智能審計的研究熱點與發展趨勢

李庭燎　徐心怡　杭亞軍

[摘要]隨著科學技術的進步和發展，人工智能影響著各行各業，審計智能化已成為必然趨勢，探析智能審計的研究進程和發展趨勢能幫助該領域學者更明確地發現研究熱點。本文運用CiteSpace軟件對相關主題文獻進行分析，從文獻年度分布、作者合作網絡、發文機構網絡、關鍵詞詞頻統計、關鍵詞聚類、關鍵詞突現等方面梳理了智能審計研究的發展脈絡，初步展現智能審計下智能合約、審計質量、教學改革等研究熱點與智慧審計、審計風險評估、智能財務等研究前沿，并對相關現象進行總結，以期促進智能審計的發展。

[關鍵詞]智能審計? ?知識圖譜? ?CiteSpace? ?研究熱點? ?研究趨勢

區塊鏈、物聯網、人工智能等多項新興技術的蓬勃發展使人們的生活和工作方式發生改變，人類正從信息時代邁入智能時代，智能時代是信息時代的延續和新生。人工智能是計算機科學的一個分支，它試圖模擬人類智能以做出類似人類的反應，實現看懂、聽懂人類世界，并可實現與人類進行無障礙交流的目標。近年來，人工智能在理論和技術方面日益成熟，應用場景也在不斷擴大，在制造業、金融業、銷售與服務性行業等領域都有卓越的表現，人工智能技術的廣泛應用在一定程度上降低了人力需求，提高了處理事務的效率和質量，從而促進生產和生活水平的進步。2017年，國務院印發《新一代人工智能發展規劃》，提出了面向2030年我國新一代人工智能發展的指導思想、戰略目標、重點任務和保障措施。

人工智能的迅速發展對審計行業也產生了巨大影響。切實加快會計審計數字化轉型步伐，積極推動審計工作數字化轉型是財政部《會計改革與發展“十四五”規劃綱要》的主要任務;《“十四五”國家審計工作發展規劃》中，也提出要全面貫徹落實習近平總書記關于科技強審的要求，加強審計技術方法創新，充分運用現代信息技術開展審計，提高審計質量和效率。越來越多的審計場景中應用了人工智能技術，如審計機器人、模式識別、自然語言處理、機器學習等，有效提升了審計效率和質量。人工智能在審計中的應用不僅提高了審計信息獲取的可靠性，還能滿足對傳統審計不斷提升的要求，處理復雜龐大的數據，建立可靠的智能審計模型，為高質量審計提供保證。

當前審計的智能化轉型正處于關鍵階段，運用多種人工智能技術的智能審計順應了時代的要求。為進一步明確智能審計領域的研究現狀及發展趨勢，通過運用文獻計量中的常用工具CiteSpace可視化軟件以知識圖譜的方式展示智能審計研究情況，助力智能審計的研究和發展。

一、研究方法與數據來源

（一）研究方法

文獻計量學是以數學及統計學方法應用于圖書情報領域為基礎形成和發展起來的。一直以來，文獻計量法在圖書情報領域得到了充分應用，如測定學科核心期刊、研究建設情報檢索系統、編制領域主題詞表等。隨著其理論方法的創新和發展，目前，文獻計量法的應用領域也已擴展到自然科學、社會科學、科技評價和管理等相關領域，為科學管理、政府決策提供定量依據。隨著文獻計量學的發展，用定量統計方法發現科學知識指數增長規律的知識圖譜進一步提高了文獻計量的客觀性、科學性以及數據的有效性。目前，文獻分析軟件有VOSviewer、CiteSpace、BibExcel等，其中CiteSpace是目前最為流行的知識圖譜繪制工具之一，運用多元、分時、動態的引文分析可視化技術將所研究的知識領域演進歷程集中展現在一幅引文知識圖譜上，并能把圖譜上作為知識基礎的引文節點文獻和共引聚類所表征的研究前沿自動標識出來，幫助使用者更清楚直觀地了解該領域研究的發展過程及熱點。本文采用 CiteSpace5.8.R3進行智能審計研究領域的文獻處理與分析。

