณาการเทคโนโลยีเป็นปัจจัยขับเคลื่อนสำคัญของการตรวจสอบเชิงนิติวิทยา และความโปร่งใสจะเพิ่มขึ้นอย่างมีนัยสำคัญเมื่อองค์กรประยุกต์ใช้กระบวนการบัญชีนิติวิทยาอย่างเป็นระบบ ภายใต้กรอบแนวคิดทฤษฎีเชิงสถานการณ์
เอกสารอ้างอิง
สภาวิชาชีพบัญชี ในพระบรมราชูปถัมภ์. (2568). รายชื่อผู้สอบบัญชีรับอนุญาต/มาตรฐานการบัญชี. https://www.tfac.or.th
Afroogh, S., Akbari, A., Malone, E., Kargar, M., & Alambeigi, H. (2024). Trust in AI: Progress, challenges, and future directions. Humanities and Social Sciences Communications, 11, 1568. https://doi.org/10.1057/s41599-024-04044-8
Akinbowale, O. E., Mashigo, P., & Zerihun, M. F. (2023). The integration of forensic accounting and big data technology frameworks for internal fraud mitigation in the banking industry. Cogent Business and Management, 10(1), 2163560. https://doi.org/10.1080/23311975.2022.2163560
Al-Htaybat, K., & von Alberti-Alhtaybat, L. (2017). Big Data and corporate reporting: Impacts and paradoxes. Accounting, Auditing and Accountability Journal, 30(4), 850–873. https://doi.org/10.1108/AAAJ-07-2015-2139
Alles, M. G., Kogan, A., & Vasarhelyi, M. A. (2008). Putting continuous auditing theory into practice: Lessons from two pilot implementations. Journal of Information Systems, 22(2), 195–214. https://doi.org/10.2308/jis.2008.22.2.195
Alsharari, N. M. (2023). Digital accounting systems and information technology in the public sector. Journal of Systems and Information Technology, 25(1), 53–72. https://doi.org/10.1108/JSIT-09-2021-0190
Anghel, G., & Poenaru, C. E. (2023). Forensic accounting, a tool for detecting and preventing the economic fraud. Valahian Journal of Economic Studies, 14(2), 87-100. https://doi.org/10.2478/vjes-2023-0018
Appelbaum, D., Kogan, A., & Vasarhelyi, M. A. (2017a). Big Data and analytics in the modern audit engagement: Research needs. Auditing: A Journal of Practice and Theory, 36(4), 1–27. https://doi.org/10.2308/ajpt-51684
Appelbaum, D., Kogan, A., Vasarhelyi, M., & Yan, Z. (2017b). Impact of business analytics and enterprise systems on managerial accounting. International Journal of Accounting Information Systems, 25, 29–44. https://doi.org/10.1016/j.accinf.2017.03.003
Appelbaum, D., Showalter, D. S., Sun, T., & Vasarhelyi, M. A. (2021). A framework for auditor data literacy: A normative position. Accounting Horizons, 35(2), 5-25. https://doi.org/10.2308/HORIZONS-19-127
Awosika, T., Shukla, R. M., & Pranggono, B. (2024). Transparency and privacy: The role of explainable AI and federated learning in financial fraud detection. IEEE Access, 12, 64551-64560. https://doi.org/10.1109/ACCESS.2024.3394528
Awwad, A., & Abdelsattar, A. (2025). Digital Evidence in Forensic Accounting- A study in Saudi Legislation. Cogent Social Sciences, 11(1). https://doi.org/10.1080/23311886.2025.2522958
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555
Dang, L. A. (2024). Impact of Enterprise Resource Planning System on the Quality of Accounting Information at Enterprises in Vietnam. Archives of Business Research, 12(6), 45–54. https://doi.org/10.14738/abr.126.17173
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
Demirkan, S., Demirkan, I., & McKee, A. (2020). Blockchain technology in the future of business cyber security and accounting. Journal of Management Analytics, 7(2), 189–208. https://doi.org/10.1080/23270012.2020.1731721
DiGabriele, J. A., & Huber, W. D. (2015). Topics and methods in forensic accounting research. Accounting Research Journal, 28(1), 98–114. https://doi.org/10.1108/ARJ-08-2014-0071
Dkhar, W., Lyngdoh, B. F., & Kumar, P. (2025). Forensic accounting: A strategy for preventing and detecting financial fraud in the digital era. International Journal of Accounting and Economics Studies, 12(2), 282–291. https://doi.org/10.14419/z7g9we35
Faccia, A., & Petratos, P. (2024). Big data applications in accounting information systems. In Proceedings of the International Conference on Big Data Computing (pp.1-7). Association for Computing Machinery. https://doi.org/10.1145/3695220.3695223
Fiedler, F. E. (1967). A theory of leadership effectiveness. McGraw-Hill.
Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.2307/3151312
Gambetta, N., García-Benau, M. A., & Zorio-Grima, A. (2016). Data analytics in banks’ audit: The case of loan loss provisions in Uruguay. Journal of Business Research, 69(11), 4793-4797. https://doi.org/10.1016/j.jbusres.2016.04.032
Garba, A. (2024). Impact of Forensic Accounting on Fraud Detection in Nigerian Deposit Money Banks. Journal of Advance Research in Business, Management and Accounting, 10(2), 16-30. https://doi.org/10.61841/pm035a38
Gonzalez, G. C., & Hoffman, V. B. (2018). Continuous auditing’s effectiveness as a fraud deterrent. Auditing: A Journal of Practice & Theory, 37(2), 225–247. https://doi.org/10.2308/ajpt-51828
Gupta, P. K. (2022). Forensic accounting: A game changing approach for holistic corporate sector development in India. Management Journal for Advanced Research, 2(6), 39-45. https://doi.org/10.54741/mjar.2.6.7
Gupta, R. Y., Mudigonda, S. S., Baruah, P. K., & Kandala, P. K. (2021). Markov model with machine learning integration for fraud detection in health insurance. arXiv. https://arxiv.org/abs/2102.10978
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2020). Multivariate data analysis (8th ed.). Cengage Learning.
Han, H., Shiwakoti, R., Jarvis, R., Mordi, C., & Botchie, D. (2023). Accounting and auditing with blockchain technology and artificial intelligence: A literature review. International Journal of Accounting Information Systems, 48, 100598. https://doi.org/10.1016/j.accinf.2022.100598
Hasanudin, H. (2024). Optimizing the implementation of enterprise resource planning (ERP) in company financial management. Jurnal Ekonomi, Akuntasi Dan Manajemen Indonesia, 2(2), 104-114. https://doi.org/10.58471/jeami.v2i02.555
Healy, P. M., & Palepu, K. G. (2001). Information asymmetry, corporate disclosure, and the capital markets: A review of the empirical disclosure literature. Journal of Accounting and Economics, 31(1–3), 405–440. https://doi.org/10.1016/S0165-4101(01)00018-0
Hernandez Aros, L., Bustamante Molano, L. X., Gutierrez-Portela, F., Moreno Hernandez, J. J., & Rodríguez Barrero, M. S. (2024). Financial fraud detection through the application of machine learning techniques: a literature review. Humanities and Social Sciences Communications, 11, 1130. https://doi.org/10.1057/s41599-024-03606-0
Honigsberg, C. (2020). Forensic accounting. Annual Review of Law and Social Science, 16, 147–164. https://doi.org/10.1146/annurev-lawsocsci-020320-022159
Ismail, N. A., & King, M. (2006). The alignment of accounting and information systems in SMEs in Malaysia. Journal of Global Information Technology Management, 9(3), 24–42. https://doi.org/10.1080/1097198X.2006.10856425
Jensen, M. C., & Meckling, W. H. (1976). Theory of the firm: Managerial behavior, agency costs and ownership structure. Journal of Financial Economics, 3(4), 305–360. https://doi.org/10.1016/0304-405X(76)90026-X
Justin, M., Abel, M., & Ferdinand, K. (2023). The Impact of Enterprise Resource Planning (ERP) on the Internal Controls System in Zimbabwean Organizations. International Journal of Research and Innovation in Social Science, 7(8), 1504–1518. https://dx.doi.org/10.47772/IJRISS.2023.7915
Kersten, C. C., Kerber, J. M. C., Silva, J. S., Bouzon, M., & Campos, L. M. S. (2024). Traceability in the agri-food supply chain: A new perspective under the Circular Economy approach. Production, 34, e20240009. https://doi.org/10.1590/0103-6513.20240009
Kim, H.-W., & Laskowski, M. (2018). Toward an ontology-driven blockchain design for supply-chain provenance. Intelligent Systems in Accounting, Finance and Management, 25(1), 18–27. https://doi.org/10.1002/isaf.1424
Kline, R. B. (2016). Principles and practice of structural equation modeling (4th ed.). Guilford Press.
