بیان مسأله اساسی پژوهش، فصل اولکلیات پژوهش، دارایی های نامشهود

 

کلید واژه : سرمایه فکری ، بازده حقوق صاحبان سهم، ورشکستگی(تنگدستی مالی)، بازده دارایی ، بهره وری
فصل اول
کلیات پژوهش
۱-۱- مقدمه
امروزه دانش به عنوان مهم‌ترین سرمایه، جایگزین سرمایه‌های مادی به ویژه در محیط رقابتی و فناوری ‌‌شده ‌است. لذا مفهوم سرمایه فکری کاربردی مهم و گسترده یافته ‌است. مسئله اصلی این پژوهش بررسی نقش و اهمیت سرمایه فکری در ارزش واقعی شرکت‌ها و کارکرد مالی آنهاست مسئله‌ای که اهمیت و جایگاه تعیین‌کننده‌ای در موفقیت یا شکست شرکت‌ها دارد.این پژوهش به بررسی میزان تاثیر سرمایه فکری در عملکرد شرکت‌های ورشکسته پذیرفته‌‌ شده در بورس اوراق بهادار پرداخته و با بهره برداری از شبکه عصبی به عنوان یک سیستم هوشمند امکان اداره حجم انبوه اطلاعات و استفاده موثر از آنها در بهبود تصمیم گیری را فراهم آورده است. به این منظور ابتدا پنج شاخص کلیدی عملکرد شرکت‌ها و شاخص کارایی سرمایه فکری با استفاده ‌از مدل “پالیک” در جامعه آماری شرکت‌های پذیرفته‌‌شده در بورس اوراق بهادار طی سال‌های ۱۳۸۴ تا ۱۳۸۸، اندازه‌گیری ‌‌شده،و سپس از الگوی پانل بهره گرفته شده و با بهره گرفتن از برآوردگر حداقل مربعات تعمیم یافته به بررسی ارتباط بین سازه های سرمایه فکری (کارایی سرمایه انسانی ، کارایی سرمایه ساختاری و کارایی سرمایه بکار گرفته شده) با متغیرهای پژوهش پرداخته شده است.
۱-۲-بیان مسأله اساسی پژوهش
بسیاری از سیستم‌های حسابداری فعلی از نقش و اهمیت فزاینده حق مالکیت معنوی و دانش در سازمان‌‌های عصر نوین غافل بوده و از توان سنجش ارزش واقعی دارایی‌ها در محاسباتشان ناتوانند. به عبارت دیگر، صورت‌های مالی در تشریح ارزش واقعی شرکت‌ها از محدودیت‌های بسیاری برخوردار هستند. در جوامع دانش‌محور کنونی، بازده سرمایه فکری بکار گرفته ‌‌شده بسیار بیشتر از بازده سرمایه‌های مالی به کار گرفته ‌‌شده، ‌اهمیت یافته است (بونیتس ۱۹۹۹) . این به آن معناست که در آینده در مقایسه با سرمایه‌های فکری، نقش و اهمیت سرمایه‌های مالی در تعیین قابلیت سودآوری پایدار، کاهش چشم‌گیری خواهد یافت. این موضوع موجب ایجاد فاصله بین ارزش واقعی شرکت‌ها و سازمان‌ها با آنچه که در محاسبات حسابداری سنتی اعمال می‌گردد، ‌‌شده ‌است.
در این راستا و با توجه به تاریخچه موجود در زمینه سرمایه های فکری، می توان شیوه های اندازه گیری سرمایه فکری را در چهار مقوله اصلی زیر قرار داد:
۱- مستقیم (DIC)
2- شیوه های کارت امتیازدهی (SCM)
3- سرمایه گذاری بازار (MCM)
4- نرخ بازگشت دارایی ها (ROA)
این شیوه ها با یکدیگر در اندازه گیری پولی و یا غیرپولی سرمایه های فکری و نیز مورد استفاده آنها در سطح کلان یا خرد سازمانی تفاوت دارند.
شیوه های مستقیم ارزش پولی دارایی های نامشهود را از طریق تعریف سازه های خرد هر یک از دارایی ها مشخص می کنند. زمانی که این اجزاء معرفی می گردند می توان ارزش آنها را به صورت انفرادی و یا به شکل گروهی همراه با اجزای دیگر محاسبه کرد.
شیوه های کارت امتیازی نیز همانند روش های مستقیم عمل می کنند با این تفاوت که در این شیوه ها ارزش پولی سرمایه فکری مشخص نخواهد شد. در این روش از شاخص هایی برای گزارش دهی عملکرد در قالب نمودارها یا جداول استفاده می شود.
دو شیوه سرمایه گذاری بازار و نرخ بازگشت دارایی ها منجر به اندازه گیری تجمیعی برای کل سازمان در سطح کلان می شود. شیوه های سرمایه گذاری بازار، مقادیر پولی برای سرمایه فکری را از طریق کسر بین مجموع سرمایه گذاری شرکت در بازار از مقدار ارزش دفتری سهام سهامدارانش در ترازنامه محاسبه می کنند.
شیوه نرخ بازگشت دارایی ها از متوسط درآمدهای قبل از مالیات استفاده کرده و آن را به متوسط دارایی های مشهود تقسیم می کند تا ROA شرکت بدست آید. سپس تفاوت بین ROA صنعت و ROA شرکت در متوسط دارایی های مشهود شرکت ضرب گردیده و از این طریق متوسط درآمدهای حاصل از نامشهودها بدست می آید. در نهایت با تقسیم متوسط درآمدهای نامشهود بر متوسط هزینه سرمایه های شرکت، نرخ بهره، برآوردی از میزان سرمایه فکری شرکت بدست می آید(پتی، ۲۰۰۰).
بهره برداری از سیستم های هوشمند به منظور بهینه سازی و پیش بینی در حال حاضر به عنوان یکی از ابزارهای پیشرفته امروز در حوزه های مختلف علوم کاربرد فرآوانی دارد. این دستاوردهای تکاملی در تکنولوژی اطلاعات توانایی پردازش انبوهی از اطلاعات را به صورت موازی امکان پذیر ساخته است (شباهنگ، ۱۳۷۹).
چگونگی اداره حجم انبوه اطلاعات و استفاده موثر از آنها در بهبود تصمیم گیری از موضوعاتی بحث برانگیز در عصر حاضر است یکی ازمسائل مهم تحقیقاتی در زمینه علوم کامپیوتر، پیاده سازی مدلی شبیه به سیستم داخلی مغز انسان برای تجزیه تحلیل سیستم های مختلف بر اساس تجربه است در این راستا شبکه عصبی یکی از پویاترین حوزه های پژوهش در دوران معاصر هستند که افراد متعددی از رشته های گوناگون علمی را به خود جلب کرده است استفاده از شبکه عصبی و الگوریتم ژنتیک در حل مسائل پیچیده کاربردی این روزها بیش از بیش رواج یافته است.( جعفریه و همکاران، ۱۳۸۹).