（二）數據來源

中國知網、維普、萬方是目前教育科研用戶以及企事業集團使用的國內主流三大文獻數據庫，文獻來源豐富，分庫數量眾多，更新速度快，用戶廣，且在多年的發展進程中形成了各自特色。三個數據庫中，萬方的信息資源產品較多，文獻類型豐富，維普則專注提供期刊文獻和專業文章閱讀，而知網在數據內容加工方面更顯深入，檢索結果更全面多元。為了數據的全面性以及數據之間的可靠聯系，本文采用中國知網期刊數據庫中的文獻為主要研究對象。國際三大引文數據庫為SCI、EI、ISTP，Web of Science是以上三種數據庫的Web版，是大型綜合性、多學科、核心期刊的外文引文索引數據庫，具有強大的分析功能，能夠快速鎖定高影響力論文，因此本文以Web of Science核心合集為外文文獻補充數據，使分析更加完整。為保證數據的可靠性與相關性，在中國知網搜索欄后選擇高級檢索方式，分別將主題、關鍵詞、篇名設置為“智能審計”，時間區間設置為2000年1月1日至2022年2月26日，進行檢索，各得到307篇、72篇、75篇相關文章。將所得結果進行人工分析比較，可以發現以主題搜索的文獻范圍更廣、內容更全面，最終篩選出以主題搜索得到的文獻作為分析對象。將307篇文獻以Refworks格式導出保存，作為CiteSpace分析處理的初步數據。通過對以上三個結果下載量和被引量較高的文獻英文摘要和參考文獻研究分析可得，“智能審計”對應的英文術語為“Intelligent Audit”，故將Web of Science核心文集中主題設置為“Intelligent Audit”，得到230篇文章，以純文本文件格式導出，作為后面分析的補充。

二、國內智能審計研究的基本情況

（一）智能審計年度發文趨勢

統計數據庫中某一主題的年度發文量可以展現該領域的發展趨勢、發展速度及研究成果的發展態勢。以中國知網數據庫中與“智能審計”主題相關的307篇文獻為基礎研究對象按年份進行統計繪制曲線圖，如圖1所示，可以發現2000年以來，我國關于智能審計研究文獻數量總體呈現上升趨勢。2001年至2007年該領域研究處于剛剛起步的初級階段，平均一年只有1—2篇文章發表，在該階段，一些計算機技術已經運用于審計信息的確認、計量、記錄、報告等環節。2008年至2016年該領域處于緩慢發展階段，此階段在審計方法、技術和手段方面都能體現信息技術的運用，關于審計數據轉換、清理、分析和處理的標準也有更為詳細的定義。在2016年至2020年間，智能審計進入高速發展階段，相關主題發文量急速上升，并在2020年達到峰值，在這一年共發表了71篇智能審計相關方面的文章。這一階段由于新興技術的發展，機器學習、深度學習及神經網絡等方法使得審計行業朝著智能化、信息化的方向更進一步。盡管2021年發文量略低于2020年，但更多文章不再停留于智能審計理論探究階段，而是更多地嘗試實踐創新。

（二）作者知識圖譜分析

通過對文獻作者進行分析可以了解當前智能審計領域有影響力的專家學者及其合作關系。對2000年至2022年進行時區分割，設置時間切片為一年，節點類型（node types）決定了本次分析目的，選擇節點類型為Author，運行軟件后得到圖2。如圖2所示，圖中共識別出223個節點，125條連線，代表有223個作者，125對合作關系。通過分析下圖，可以發現高產作者（即發文量大于20篇）有六人，即張慶龍、程平等。整體來看，該領域內學者合作聯系較少，彼此之間合作關系不顯著。

