國內智慧審計領域研究熱點與核心主題演化分析

【摘 要】 大數據、人工智能等新興技術與審計實務的融合和應用使得“智慧審計”成為熱點話題。采用文獻計量、知識圖譜、文本分析等方法對國內近十年“智慧審計”領域相關研究進行系統梳理，以期為該領域的后續深入研究提供參考。研究結果表明：國內核心作者群尚未形成，且機構間缺乏多元合作；該領域熱點主題包括智慧審計基礎理論研究、信息化技術及其審計應用和智慧審計人才培養三個方面，研究熱點由早期的信息技術對審計領域的影響及其行業應用逐步向以人工智能為核心的多點研究主題發散；該領域核心主題由早期信息化審計系統開發逐步向外擴展并形成以審計理論創新、技術應用與實踐、行業人才培養為核心的三個方向，核心主題演變與熱點演變趨勢基本保持一致。本研究認為，未來應當加強合作，并圍繞審計實務發展新態勢豐富其研究理論與方法，從而擴展新的研究內容。

【關鍵詞】 審計； 人工智能； 信息技術； 文獻計量； 研究綜述

【中圖分類號】 F239.4" 【文獻標識碼】 A" 【文章編號】 1004-5937（2025）13-0034-09

一、引言

智慧審計并非全新事物，2014年國務院《關于加強審計工作的意見》[1]就要求將大數據技術應用在審計實踐中。其后，審計署《“十四五”國家審計工作發展規劃》[2]更是強調以智慧審計為手段，認真落實習近平總書記關于“科技強審”的指示要求。智慧審計不僅強調信息技術在審計實踐中的應用，更是對審計理念、審計思維、審計模式的重要創新與突破，從而成為審計學、計算機科學與數據科學等交叉研究領域。隨著信息技術的發展及其與審計學的深度融合，智慧審計吸引著越來越多學者的關注。其相關理論與應用場景也伴隨著該領域研究的深入而不斷擴展。盡管如此，現有研究仍缺乏系統性梳理而呈現碎片化分布，從而使得該領域研究的主題演變脈絡與熱點分布難以被直觀了解。

為系統全面地梳理國內智慧審計領域的相關研究成果，擬采用文獻計量與文本分析相結合的方法，對2013—2023年該領域的熱點主題與核心主題進行系統性回顧，從而為后續研究的開展提供相應借鑒。

二、數據來源與研究方法

（一）數據來源

基于CNKI數據庫，設置檢索條件為：主題、篇名、關鍵詞或篇關摘為“智慧審計”or“智能審計”，時間跨度限定為2013—2023年，共計檢索744篇文獻（搜索時間為2023年12月21日）。對搜索到的文獻進行數據清洗，剔除“學術論文”“報紙”、會議及主題符合度較低的文獻，剩余文獻552篇。將552篇文獻按“作者”“題名”“文獻來源”“發表年度”“關鍵詞”“摘要”“來源庫”“單位”8個字段導出并保存，同時以Refworks格式導出作為可視化知識圖譜的數據來源。

（二）研究方法

通過文獻計量與文本分析相結合的方法對智慧審計研究熱點與核心主題的演化過程進行分析。具體而言：（1）在研究熱點演化分析方面。本研究通過對552篇文獻采用關鍵詞聚類、詞頻統計等文獻計量的方法，并結合Citespace軟件構建的知識圖譜，從而梳理該領域下不同時段的熱點主題。（2）在核心主題演化分析方面，部分學者長期耕植于智慧審計領域，其研究主題變化更能映射該領域核心主題的動態演變，因而具有代表性。因此，本研究依據552篇文獻的作者發文及署名情況進行作者層次劃分，從而確定該領域研究的動態核心作者群體。同時通過質性文本分析的方法對不同時期核心作者群體的研究主題變化進行梳理，從而動態刻畫國內智慧審計領域核心主題變化。

三、國內智慧審計領域研究現狀概述

（一）發文趨勢分析

從圖1的發文情況看，國內智慧審計研究主要分為起步探索（2013—2016年）、加速發展（2017—2019年）和持續穩定（2020—2023年）三個階段。在起步探索階段：該領域并未引起相關研究人員的關注，因而研究文獻相對較少且數量增長緩慢；在加速發展階段：隨著2014年《國務院關于加強審計工作的意見》的下發，該領域逐步受到業內學者的關注，相關研究也呈現快速增長的趨勢，并在2019年后趨于平緩；2020—2023年，該領域進入持續穩定的發展階段，發文量在年均975 085篇上下浮動，并在2022年后再次呈現快速增長。

