تحلیل شبکه روابط گروه‌های حسابداری دانشگاه‌های دولتی ایران

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 استادیار، گروه حسابداری و مالی، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد، یزد، ایران.

2 دکتری، گروه حسابداری، دانشکده مدیریت دانشگاه تهران، تهران، ایران.

3 کارشناسی، بخش حسابداری و مالی، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد، یزد، ایران

4 کارشناسی، بخش حسابداری و مالی، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد، یزد، ایران.

چکیده

هدف: هدف پژوهش حاضر، بررسی و تحلیل ساختار ارتباطی بین گروه‌های حسابداری دانشگاه‌های دولتی ایران است.
روش: روش پژوهش، بر مبنای نوع داده‌های جمع‌آوری و تحلیل‌شده، کمّی از نوع تحلیل شبکه است. جامعه آماری این پژوهش، کلیه گروه‌های حسابداری دانشگاه‌های دولتی ایران را دربرمی‌گیرد. در پژوهش حاضر، اطلاعات در دسترس اعضای هیئت علمی گروه‌های حسابداری تا پایان شهریور سال 1399 بررسی و در نهایت، 44 دانشگاه برای نمونه انتخاب شد.
یافته‌ها: بر اساس یافته‌ها، در ساختار ارتباطی گروه‌های حسابداری دانشگاه‌های دولتی، نابرابری نامتعارفی به چشم می‌خورد؛ اما بعضی از دانشگاه‌ها در موقعیت مناسب‌تری قرار دارند. توزیع پارتو نشان می‌دهد که بین گروه‌های حسابداری، چولگی تقسیم قدرت 78 – 22 است؛ یعنی 78درصد اعضای هیئت ‎علمی، دانش‌آموخته 22درصد دانشگاه‌ها و 22درصد باقی، دانش‌آموخته 78 درصد دانشگاه‌ها هستند. علاوه‌بر این، بر اساس نتایج قانون بردفورد، توزیع قدرت بین گروه‌های حسابداری، تقریباً از یک تابع نمایی تبعیت می‌کند و عدد اختلاف بین فراوانی گروه‌های مختلف حدود 266/3 است. دانشگاه‌های تهران، تربیت مدرس و علامه طباطبائی، دانشگاه‌های گروه 1 بردفورد هستند. دانشگاه تهران نیز در ساختار روابط گروه‌های حسابداری دانشگاه‌های دولتی، اصلی‌ترین دانشگاه است.
نتیجه‌گیری: بر اساس نتایج پژوهش، موقعیت مناسب بعضی دانشگاه‌ها در ساختار ارتباطی، باعث شده است که این دانشگاه‌ها برای دسترسی به سایر دانشگاه‌ها، با واسطه‌های کمتری مواجه شوند، دسترسی آنها به منابع موجود ساده‌تر باشد و در به‌‎دست‎آوردن اطلاعات مؤثر از اعضای شبکه، توانایی بیشتری داشته باشند. بنابراین، می‌توان ادعا کرد که در ساختار حاکم، این دانشگاه‌ها می‌توانند نقش بازیگران کلیدی را ایفا کنند.

کلیدواژه‌ها

عنوان مقاله [English]

Network Analysis of Accounting Departments of Iranian Governmental Universities

نویسندگان [English]

  • Reza Taghizadeh 1
  • Mohammad Abdzadeh Kanafi 2
  • Fatemeh Kordabadi 3
  • Fatemeh Heidari Ashkezari 4
1 Assistant Prof., Department of Accounting and Finance, Faculty of Economic, Management and Accounting, Yazd University, Yazd, Iran.
2 Ph.D., Department of Accounting, Faculty of Management, University of Tehran, Tehran, Iran.
3 BSc., Department of Accounting and Finance, Faculty of Economic, Management and Accounting, Yazd University, Yazd, Iran.
4 BSc., Department of Accounting and Finance, Faculty of Economic, Management and Accounting, Yazd University, Yazd, Iran.
چکیده [English]