（三）主要機構和刊物

將節點類型（node types）選為Institution，可以得到發文機構的合作網絡，如圖3所示。

可以看出節點即發文機構共有155個，合作網絡較為單一。其中發文機構多以大學及大學下屬研究所為主，如南京審計大學、重慶理工大學云會計大數據智能研究所、中國海洋大學管理學院等，少數文獻由企業審計部門發表。目前為止，發文數量最多的機構為南京審計大學，達到30篇，體現了南京審計大學根據審計目標、職能、內涵和手段進行擴展，以審計學科為基礎從原會計學的單一支撐拓展到管理學、經濟學、法學、計算機科學、信息科學等多學科支撐，構建了以審計為品牌、多學科交融的“大審計”學科建設與科學研究平臺，充分發揮審計品牌的示范、輻射與引領作用，積極推動審計學特色優勢學科與其他相關學科的交叉融合，并且在智能審計領域進行了初步探索和研究。

以“智能審計”為主題對審計領域主流刊物發文量、被引用頻次及下載頻次進行統計得到表1，其中被引用頻次和下載頻次為相關文章累計總和。《中國內部審計》高于其他期刊達到26篇，可以看出《中國內部審計》較關注于智能審計領域，致力于推動審計智能化轉型。盡管《財會通訊》發文量低于《中國內部審計》，只有11篇，但是被引用頻次截至目前最高，達到105次，可看出該刊由于發文質量較高，獲得更多學者認可。《審計研究》盡管不在表中，發文數僅有3篇，但是被引用頻次達到85，下載頻次5259，體現該刊文章在智能審計領域具有重要的影響力。

三、關鍵詞分析

關鍵詞可以高度凝練一篇文章的內容，通過關鍵詞分析可以快速掌握文獻的主題。本次研究主要從關鍵詞詞頻統計、關鍵詞聚類、關鍵詞突現等方面對關鍵詞進行分析，以探討智能審計的研究現狀、研究熱點及研究發展趨勢。

（一）關鍵詞詞頻統計

根據齊普夫定律可知，如果對大量文獻的關鍵詞進行分析，統計某一領域在某個時間段內關鍵詞出現的頻次，并依據出現頻次對關鍵詞進行排序，便可初步了解該領域內的研究動態以及研究熱點。在智能審計研究領域高度相關的關鍵詞中出現頻率較高的5個詞如表2所示。表2中的“中介中心性”主要是由美國社會學家林頓·弗里曼（Freeman）教授提出來的一個概念，它測量的是一個點在多大程度上位于圖中其他“點對”的“中間”。由表2可知，在智能審計研究領域內，主要的研究集中在三個方面：一是對智能審計定義的研究，即主要將人工智能技術運用在審計全流程中，實現審計的自動化、智能化。二是對智能審計主要方法的研究，體現在關鍵詞“大數據”“數據挖掘”上，表明當前智能審計處于大數據時代，對海量審計數據進行處理以獲得相應信息。三是對智能審計結果的研究，從關鍵詞“審計風險”“審計質量”可以看出，研究學者們對智能審計的具體實際操作結果也一直十分關注，人工智能技術的運用是否能有效提高審計結果質量仍待探討。

（二）關鍵詞聚類分析

CiteSpace可以對關鍵詞進行聚類分析，生成關鍵詞共現網絡。將節點類型設置為關鍵詞，并選擇聚類分析，CiteSpace提供了LSI、LLR、MI這三種算法。LSI（語義索引，Latent Semantic Indexing）算法是信息檢索領域一種早期的算法，1988年由S.T.Dumais等人提出，主要用于自然語言理解，通過統計的方法對文檔進行語義分析，發掘同義詞、相關詞組等。MI算法（Mutual Information）是兩個隨機變量間衡量相互依賴性的過濾式特征選擇算法。LLR算法（Loglikelihood ratio test）是一種假設檢驗的方法，用戶可以在可視化網絡中使用LLR算法提取的標簽來顯示聚類命名。運行過程中對比發現使用LLR算法得出的結果更佳，更符合實際情況，因此本次聚類使用的算法是LLR，可以得到圖4。