Kumar, V., Leone, R. P., Aaker, D. A., & Day, G. S. (2018). Marketing research (13th ed.). John Wiley & Sons.
Lei, M., Xu, L., Liu, T., Liu, S., & Sun, C. (2022). Integration of Privacy Protection and Blockchain-Based Food Safety Traceability: Potential and Challenges. Foods, 11(15), 2262. https://doi.org/10.3390/foods11152262
Maryani, N., Muchlish, M., Mulyadi, R., & Solehah, N. (2026). Blockchain-based audit trails: Improving transparency and fraud detection in digital accounting systems. International Journal of Advanced Computer Science and Applications, 17(1). https://doi.org/10.14569/IJACSA.2026.0170162
Miaoquan, X., Wei Yu, K., Xuewen, L., Yi, W., Jun, Y., & Loang, O. K. (2023). The impact of digital transformation on financial reporting and analysis in the accounting industry. International Journal of Accounting, Finance and Business, 8(50), 324–336.
Mihalciuc, C. C. (2024). The accounting and audit profession in the age of emerging technologies: Descriptive analysis. European Journal of Accounting, Finance and Business, 12(1), 116-126. https://doi.org/10.4316/EJAFB.2024.12116
Moyes, G. D., & Baker, C. R. (2021). The impact of forensic accounting on fraud detection and prevention. Journal of Forensic and Investigative Accounting, 13(2), 45–68.
Nunnally, J. C. (1978). Psychometric theory (2nd ed.). McGraw-Hill.
Ojo, O. A., & Oni, E. A. (2021). Forensic accounting practices and fraud prevention in Nigerian deposit money banks. Journal of Financial Crime, 29(4), 401–418.
Ozili, P. K. (2025). Forensic accounting research around the world. Journal of Financial Reporting and Accounting, 23(1), 128–153. https://doi.org/10.1108/JFRA-02-2023-0106
Preacher, K. J., & Hayes, A. F. (2008). Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models. Behavior Research Methods, 40(3), 879–891. https://doi.org/10.3758/BRM.40.3.879
Rovinelli, R. J., & Hambleton, R. K. (1977). On the use of content specialists in the assessment of criterion-referenced test item validity. Tijdschrift voor Onderwijs Research, 2(2), 49–60.
Shaban-Nejad, A., Michalowski, M., Brownstein, J. S., & Buckeridge, D. L. (2021). Guest Editorial Explainable AI: Towards Fairness, Accountability, Transparency and Trust in Healthcare. IEEE Journal of Biomedical and Health Informatics, 25(7), 2374-2375. https://doi.org/10.1109/JBHI.2021.3088832
Tomsett, R., Braines, D., Harborne, D., Preece, A., & Chakraborty, S. (2018). Interpretable to whom? A role-based model for analyzing interpretable machine learning systems. arXiv. https://doi.org/10.48550/arXiv.1806.07552
Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the Technology Acceptance Model: Four longitudinal field studies. Management Science, 46(2), 169-332. https://doi.org/10.1287/mnsc.46.2.186.11926
Wahyudi, R., Martini, R., Ramadhana, R. N., Sari, K. R., & Amri, D. (2024). Internal controls, investigative audits, and forensic accounting can help prevent fraud. In Proceedings of the 7th FIRST 2023 International Conference on Global Innovations (FIRST-T3 2023) (pp. 48–52). Atlantis Press. https://doi.org/10.2991/978-2-38476-220-0_6
Wells, J. T. (2017). Corporate fraud handbook: Prevention and detection (5th ed.). John Wiley and Sons.
Yamane, T. (1967). Statistics: An introductory analysis (2nd ed.). Harper and Row.
Yarmoliuk, O., Abramov, A., Mulyk, T., Smirnova, N., & Ponomarova, N. (2024). Digital technologies in accounting and reporting: benefits, limitations, and possible risks. Amazonia Investiga, 13(74), 323-333. https://doi.org/10.34069/AI/2024.74.02.27
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2026 กัญฐณา ดิษฐ์แก้ว, น้ำฝน สืบอ่อน, สรินยา สุภัทรานนท์
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของ ผู้เขียน
ทัศนะและความคิดเห็นที่ปรากฏในบทความในวารสารเครือข่ายส่งเสริมการวิจัยทางมนุษยศาสตร์และสังคมศาสตร์จะถือเป็นความรับผิดชอบของผู้เขียนบทความนั้น และไม่ถือเป็นทัศนะและความรับผิดชอบของกองบรรณาธิการ
