سال نشر: ۲۰۲۵
نوع نگارش مقاله: علمی پژوهشی (Research articles)
تعداد صفحه انگلیسی: ۲۴ صفحه PDF
تعداد صفحه ترجمه فارسی: ۴۵ صفحه WORD
کد محصول: H1115
نام ناشر (پایگاه داده): MDPI
نام مجله: Journal of Risk and Financial Management
عنوان کامل فارسی:
مقاله انگلیسی ترجمه شده ۲۰۲۵ : پذیرش سیستم‌های تشخیص تقلب مبتنی بر هوش مصنوعی در بانکداری: نقش اعتماد، شفافیت و درک انصاف در موسسات مالی در امارات متحده عربی و قطر
عنوان کامل انگلیسی:
Adoption of Artificial Intelligence-Driven Fraud Detection in Banking: The Role of Trust, Transparency, and Fairness Perception in Financial Institutions in the United Arab Emirates and Qatar
چکیده فارسی:
این مقاله به بررسی میزان پذیرش سیستم‌های تشخیص تقلب مبتنی بر هوش مصنوعی با تمرکز ویژه بر اعتماد، شفافیت و درک از انصاف، در میان مؤسسات مالی در امارات متحده عربی و قطر می‌پردازد. علی‌رغم پتانسیل هوش مصنوعی در شناسایی ناهنجاری‌های مالی، فرآیندهای تصمیم‌گیری مبهم و سوگیری الگوریتمی، پذیرش گسترده آن را به‌ویژه در بخش‌های نظارت بانکی محدود می‌کند. این مطالعه از یک استراتژی کمی مبتنی بر مدل‌سازی معادلات ساختاری حداقل مربعات جزئی (PLS-SEM) و تحلیل چندگروهی (MGA) برای بررسی فرضیات بر اساس پاسخ‌های نظرسنجی ۴۰۹ متخصص بانکی، مانند حسابرسان و افسران انطباق، استفاده می‌کند. این مطالعه نشان می‌دهد که شفافیت، اعتماد را تا حد زیادی افزایش می‌دهد، که پیش‌بینی‌کننده اصلی پذیرش هوش مصنوعی است. درک از انصاف، اثرات منفی سوگیری الگوریتمی را تعدیل می‌کند و بر نقش مهم آن در ایجاد اعتبار سیستم تأکید دارد. تحلیل گروه‌های مختلف نشان می‌دهد که از نظر حساسیت به اعتماد و انصاف بر اساس شغل و منطقه تفاوت هایی وجود دارد و حسابرسان داخلی و افرادی که بیشتر در معرض هوش مصنوعی هستند، آمادگی بیشتری برای پذیرش نشان می‌دهند. انطباق با مقررات نیز به‌عنوان یک فعال‌کننده مثبت برای پذیرش ظاهر می‌شود. این مقاله پیشنهادات عملی برای بانک‌ها، توسعه‌دهندگان و تنظیم‌کننده‌ها به منظور همسو کردن استقرار هوش مصنوعی با آرمان‌های اخلاقی و نظارتی ارائه می دهد. این مطالعه ابزارهای هوش مصنوعی شفاف، قابل توضیح و حساس به انصاف را به عنوان عنصری اساسی برای ترویج پذیرش در بخش‌های مبتنی بر مقررات توصیه می‌کند. یافته‌ها راهنمایی‌هایی برای اجرای مسئولانه و مبتنی بر اعتماد هوش مصنوعی در شناسایی تقلب ارائه می‌کنند.
واژه‌های کلیدی: یادگیری ماشین؛ تشخیص تقلب؛ شفافیت هوش مصنوعی؛ اعتماد؛ درک از انصاف؛ سوگیری الگوریتمی؛ انطباق با مقررات؛ مؤسسات مالی؛ پذیرش هوش مصنوعی؛ توضیح پذیری
Abstract
This paper examines the uptake of AI-driven fraud detection systems among financial institutions in the UAE and Qatar, with a special focus on trust, transparency, and perceptions of fairness. Despite the promise of AI operations in identifying financial anomalies, unclear decision-making processes and algorithmic bias constrain its extensive acceptance, especially in regulation-driven banking sectors. This study uses a quantitative strategy based on Partial Least Squares Structural Equation Modeling (PLS-SEM) and Multi- Group Analysis (MGA) of survey responses from 409 bank professionals, such as auditors and compliance officers. This study shows that transparency greatly enhances trust, which is the leading predictor of AI uptake. Fairness perception mediates the negative impacts of algorithmic bias, emphasizing its important role in establishing system credibility. The analysis of subgroups shows differential regional and professional variations in trust and fairness sensitivity, where internal auditors and highly AI-exposed subjects are found to exhibit higher adoption preparedness. Compliance with regulations also emerges as a positive enabler of adoption. This paper concludes with suggestions for practical implementation by banks, developers, and regulators to align AI deployment with ethical and regulatory aspirations. It recommends transparent, explainable, and fairness-sensitive AI tools as essential for promoting adoption in regulation-driven sectors. The findings provide a guide for promoting responsible, trust-driven AI implementation in fraud detection.
Keywords: machine learning; fraud detection; AI transparency; trust; fairness perception; algorithmic bias; regulatory compliance; financial institutions; AI adoption; explainability
تمامی حقوق مادی و معنوی ترجمه ها برای پارس ترجمه محفوظ می باشد
تمامی حقوق مادی و معنوی ترجمه ها برای پارس ترجمه محفوظ می باشد