關鍵詞一共聚成17類，每個聚類都是由多個密切相關的關鍵詞組成。序號越小，越靠前，代表著聚類中包含的關鍵詞越多。每個聚類都是共現網絡中已經存在的關鍵詞，CiteSpace利用算法將關系緊密的關鍵詞進行聚類并賦予每個關鍵詞一個值，值最大的關鍵詞即為這一聚類的標簽。圖4中的聚類標簽為人工智能、智能審計、大數據、審計質量、內部審計、審計工作、審計軟件、智能合約、教學改革、專家系統等。根據關鍵詞聚類共現網絡，本次研究主要選取三個具有代表性的研究熱點進行討論。

1. 智能合約。

智能合約的研究主要關注支付、安全等方面。企業借助區塊鏈平臺可以在交易過程中真正觸發支付，實現快速編寫適合當前交易場景的智能合約，且可以有效避免交易時間延遲和出錯的可能性（楊霞，2018）。但智能合約中也存在著安全隱患，如惡意軟件傳播、共識機制缺陷、智能合約漏洞和用戶欺詐行為等，其中智能合約漏洞又包括任意存儲寫入漏洞、任意目的地址跳轉漏洞和gas耗盡拒絕服務漏洞（楊坤和王筱軻，2020）。學者們運用LASER符號執行引擎或者設計智能檢測模型來解決因安全隱患導致經濟損失難以追回的局限性，如基于側鏈的合約審計平臺（DCAPS）及適用于以太坊智能合約源代碼和Fabric智能合約源代碼的安全審計工具（楊坤和賴恩梅，2020）。區塊鏈中智能合約的可編程性為審計處理的智能化創造了條件，審計的實時自動處理將成為區塊鏈中的重要部分（劉光強，2021）。

2. 審計質量。

審計質量方面主要關注治理效果、決策依據等。審計質量代表審計工作水平的高低程度，其具體表現是審計治理效果的好壞。審計質量的高低直接影響著審計目標的實現和社會經濟的穩定發展，且還可能產生其他的間接影響。研究智能審計結果必然是未來的熱點之一。

過去的審計決策多依賴審計人員的專業知識和經驗積累，難免帶有主觀性，對審計質量有一定的影響，如今計算機可以通過機器學習不斷獲取審計經驗，幫助審計人員進行審計決策，使審計結果更加客觀精準（牟莉娜，2018）。學者們利用人工智能技術設計的基于大數據環境的智能數字化審計平臺，不再局限于數據樣本，能夠高效處理企業內部審計過程中大量的非結構化數據，對其進行自主學習和訓練，節省人力和操作時間，實現企業全業務數據監督，促進審計質量的提升（張玉嶺和張旭，2019）。基于會計師事務所視角，通過修正的瓊斯模型進行實證研究，發現人工智能可以從審計工作效率、審計人員整體專業水平、人機交互等方面對審計工作產生影響進而提升審計質量，不僅提高了注冊會計師審計的效率和精準度，還在事務所管理自動化和審計職業判斷能力提高等方面進一步發揮了作用（楊揚和李宜，2020）。然而，人工智能無法完全取代審計過程中人與人之間的有效溝通，在數據的安全性方面也會帶來一定風險（楊揚，2020）。

3. 人才培養與教學改革。

人才培養方面主要關注智能審計人才培養方案等，體現了高校對智能審計能力和知識結構的思考。探索具有中國特色的智能審計實現路徑需要進行相關方面的人才培養和教學改革，在人工智能環境下，審計人員的工作內容將從初級數據采集變為高端專業性決策，審計師應從繁瑣、機械的工作中解放出來，集中精力在審計過程中發揮監督、評價的價值，做人工智能審計系統的設計者（陳宇虹，2018）。未來審計行業需要的是復合型、管理型人才，審計人員不僅要有扎實的專業知識，還要具備良好的溝通管理能力，掌握一定的計算機信息技術（何承麗，2019）。針對各學習階段人群的培養，學者們分別提出了不同的方案。針對高職院校會計、審計專業培養存在以傳統專業課為重心、教學重理論輕實踐、教學手段及方法固化、審計實訓條件不完善等現狀，黃秋露（2020）提出在人工智能背景下，高職院校應注重培養學生團隊協作及溝通能力，完善審計實訓條件，開發相應的計算機審計應用課程，并且加強校企合作，培育更適應當今時代需求的審計人才。在MPAcc教育中可利用ADDIE模型進行大數據智能審計人才培養研究，該模型包含分析、設計、開發、實施、評估五個方面，旨在探索“互聯網+MPAcc”背景下的審計人才培養新方案（程平，2018）。在智能信息化時代，對高校審計人才培養和審計機關人才培養也要有不同的措施，高校應大力引入同時具備審計專業知識和計算機實操能力的優秀教師，定期舉辦信息審計方面的教學比賽，在審計機關人才培養過程中，政府部門要加大大數據審計人才培養資金投入，引進復合型人才，完善審計人員獎懲措施，堅持IT審計建設（鞠佳佑，2021）。