（二）作者及機構合作網絡分析

新型研究領域的發展不僅需要研究人員間的多元合作，更依賴于各類機構的優勢互補。為明確該領域研究的合作現狀，并掌握該領域的關鍵作者與主要機構，基于552篇研究文獻采用CiteSpace與VOSviewer構建作者及機構間的合作關系圖譜。

在個體合作方面，利用VOSviewer篩選發文閾值大于2的作者進行合作網絡展示，得到圖2。其中，節點大小反映作者發文數量，連接線粗細反映作者合作頻次。

可以發現，當前國內智慧審計領域的作者合作主要可以劃分為兩個持續性合作群體（深色與淺色聚類部分）。其中，群體1（深色）以許琦與黃邦夏為核心，最早合作于2021年，研究內容為數智化審計模式和數據資產管理兩個細分主題；以李衛星為核心的群體2（淺色）于2020年首次合作，主要研究內容為內部審計的技術創新。整體來看，穩定的作者合作群體形成時間較晚，且數量較少。這可能與該領域尚未形成核心作者群體有關。依據普賴斯定律（m=0.749 ，其中m表示核心作者最低發文量（向上取整），Nmax表示最高產作者的發文數）計算發現，國內智慧審計領域核心作者的最低發文量為2，共計39人。然而，核心作者的發文數量（100篇）僅占全部文獻的18.1%（小于50%），表明國內這一領域的核心作者群體尚未形成。

在機構合作方面，采用CiteSpace刻畫該領域的機構合作網絡，結果如圖3所示。其中節點代表不同的部門或機構，節點之間連線的粗細表示這些機構間合作的頻次，用以反映合作的緊密程度。

由圖3可以看出：首先，機構間的合作主要以內部合作為主，例如南京審計大學多通過二級機構間的合作開展研究。其次，合作機構以單區域合作為主，跨區域合作較少，如南京審計大學的合作機構多為江蘇省內機構，上海立信會計金融學院同樣如此。最后，該領域高校內的合作較多，而“產”“研”間的機構合作較少。

四、國內智慧審計領域研究熱點演化分析

關鍵詞是研究內容與主題的概括，基于關鍵詞的共線與聚類分析有利于研究人員更為快捷、直觀地了解該領域的研究熱點。一方面通過552篇文獻的關鍵詞進行共線分析，并以知識圖譜的方式進行直觀呈現；另一方面，對依據發文趨勢劃分的三個主要階段進行關鍵詞詞頻統計；與此同時，利用CiteSpace的關鍵詞時序聚類，通過不同階段的關鍵詞共線分析該領域的熱點演變。

（一）智慧審計研究熱點整體分析

本節使用Citespace對552篇文獻的關鍵詞進行共線分析，從而得到該領域的關鍵詞聚類知識圖譜，由于智慧審計作為文獻檢索詞，因此將其從知識圖譜中剔除。結果如圖4所示，其中菱形表示關鍵詞頻次，顏色深淺表示關鍵詞首次出現時間，連線粗細表示關鍵詞共線的頻次。

由圖4可以發現，人工智能、內部審計、大數據、區塊鏈、云計算、審計風險及人才培養、智能化等關鍵詞出現頻次較高，且與其他關鍵詞共線頻次較高。通過關鍵詞聚類圖譜，可以將智慧審計研究歸結為三個熱點主題：

第一，智慧審計基礎理論研究。該領域研究著重關注智慧審計的基本理論與方法應用，既包括對智慧審計內涵與外延的討論，更包括對智慧審計現實價值的探討。實際上，智慧審計并非脫離傳統審計而獨立存在，而是基于“先審計方法，后審計數據”的思維，匯集傳統審計中的經驗與智慧，并將此交由計算機系統進行自動化分析的過程。因此，智慧審計并非對傳統審計業務的替代，而是一種通過將數智技術應用于審計實務，以減少非必要的人工工作，從而提升審計效率與效果[3]。值得明確的是，智慧審計并非單一審計技術的應用或其應用的總和，而是一種以數智化手段促進審計目標達成的審計思維[4]。