Objective: The aim of this study is to investigate and analyze the communication structure between the accounting departments of Iranian governmental universities.
Methods: The method of this research based on the type of data collected and analyzed is a quantitative research of the network analysis. Network analysis focuses on relationships between individuals, organizations, institutions, countries, and etc. These connections together form networks. Using the network analysis method, the structural pattern governing the networks is examined and analyzed. The statistical population of this study is all accounting departments of Iranian Governmental universities. In this research, the faculty members of accounting departments whose information is available until the end of September 2020 are reviewed. Therefore, according to the conditions, 44 universities were selected for the study. Finally, the results are analyzed using network analysis method and PreMap software version 1 and UCINET software version 6.
Results: The findings of the research showed that unconventional inequality prevails in the communication network of accounting departments of governmental universities, and some of the universities were in a better position. On the other hand, the Pareto distribution showed that the division of power between the accounting departments has a 22-78 skewness. That is, 78% of the faculty members are graduates of 22% of universities and the remaining 22% are graduates of 78% of universities. Also, Bradford's law stated that the distribution of power between accounting departments almost follow an exponential function, and the difference between the frequencies of different groups was about 3.266. The universities of Tehran, Tarbiat Modares and Allameh Tabatabai were universities related to Group 1 of Bradford Law. Also, the University of Tehran was the most key university in the structure of relations between the accounting departments of governmental universities.
Conclusion: Based on research results, decent position of some universities in the communication structure causes that these universities need less intermediaries than the other universities and therefore have much simple access to the existing resources. In addition, their ability to obtain effective information through the network cluster is further enhanced. Therefore, it can be claimed that these universities can play the role of key actors in the rulling structure.

کلیدواژه‌ها [English]

  • Faculty Members
  • Accounting Departments
  • Governmental Universities
  • Network Analysis

مراجع

پورطاهری، رضا (1370). توزیع پارتو و کاربرد آن. پایان­نامه کارشناسی ارشد، دانشگاه شهید بهشتی، تهران.
تقی‌زاده، رضا؛ ناظمی، امین (1397). تحلیل شبکه مالکیت در بازار سهام ایران. مجله دانش حسابداری، 9 (3)، 115-144.
ثابتی، مریم؛ سپهر، محمد همایون؛ احمدی، فخرالدین (1393). نقش آموزش عالی در توسعه ملی. مجله مطالعات توسعه اجتماعی ایران، 6 (4)، 59-69.
زمانی، اصغر (1396). شناسایی، تحلیل و اولویت‌بندی عوامل مؤثر بر کیفیت آموزش در آموزش عالی. فصلنامه نوآوری و ارزش‌آفرینی، 6 (11)، 23-36.
سیدجوادین، سیدرضا؛ کیماسی، مسعود؛ یزدانی، حمیدرضا؛ وارث، سیدحامد (1386). اندازه‌گیری کیفیت خدمات در دانشگاه‌های ایران: UNQUAL در برابر UNPERF. بررسی‌های حسابداری و حسابرسی، 14 (2)، 9-28.
مشایخی، بیتا؛ شفیع‌پور، سیدمجتبی (1391). بررسی کارایی نظام آموزشی رشته حسابداری در سطح دانشگاه‌های ایران با استفاده از تکنیک تحلیل پوششی داده‌ها. بررسی‌های حسابداری و حسابرسی، 19 (67)، 119-142.
نوروش، ایرج (1386). بررسی فرایند تغییر برنامه درسی و پیشنهاد یک برنامه درسی نوسازی‎شده برای دوره کارشناسی رشته حسابداری. بررسی‌های حسابداری و حسابرسی، 10 (32)، 21-42.
نوروش، ایرج؛ مشایخی، بیتا (1384). نیازها و اولویت های آموزشی حسابداری مدیریت: فاصله ادراکی بین دانشگاهیان و شاغلین  در حرفه حسابداری. بررسی‌های حسابداری و حسابرسی، 12 (41)، 133-161.
وکیلی مفرد، حسین؛ مکاری، ماندانا (1387). تعیین نشریات هسته لاتین دانشگاه علوم پزشکی همدان با استفاده از قانون پراکندگی برادفورد. مجله کتابداری، 42 (48)، 153-174.
 