（三）關鍵詞聚類時間線分析

關鍵詞聚類時間線可以幫助我們快速了解智能審計領域的研究熱點是如何演進的，更清楚理解每個熱點的發展情況和動態變化。在CiteSpace中設置node types為“Keyword”，選擇菜單欄右上角的“Timeline View”，可以得到智能審計關鍵詞聚類時間線圖，如圖5所示。

分析中使用Q值作為聚類模塊參數，當Q>0.3可認為聚類結構顯著，S值是聚類平均輪廓值，當S>0.5時表明聚類合理，S>0.7可認為聚類令人信服。圖5中Q=0.7，S=0.9，說明采用圖5分析得到的結果是可靠的。從圖5中可以看到每個聚類關鍵詞的左邊都有一條橫線，代表該聚類的發展由來，橫線上的圓圈越大，代表關鍵詞出現的頻率越高，時間跨度越大。其中最早出現的是#1審計中的bpf（伯克利包過濾）智能識別審計，該詞最早出現于2001年發表的《網絡信息內容智能實時審計系統的研究與實現》中，作者利用bpf技術對網絡上多樣化信息進行安全審計，主要是對網絡底層信息進行監聽和建立語義理解模型，達到對信息內容的識別過濾。緊接著2006年#2智能審計聚類開始出現，最早是劉建波（2006）針對數據庫安全構建了一個獨立的數據庫審計系統模型，實現了智能審計和自動報警響應的功能。隨后2014年在能源審計領域出現了軟件和硬件相結合的快速能源審計方法，其中硬件設備用來檢測并記錄數據，軟件系統對數據進行節電潛力計算，并自動生成審計報告，實現了審計低成本和智能化。#7審計軟件這些年也在不斷發展，從早期電腦復制、模擬審計過程中的手工操作，到如今利用人工智能技術進行智能掃描、掃碼并識別審計資料。

（四）關鍵詞突現分析

關鍵詞突現圖可以幫助我們清楚地知道關鍵詞熱度持續時間，便于更好地預測未來研究熱點的趨勢。對關鍵詞進行聚類分析后，選擇Burstness進行設置，參數γ設為0.4，Minimum Duration設為2，代表熱度延續最短周期，得到圖6。圖6中Strength代表關鍵詞的突現強度，Begin代表關鍵詞突現起始年份，End代表關鍵詞突現結束年份，圖6的右半部分用紅色表示突現時間區間，更加直觀、清晰。

由圖6可知，“審計模式”作為熱點研究出現得最早，從2008年至2012年期間熱度較高，突現強度達到1.72。隨后2010年至2014年間“數據挖掘”在智能審計領域作為研究熱點，突現強度高達4.29。根據WOS（Web of Science）數據分析可知，2006年“data mining”就已成為智能審計中的研究熱點，可以看出，我國在這方面的研究略晚于國外。在大數據背景下，數據挖掘通常通過機器學習、專家系統在大量審計數據中搜索有用信息，高度自動化地完成審計報告，是智能審計研究的重點之一。2011年后，“持續審計”作為熱點保持了很長一段時間，在信息化時代，持續審計可及時獲取大量信息并依托高度自動化的審計程序得到了更好的發展。2020年至今，“智慧審計”“內部審計”“審計風險”“智能財務”熱度最高，可以看出，智能審計的概念在數字化審計轉型與智能化應用過程中不斷完善。智慧審計不是某種特定數智技術的應用，而是一種審計思維，為了輔助、改進審計，將數智技術和場景應用于審計工作中，提高審計效率與效果。學者們不僅針對智慧審計和智能審計的概念作出詳細辨析，還對智能審計進行系統的設計規劃。可以預測，在接下來的1至2年中，評估智能審計的結果與影響、提高智能審計質量有可能成為研究熱點和發展趨勢。綜上所述，智能審計的研究熱點與新興技術息息相關，學者們積極運用各項新興技術于審計過程中，表明學界一直致力于提高審計效率、提升審計質量。同時，圖6也反映出對某一熱點的研究持續性不足，由于研究過于碎片化，難以達到足夠深度和效果。