第二，信息化技術及其審計應用。該主題下的研究以審計實務為基礎，著重探討區塊鏈、云計算、人工智能等新興技術在審計領域的應用。作為區塊鏈技術的核心環節，智能合約由于其在交易信息的可靠性與安全性方面的特點而廣泛受到學者們的關注[5]。除區塊鏈技術外，大數據、云計算等信息化手段已逐步與各類審計業務場景結合。尤其在有限的審計成本背景下，以數據挖掘、關聯與分析為核心的大數據技術可以降低審計人員對抽樣數據的依賴，進而使得全業務流程的總體審計成為可能，從而被認為是實現審計全覆蓋的必由之路；此外，數據關聯等信息手段可以幫助審計人員通過數據間的關系證據及規律，深入探尋被審計對象內外部的緊密關系，從而降低審計失敗的風險[6]。近年來，伴隨人工智能技術的快速發展，以機器學習、深度學習算法為核心的人工智能審計正成為智慧審計領域的又一研究熱點[7]。相較于傳統數據庫對結構化數據的分析，以ChatGPT為代表的大語言模型有望為非結構化審計數據的分析與關聯提供可靠的解決方案[8]。盡管人工智能的應用有望提升審計效率，但其背后的法律、倫理及其管理制度的完善仍應引起足夠重視[9]。

第三，智慧審計人才培養。智慧審計模式下，審計人員的工作不再是重復地進行數據采集、篩選與分析，而是將更多的精力投入審計流程的優化與審計方法的決策中。這意味著，未來的審計人才不僅需要熟知審計流程及其業務規范，更需要掌握扎實的信息技術以制定可靠的審計決策方案[10]。在專業課程設置方面，應當將理論基礎、技術工具、應用實施和綜合實踐相結合，通過教學師資和行業導師相兼容的產教融合模式培育具有國際視野的復合型審計管理人才[11]。除此以外，在審計機關的人才培育中，應當加大對大數據審計人才培養的投入，為審計從業人員的繼續教育提供持續保障[12]。

（二）智慧審計研究熱點演變分析

基于國內智慧審計領域發文量的變化趨勢，將該領域研究可劃分為起步探索（2013—2016年）、加速發展（2017—2019年）和持續穩定（2020—2023年）三個階段。針對三個階段，分別進行關鍵詞詞頻統計，并依據關鍵詞共線的時序變化分析該領域熱點研究主題的演變規律。其中各階段關鍵詞詞頻結果如表1所示，關鍵詞時序圖譜如圖5所示。

結合表1與圖5可以發現：

1.在起步探索階段，學者們主要從信息技術對審計領域的影響及其在審計領域的利用方面進行了探討。部分學者認為，以大數據、人工智能等為代表的信息技術對審計質量的提升、審計模式的轉變及審計方法的創新具有重要的推動作用，但同時也對審計人員的專業素養提出了更大的挑戰。為推動智慧審計發展，不僅需要從遠景目標規劃、IT審計準則體系及人才培養等頂層設計進行完善[13]，更需要審計人員具備全量審計、持續審計、風險導向、人本審計、智能審計五類審計思維[14]。此外，還有部分學者分析了相關信息技術在特定審計場景中的應用與實現。如吳浩等采用決策樹模型實現了數據挖掘技術在醫院審計業務中的應用，并初步構建了智能審計模型。范真榮[15]探討了XBRL在智慧審計平臺中應用的可行性，并提出以該技術為核心的智慧審計平臺建設方案。整體而言，在初期發展階段，國內智慧審計研究較為零散，缺乏系統性和完整性的理論支撐，研究間缺乏足夠的關聯性。相關技術與算法的使用場景較為有限，難以實現可靠的遷移。

2.伴隨著發文量的激增，該研究領域在2017—2019年間迎來快速發展，其中人工智能、區塊鏈與審計風險等關鍵詞在研究中被廣泛提及。人工智能技術引起的智慧審計發展變革受到學者們的廣泛關注：部分研究從不同主體視角剖析了人工智能技術為審計實踐帶來的機遇和挑戰，并認為審計行業應當積極擁抱人工智能技術產生的變革，不斷提升信息化審計的能力水平[16]。鑒于人工智能對審計行業帶來的巨大影響，具體相關技術的應用與國外的實踐案例同樣引起國內學者的關注[17]。如畢秀玲等[18]深度剖析了5G技術、人工智能、物聯網設備及區塊鏈技術與智慧審計的深度融合，進而構建了審計全過程的自動化應用場景。同時引介了國外“四大”事務所的成功案例，進而為國內智慧審計建設路徑提出建議[19]。除上述兩點外，如何培養人工智能環境下的新型審計人才同樣引起了廣泛討論，既包括對高校審計學人才培養內容及路徑的設計[20]，更包括對審計行業人才的繼續教育。相較于起步階段零星探索，該階段研究呈現較為明確的主體研究脈絡，相關研究主要圍繞人工智能展開，同時結合云計算、區塊鏈等進一步探討了信息化技術在多元審計場景中的應用可能。部分學者還關注到人工智能擴展至審計風險防范、審計人才培養等方面，不僅促進了該領域研究內容的縱深化發展，更橫向擴展了研究的主題范圍[21]。

