جمع‌آوری و ساخت دیتاست پژوهشی از گزارش‌های سالانه شرکت‌های بورسی برای سنجش میزان به‌کارگیری هوش مصنوعی

---

شرح پروژه

برای یک پژوهش دانشگاهی در حوزه حسابداری و حسابرسی، به همکاری یک متخصص برنامه‌نویسی و تحلیل داده نیاز دارم. هدف، ساخت یک دیتاست مستند و قابل اتکا از شرکت‌های بورسی ایران برای اندازه‌گیری میزان به‌کارگیری هوش مصنوعی (AI Adoption) در سطح شرکت و سال است.
شرح خدمات موردنیاز:
۱. جمع‌آوری گزارش‌های سالانه، گزارش فعالیت هیئت‌مدیره و سایر گزارش‌های رسمی شرکت‌های بورسی از سامانه کدال و منابع رسمی.
۲. تشکیل نمونه اولیه شامل ۳۰ شرکت در ۵ سال مالی (۱۴۰۰ تا ۱۴۰۴)، معادل ۱۵۰ مشاهده شرکت ـ سال (Firm-Year).
۳. استخراج متن گزارش‌های PDF با استفاده از پایتون و ابزارهای پردازش متن و در صورت نیاز، OCR برای فایل‌های اسکن‌شده.
۴. پاک‌سازی و استانداردسازی متن فارسی و انگلیسی، شامل اصلاح حروف فارسی، فاصله‌ها و نیم‌فاصله‌ها.
۵. شناسایی و استخراج جملات و پاراگراف‌های مرتبط با هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، پردازش زبان طبیعی و کاربردهای مرتبط.
۶. طبقه‌بندی شواهد به گروه‌های زیر:
استفاده عملیاتی و واقعی از هوش مصنوعی
سرمایه‌گذاری یا ایجاد زیرساخت مشخص هوش مصنوعی
پروژه آزمایشی یا پایلوت
برنامه و قصد استفاده در آینده
اشاره عمومی و غیرعملیاتی به هوش مصنوعی
۷. طراحی شاخص قابل دفاع برای سنجش AI Adoption و تهیه متغیرهای جایگزین برای تحلیل‌های استحکام پژوهش.
۸. ثبت مستندات هر مشاهده شامل نام شرکت، سال مالی، منبع، نشانی گزارش، شماره صفحه، متن شاهد و کد نهایی.
۹. تحویل دیتاست نهایی در قالب Excel یا CSV، همراه با کدهای پایتون، فرهنگ واژگان فارسی و انگلیسی، دستورالعمل کدگذاری و گزارش کنترل کیفیت داده‌ها.
مهارت‌های موردنیاز:
تسلط به Python و کتابخانه‌های Pandas و Regex
تجربه پردازش متن فارسی و انگلیسی (NLP و Text Mining)
تجربه استخراج متن از PDF و کار با داده‌های نامنظم
آشنایی با جمع‌آوری داده از وب و منابع رسمی
توانایی طراحی فرایند کدگذاری و اعتبارسنجی داده‌های متنی
آشنایی با یادگیری ماشین و طبقه‌بندی متن، مزیت محسوب می‌شود.
نکته مهم: هدف صرفاً شمارش کلمات مرتبط با AI نیست؛ بلکه شناسایی شواهد مستند از به‌کارگیری واقعی فناوری و تفکیک آن از برنامه‌های آینده یا اشاره‌های تبلیغاتی است. نبودن مدرک در جست‌وجوی اولیه نباید به‌طور خودکار به معنی عدم استفاده از AI تلقی شود.
لطفاً هنگام اعلام آمادگی مشخص کنید: ۱. آیا تجربه مشابهی در استخراج و تحلیل متن فارسی دارید؟ ۲. چه روشی برای استخراج و اعتبارسنجی AI Adoption پیشنهاد می‌کنید؟ ۳. آیا امکان ارائه یک نمونه آزمایشی از ۵ شرکت در یک سال مالی را دارید؟ ۴. زمان و هزینه پیشنهادی شما برای مرحله آزمایشی و کل پروژه چقدر است؟ ۵. آیا کد برنامه‌نویسی، مستندات و داده‌های قابل بازبینی نیز تحویل داده می‌شوند؟

مهارت ها و تخصص های مورد نیاز

---

---