References
Abbasi, A., Hossain, L., & Leydesdorff, L. (2012). Betweenness centrality as a driver of preferential attachment in the
Abbasi, A., Hossain, L., & Leydesdorff, L. (2012). Betweenness centrality as a driver of preferential attachment in the evolution of research collaboration networks. Journal of Informetrics, 6(3), 403-412.‏
Apostolou, B., Dorminey, J. W., & Hassell, J. M. (2021). Accounting education literature review (2020). Journal of Accounting Education, 55, 100725.
Ayah, R., Jessani, N., Mafuta, E.M., (2014). Institutional capacity for health systems research in East and Central African schools of Governmental health: knowledge translation and effective communication. Health Research Policy and Systems, 12 (1), 20.
Beane-Katner, L. and College, S. (2015). Anchoring a Mentoring Network in a New Faculty Development Program. Mentoring & Tutoring: Partnership in Learning, 22(2), 91-103.
Bensman, S. J. (2001). Bradford’s law and fuzzy sets: statistical implementations for library analyses. IFLA Journal, 27(4), 238-246.
Berkowitz, S. D., Wellman, B. (1988). Afterword: Toward a formal structural theory, in social structures: a network approach, ed. Barry Wellman and S.D. Berkowitz, Cambridge UN. Press.
Department for Business Innovation and Skills (BIS). (2009). Higher ambitions: the future of universities in a knowledge economy. Available in: http://bis.ecgroup.
Brownson, R.C., Kreuter, M.W., Arrington, B.A., True, W.R. (2006). Translating scientific discoveries into Governmental health action: how can schools of Governmental health move us forward? Governmental Health Reports, 121(1), 97–103.
Carney, R. W., Child, T. B., Li, X. (2020). Board connections and crisis performance: Family, state, and political networks. Journal of Corporate Finance, 64, 1-24.
Cox, J. (2021). The higher education environment driving academic library strategy: A political, economic, social and technological (PEST) analysis. The Journal of Academic Librarianship, 47, 102219.
Cubukcu, K. M. (2015). Examining the Street Patterns in Izmir in the 19th Century: A Network Based Spatial Analysis Procedia. Social and Behavioral Sciences, 202, 436-441.
Daud, N. N., Ab Hamid, S. H., Saadoon, M., Sahran, F., and Anuar, N. B., (2020). Applications of link prediction in social networks: A review. Journal of Network and Computer Applications, 166, 1-35.
De Nooy, W., Mrvar, A., Batagelj, V. (2005). Exploratory Social Network Analysis with Pajek, Structural Analysis in the Social Sciences (1th ed.). Cambridge: Cambridge University Press.
Ding, J., Fang, L., and Chen, Sh. (2020). Mitigating free riding in social networks: The impact of underestimating others’ ability in financial market, International Review of Economics & Finance, 70, 582-599.
Donna, J. D., Schenone, P., and Veramendi, G. F. (2020). Networks, frictions, and price dispersion. Games and Economic Behavior, 124, 406-431.
Grosman, A., Leiponenb, A. (2018). Organizational transparency and power in firm ownership networks. Journal of Comparative Economics, 46(4), 1158-1177.
Gualdani, C. (2020). An econometric model of network formation with an application to board interlocks between firms. Journal of Econometrics. (in Press)
Jessani, N., Kennedy, C., Bennett, S.C., (2016). Enhancing evidence-informed decisionmaking: strategies for engagement between Governmental health faculty and policymakers in Kenya. Evidence & Policy, 13, 2, 225–53.
Jessani, N.S. Babcock, C., Siddiqi, S., Davey-Rothwell, M., Ho, Sh., Holtgrave, D. R. (2018). Relationships between Governmental health faculty and decision makers at four governmental levels: a social network analysis. Evidence & Policy, 14 (3), 499-522.
Mashayekhi, B., and ShafiPoor, S. M. (2012). Investigation of Accounting Education System Efficiency in Iranian Universities. Accounting and Auditing Review, 19(67), 119-142.
(in Persian)
Meyer, M. (2010). Knowledge brokers as the new science mediators. Hermes, 57, 165–71.
Mintz, E., Croci, O., Close, D. (2006). Politics, power and the common good: an introduction to political science. Toronto: Pearson Prentice Hall.
Mitterle, A., Würmann, C., and Bloch, R. (2015). Teaching without faculty: policy interactions and their effects on the network of teaching in German higher education. Discourse: Studies in the Cultural Politics of Education, 36(4), 560-577.
Neto, M. S., Carmo, M.J.D., Ribeiro, E.M.S., Cruz, W.V.G. (2020). Corporate ownership network in the automobile industry: Owners, shareholders and passive investment funds. Research in Globalization, 2, 1-12.
Nicolaisen, J. & Hjørland, B. (2007). Practical potentials of Bradford's law: A critical examination of the received view. Journal of Documentation, 63(3), 359-377.