3.在2020年后，研究發文量基本保持穩定，預示著該領域研究進入了短暫的穩定發展階段。該階段，人工智能仍然是該領域的熱點研究主題，與此同時，國家治理、工程審計、智能財務、風險防控等關鍵詞的共線頻次有了明顯增加，標志著對人工智能在智慧審計領域的研究正逐步細化。一方面，學者們更加關注智慧審計領域的基礎理論研究與頂層設計。除更加深入地回答智慧審計的內涵、外延、特點外，各類審計要素在智慧審計背景下的結構關系同樣引起了關注。智慧審計不僅是信息技術與審計業務的重合疊加，更是審計人員思維模式的變革和審計平臺及頂層模式設計的協同，進而提升審計效率。基于此，黃佳佳等[22]從基礎設施、數據中臺、審計知識、業務建模等五個層次建立了智慧審計平臺技術框架，并設計了智能化審計流程。另一方面，人工智能技術在細化審計場景中的應用得到了深入研究。程平等[8]探討了ChatGPT對內部審計與注冊會計師審計的作用機理，并分別構建了基于ChatGPT的注冊會計師審計框架模型和內部審計框架模型。此外，BP神經網絡、RPA技術、機器人認知自動化（Ramp;CA）、智能合約等多種人工智能技術被廣泛應用在審計中的各類領域[23-24]。智慧審計不僅促進各類細化審計實務的發展，更是實現科技強審、實施國家審計的重要基礎保障。其中自動化的審計證據采集、智能化的數據循證與推理能夠有效緩解審計任務重與力量不足之間的矛盾，并通過審計業務流程的重塑與優化，提升審計成果質量、層次與水平。

2013—2023年，國內智慧審計領域研究從起步探索階段逐步過渡到穩定發展階段。從理論體系看，熱點主題由孤立的零散研究逐步轉變為以人工智能技術與智慧審計思維為核心的深層次、多元化探索，并形成了較為豐富的理論體系。從研究內容上看，相較于早期的研究關注于傳統信息技術與審計的結合，穩定發展階段的研究更關注從細化的審計業務出發，通過選擇更為合適的技術方案以擴展審計目標、提升審計效率、提高審計質量。

五、國內智慧審計領域核心主題演化分析

前文已通過關鍵詞詞頻統計與時序聚類的方式，對近十年國內智慧審計領域的熱點研究主題及其演變進行了剖析。本節將著重從核心作者的視角，通過文本內容分析梳理該領域研究的核心主題變化。相較于普通作者，核心作者由于其在特定領域的深入研究而具備更為豐富的理論知識與研究經驗，因此其研究主題可以作為特定領域核心主題的代表。

盡管發文數量通常用以判斷特定研究人員對領域的熟知程度，但考慮到部分研究由多人合作完成，因此通過參考孫瑞英等[25]的研究對同一文章下不同署名順序的作者賦予不同的作者權重（Cn）：Cn=■（其中n表示該作者的署名順序，N表示署名作者的數量）。對于同一階段的同一作者，通過其在該階段內所有已發表研究成果的作者權重相加，得到其在該階段的累計研究權重。綜合考慮作者發文的持續性與整體數量等因素，將累計研究權重大于0.7的作者定義為該領域特定研究階段的核心作者群體。結果如表2所示。

伴隨發文量的增多，核心作者數量同樣有所增加，從起步探索階段的4人，增至20人。依據33名核心作者的研究內容，將各階段的核心主題演化趨勢歸結如下：

（1）起步探索階段（2013—2016年）：研究主題較為分散，不同作者圍繞不同領域審計的視角進行智能化審計系統的開發與構建。如秦崴[26]認為在會計審計領域，傳統的手工登賬方式已經被更加有效的計算機系統所取代，并由此構建了計算機審計系統的框架結構。有學者以能源審計為應用場景，介紹了針對專線用戶開發的節能診斷和能源審計智能系統，強調其提高能效評估和審計效率的技術創新[27-28]。

（2）加速發展階段（2017—2019年）：核心主題逐步向人工智能與審計實務相結合，著重從智能審計平臺與流程構建、內部審計路徑建設與審計人才培養模式變革三個方面進行了探討。武曉芬等[29]將審計流程劃分為重復性與特殊性審計流程兩類，并從兩類審計流程的特點出發，構建了涵蓋數據采集分析、審計交互和安全監管的人工智能審計平臺。宋夏云等[30]從財務共享模式及審計方法的視角對內部智慧審計的實施程序及審計取證流程進行了探討，并認為人工智能在內部審計的應用能夠有效減少審計成本并優化管理流程。劉國城[20]、何承麗等[10]認為高校作為審計人才培養的重要機構，應該認清人工智能對審計學與審計行業帶來的影響，通過開發計算機審計應用課程、強化提升學生協調溝通能力、加強校企合作等方式革新人才培養模式。

