- آذر، عادل، امیرخانی، طیبه (1395). سیاهچالههای بودجه در نظام بودجهریزی ایران، مدیریت دولتی، 8(4)، 571-590.
- بنافی، مسعود، شهبازی، محمدمهدی (1403). گذار به حکمرانی هوشمند: پیشایندهای استقرار نظام بودجهریزی هوشمند در بخش عمومی، مطالعات مدیریت دولتی ایران، 7(4)،159-193.
- بنافی، مسعود، قرشی، سیدمجتبی (1399). نقش ابزارهای نرم در ایجاد پیامدهای سخت در حکمرانی: پیوندی بین خطمشیگذاری و حقوق (موردمطالعه: شاخص قاچاق انسان)، مطالعات مدیریت دولتی ایران، 3(4)، 127-152.
- حداد، میثم، صالحی ابر، سارا (1403). فرصتها و چالشهای جدید بودجهریزی دولت هوشمند در عصر هوش مصنوعی، فصلنامه پژوهشنامه اقتصاد و برنامهریزی.
- دهقانپور فراشاه، علیرضا، دهقانپور فراشاه، افسانه (1403). واکاوی ملاحظههای اخلاقی و سیاستی حکمرانی دادهمحور، مطالعات راهبردی سیاستگذاری عمومی، 14(51)، 104-124.
- دهقانپور فراشاه، علیرضا، عباسی، طیبه،دهقانپور فراشاه، افسانه (1402). شناسایی و اولویتبندی موانع پاسخگویی عمومی در سازمانهای دولتی ایران، مطالعات مدیریت دولتی ایران، 6(3)، 97-123.
- خبرگزاری ایرنا (۱۴۰۴). اجرای نسخه اول سکوی یکپارچه اطلاعات مالی دولت؛ تأکید بر حکمرانی دیجیتال، برگرفته از خبرگزاری ایرنا.
- ساعدی، عبداله، اسدی، نازنین (1403). تحلیل و ارزیابی پیامدهای حاکمیت کلاندادهها در مدیریت منابع انسانی، مدیریت سازمانهای دولتی، 13(1 (پیاپی 49))، 109-122.
- عرب مازاریزدی، محمد، مرادی، امیر (1399). فرصتها و چالشهای کاربرد کلانداده ها در سیستم اطلاعاتی حسابداری بخش عمومی از منظر مسئولیت پاسخگویی، دانش حسابرسی، 20(79)، 95-122.
- نوبری فرزانه (1401). نبود نگاه سیستمی در تنظیم بودجه در سطح کلان، ماهنامه علمی امنیت اقتصادی، 10(3)، 19-26.
- هلیلی، خداداد، ولوی، محمدرضا (1396). فناوری کلانداده، فرصتها، چالشها و راهبردها، مطالعات بینرشتهای دانش راهبردی، 7(28)، 7-28.
- Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative research in psychology, 3(2), 77-101. https://doi.org/10.1191/1478088706qp063oa
- Cockcroft, S., & Russell, M. (2018). Big data opportunities for accounting and finance practice and research. Australian Accounting Review, 28(3), 323-333. https://doi.org/10.1111/auar.12218
- Davies, J., Arana-Catania, M., Procter, R., Van Lier, F. A., & He, Y. (2021). Evaluating the application of NLP tools in mainstream participatory budgeting processes in Scotland. ACM International Conference Proceeding Series, 362–366. https://doi.org/10.1145/3494193.3494242
- Desouza, K. C., & Jacob, B. (2017). Big data in the public sector: Lessons for practitioners and scholars, Administration & society, 49(7), 1043-1064. https://doi.org/10.1177/0095399714555751
- Gamage, P. (2016). New development: Leveraging ‘big data’analytics in the public sector. Public Money & Management, 36(5), 385-390. https://doi.org/10.1080/09540962.2016.1194087
- Green, S., McKinney Jr, E., Heppard, K., & Garcia, L. (2018). Big data, digital demand and decision-making. International Journal of Accounting & Information Management, 26(4), 541-555. https://doi.org/10.1108/IJAIM-02-2017-0019
- Guba, G. & Lincoln, Y. S. (1994). Competing paradigms in qualitative research. In Handbook of qualitative research, 2(163 -194), 105.
- Höchtl, J., Parycek, P., & Schöllhammer, (2016). Big data in the policy cycle: Policy decision making in the digital era. Journal of Organizational Computing and Electronic Commerce, 26(1-2), 147-169. https://doi.org/10.1080/10919392.2015.1125187
- Hollands, F. M., Shand, R., Yan, B., Leach, S. M., Dossett, D., Chang, F., & Pan, Y. (2024). A comparison of three methods for providing local evidence to inform school and district budget decisions. Leadership and Policy in Schools, 23(2), 296-330. https://doi.org/10.1080/15700763.2022.2131581
- Kheyfets, I., Mastruzzi, M., Merotto, D., & Sondergaard, L. (2011). A New Data Tool to BOOST Public Spending Efficiency.
- Li, C., Xu, Y., Zheng, H., Wang, Z., Han, H., & Zeng, L. (2023). Artificial intelligence, resource reallocation, and corporate innovation efficiency: Evidence from China’s listed companies. Resources Policy, 81, 103324. https://doi.org/10.1016/j.resourpol.2023.103324
- Moradi, T., Kabir, M. J., Pourasghari, H., Ehsanzadeh, S. J., & Aryankhesal, A. (2023). Challenges of budgeting and Public Financial Management in Iran’s health system: a qualitative study. Medical Journal of the Islamic Republic of Iran, 37, 80. https://doi.org/10.47176/mjiri.37.80
- Nagirikandalage, P., Binsardi, A., & Kooli, K. (2025). The role of big data in public sector accounting and budgeting practices: evidence from a pandemic environment of an emerging economy. International Journal of Accounting, Auditing and Performance Evaluation, 21(1-2), 229-258. https://doi.org/10.1504/IJAAPE.2025.144894
- Saunders, M. N. (2011). Research methods for business students, 5/e. Pearson Education India.
- Valle-Cruz, D., Fernandez-Cortez, V., & Gil-Garcia, J. R. (2022). From E-budgeting to smart budgeting: Exploring the potential of artificial intelligence in government decision-making for resource allocation. Government Information Quarterly, 39(2), 101644. https://doi.org/10.1016/j.giq.2021.101644
- Warren, J. D., Moffitt, K. C., & Byrnes, P. (2015). How big data will change accounting, Accounting horizons, 29(2), 397-407. https://doi.org/10.2308/acch-51069
- Zhang, J., Rardin, R. L., & Chimka, J. R. (2023). Budget constrained model selection for multiple linear regression. Communications in Statistics-Simulation and Computation, 52(11), 5537-5549. https://doi.org/10.1080/03610918.2021.1991956
- Zhyber, T., Pyslytsya, A., Zavystovska, H., Tymchenko, O., & Shchur, R. (2024). Data-Driven Public Budgeting: Business Management Approach and Analytics Methods Algorithmization. In Data-Centric Business and Applications: Modern Trends in Financial and Innovation Data Processes 2023. Volume 2 (pp. 89-124). Cham: Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-53984-8_5
|