Noravesh, I. (2003). Examining the process of changing the curriculum and proposing a modernized curriculum for the undergraduate course in accounting. Accounting and Auditing Review, 10(32), 21-42. (in Persian)
Noravesh, I. and Mashayekhi, B. (2005). Management Accounting Training Needs and Priorities: Perceptual Distance between Academics and Accounting Professionals. Accounting and Auditing Review, 12(41), 133-161. (in Persian)
Park, CH. K., Lee, Ch., Jeon, J. Q. (2020). Centrality and corporate governance decisions of Korean chaebols: A social network approach. Pacific-Basin Finance Journal, 62, 1-22.
Pincus, K. V., Stout, D. E., Sorensen, J.E., Stocks, K.D., and Lawson, F.A. (2017). Forces for change in higher education and implications for the accounting academy. Journal of Accounting Education, 40, 1-18.
Pinfold, V., Sweet, D., Porter, I., Quinn, C., Byng, R., Griffiths, C., Billsborough, J., Enki, D.G., Chandler, R., Webber, M., Larsen, J.A., Carpenter, J., Huxley, P. (2015). Improving community health networks for people with severe mental illness: a case study investigation. Health Services Delivery Research, 3 (5), 33.
Poortaheri, R. (1992). Pareto distribution and its application. M.A. Thesis, Shahid Beheshti University. (in Persian)
Randolph, R. V., Hu, H. F., and Silvernail, K. D. (2020). Better the devil you know: Inter-organizational information technology and network social capital in coopetition networks. Information & Management, 57(6), 1-10.
Richardson, A. (2009). Regulatory Networks for Accounting and Auditing Standards: a Social Network Analysis of Canadian and International Standard-Setting. Accounting Organizations and Society, 34, 571–588.
Rozer, J. J., Hofstra, B., Brashears, M. E. and Volker, B. (2020). Does unemployment lead to isolation? The consequences of unemployment for social networks. Social Networks, 63, 100-111.
Sabeti, M., Sepehr, M. H., Ahmadi, F. (2014). The Role of Higher Education in National Development. Journal of Iranian Social Development Studies, 6(4), 59-69. (in Persian)
Seyed Javadein, S. R., Keimasi, M., Yazdani, H. R., and Vares, S. H. (2007). Measuring service quality in universities in Iran: UNQUAL versus UNPERF. Accounting and Auditing Review, 14(2), 9-28. (in Persian)
Scott, J. (2000). Social network analysis: A handbook. 2nd edn sage Governmentalations.
Shearer, J.C., Dion, M., Lavis, J.N. (2014). Exchanging and using research evidence in health policy networks: a statistical network analysis. Implementation Science, 9 (1), 126.
Stanton, N. A., Harris, D., and Starr, A. (2016). The future flight deck: Modelling dual, single and distributed crewing options. Applied Ergonomics, 53, 331-342.
Tabassum, Sh., Pereira, F. S. F., Fernandes, S., and Gama, J. (2018). Social network analysis: An overview. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 8(5):e1256.
Taghizadeh, R., and Nazemi, A. (2018). Analysis of Ownership Network in the Iranian Stock Markets. Journal of Accounting Knowledge, 9(3), 115-144. (in Persian)
Taghizadeh, R., Nazemi, A., and Sadeghzadeh Maharluie, M. (2019). Analyzing Shareholder Network in the Tehran Stock Exchange. Iranian Journal of Finance, 3(4), 113-134.
Taghizadeh, R., Nazemi, A., and Sadeghzadeh Maharluie, M. (2021). Network Analysis of Interpersonal Relationships in Tehran Stock Exchange. Advances in Mathematical Finance & Applications, 6(1), 43-55.
Vakilimofrad, H. and Mokari, M. (2008). Determining the Latin Core Publications of Hamadan University of Medical Sciences Using Bradford Dispersion Law. Journal of Librarianship, 42(48), 153-174. (in Persian)
Wang, Y., Wang, J., Wang, H., Zhang, R., and Li, M. (2020). Users’ mobility enhances information diffusion in online social networks. Information Sciences, 546 (6), 329-348.
Wasserman, S., & Faust, K. (1994). Social network analysis: Methods and applications (Vol. 8). Cambridge university press.‏
Whitchurch, C. (2008). Shifting identities and blurring boundaries: the emergence of third space professionals in UK higher education. Higher Education Quarterly, 62, 4, 377–96
Worrell, J., Wasko, M. & Johnston, A. (2011) Social Network Analysis in Accounting Information Systems Research. International Journal of Accounting Information Systems, 11, 127-137.
Yin, X., Wang, H., Yin, P., and Zhu, H. (2019). Agent-based opinion formation modeling in social network: A perspective of social psychology. Physica A: Statistical Mechanics and its Applications, 532, 1-14.
Zamani, A. (2019). The Recognition and Analysis of Factors Influencing the Quality of Education in Higher Education. Journal of Innovation and Value Creation, 6(11), 23-36. (in Persian)
)
بررسی‏‌های حسابداری و حسابرسی
دوره 28، شماره 2
1400
صفحه 274-295

فایل ها

هم رسانی

ارجاع به این مقاله

آمار