四、結論與展望

本文運用CiteSpace軟件對中國知網上以“智能審計”為主題的307篇文獻及WOS上230篇文獻進行了分析。從文獻年度分布、作者合作網絡、發文機構網絡、關鍵詞詞頻統計、關鍵詞聚類、關鍵詞突現等方面梳理了智能審計的研究脈絡。從文獻年度、作者合作網絡、發文機構網絡的相關圖譜可以看出，智能審計的研究已從萌芽狀態逐漸成熟，發文量呈明顯上升趨勢，但作者和機構彼此之間的合作仍待加強，研究的理論成果轉化率不高。從對關鍵詞的各項分析可總結出以下幾個結論：一是智能審計與新興技術的發展有著密切關聯，大數據、模式識別、機器學習等都在一定程度上帶動了審計模式的改革，促進了審計質量的提高。二是積極推動審計智能化的主要目的是減少手工重復工作，提高審計效率，智能審計系統不僅要實現審計數據的主動收集，更要具有智能推理的功能，學習審計工作人員的審計經驗，預測未來場景和情景并進行前瞻性分析。三是智能審計的應用場景十分廣泛，實際工作中還會面臨一些挑戰，如審計環境要素復雜，不同審計對象所面臨的審計事務不同，單一的審計模型難以應對復雜情況，數據的多樣性與碎片化也給數據分析帶來一定難度。

隨著智能時代的發展，智能審計的研究熱度將持續上漲，本文結合上述分析提出可能的研究方向：一是優化智能審計模型。利用各項新興技術不斷提高智能審計模型的決策水平，從數據收集、數據處理、數據分析和審計報告四個方面同時優化，完善智能審計模型的應用場景。二是培養智能審計人才。在審計智能化背景下，審計行業需要大量掌握審計專業知識同時可以熟練使用計算機處理數據的人員，也需要具備軟件開發設計能力和理解審計需求的工科人員，因此，如何平衡培養出交叉學科人才必然是未來智能審計研究的一大熱點。三是評估智能審計質量。智能審計作為新的審計模式必然要接受考核和檢驗，評估智能審計是否能降低審計風險、提升審計質量是考核的重要部分。積極應對機器帶來的不確定性，通過評估智能審計質量促進智能審計模型的優化，形成良性的閉合循環。

主要參考文獻

[1] 陳悅，陳超美，劉則淵，等.CiteSpace知識圖譜的方法論功能[J].科學學研究， 2015（2）：242-253

[2] 林豪慧，陳如好.知網、維普、萬方的同質化和差異化評析[J].圖書館學研究， 2009（9）：25-27

[3] 武曉芬， 田海洋. 中外人工智能審計研究熱點及演進知識圖譜比較研究[J]. 科技管理研究， 2019

（10）：185-191

[4] 許文霞. 齊普夫定律與中文詞頻分布機理[J]. 情報科學， 1986（1）：29-36

[5] 楊道廣，陳波，陳漢文.智慧審計研究：理論前沿、實務進展與基本結論[J].財會月刊， 2022（11）：15-31

[6] 張慶龍， 何佳楠， 芮柏松. 新時期內部審計創新之路：從數據審計到智能審計[J]. 財會月刊， 2021

（22）：78-83