（3）持續穩定階段（2020—2023年）：核心研究主題由人工智能逐步向外擴展，并形成三個主要方向：首先是智慧審計技術與平臺創新，該方向研究聚焦于智能審計所依賴的先進技術和平臺的研發與創新。通過深度自編碼網絡、區塊鏈、聚類算法等技術實現審計智能預警、審計大模型構建和審計平臺設計等[31]。相較于上一階段，該階段的核心研究內容對特定技術與場景的應用進行了深入分析，并形成較為完整的應用流程。其次是智能審計應用與實踐探索，該方向的研究內容通常與實際審計場景相結合。如戚沁等[32]基于電網企業的審計業務需求，采用人工智能技術對審計業務的整改流程進行了可靠評估與評價。陳偉等[33]剖析了黨政干部經濟責任審計的基本原理，并將其與智能審計技術相結合，構建了基于智能審計的黨政干部經濟責任審計主要流程。最后是智能審計行業及其人才培養研究。該方向關注智能審計對審計行業、審計人員以及審計教育與人才培養的廣泛影響。程皖川[34]基于德勤會計師事務所的案例分析剖析了人工智能在審計領域應用的優勢與局限，并認為審計從業者在利用人工智能技術的同時，應當警惕其在審計責任方面可能產生的風險。因此，從教學體系、師資隊伍、教學平臺等多個維度完善現代智慧審計人才的培養路徑仍是必要之舉[35]。

六、研究結論與展望

（一）研究結論

基于對2013—2023年智慧審計領域的研究進行分析，并對其研究熱點與核心主題的演化進行了系統性梳理，得出如下結論：

1.研究現狀：自2013年起，智慧審計領域研究方興未艾，發文量呈增長趨勢，并于2020年前后達到穩定。但目前該領域尚未形成明確的核心作者群體，且三個發展階段下的核心作者并無交集，這表明該領域學者缺乏持續性、系統性的研究。與此同時，機構間的合作呈顯著地域分布，跨區域、“產”“研”間的機構合作仍然少見。

2.研究熱點及其演變：從智慧審計的整體熱點研究來看，智慧審計基礎理論研究、信息技術及其審計應用、智慧審計人才培養是國內學者的重點研究方向。但不同階段下，研究熱點具有顯著差異，而呈現演變態勢。具體而言，早期階段聚焦于信息技術對審計領域的影響及其在審計領域的利用，且研究較為零散，缺乏系統性研究；中、后期階段則關注于人工智能對審計技術、審計人才、審計行業等多方面的影響。然而，持續穩定階段的研究更為細化，著重關注于特定技術在細分審計場景下的應用。這也使得后期研究主題更為深入與發散。

3.核心主題演變：依據不同階段核心作者的發文內容分析，對該領域的核心主題進行梳理。在起步探索階段，核心主題主要包括智能化審計系統的開發與構建；而伴隨研究的深入，智能審計平臺構建、內部審計路徑建設與審計人才培養模式變革三個研究方向受到了有關學者較為持續的關注。而在持續發展階段，其核心研究主題由人工智能逐步向外擴展并形成智慧審計技術與平臺創新、智能審計應用與實踐探索、智能審計行業及其人才培養研究三個主要方向。整體而言，核心主題與熱點主題的演變趨勢基本保持一致，都由前期的非體系化向系統化研究演變。然而相較于熱點研究主題，各階段下的核心主題更加細分深入，且具有更為完整的研究體系。

（二）研究展望

2023年，習近平總書記在二十屆中央審計委員會第一次會議上強調要“進一步推進新時代審計工作高質量發展”。其中，智慧審計作為審計工作高質量發展、審計能力持續提升的重要抓手，愈加受到黨和國家的高度重視。國內智慧審計領域相關研究也自2022年的82篇迅速增長至2023年的131篇，表現出學界對該領域的強烈關注。可以預見，在未來幾年內智慧審計領域相關研究將保持增長態勢。因此，本文結合研究現狀，從研究人員、研究方法、研究內容三個視角提出建議，以期為后續研究開展提供參考。

從研究人員視角看：一方面，應注重跨學科、跨部門的長期研究合作。通過加強作者間的交流與合作，廣泛吸收來自不同領域的觀點，避免因單一分析視角導致的研究結論片面化；與此同時，鼓勵智慧審計研究與審計實務的共研共創，使智慧審計研究更注重解決實際問題，加速相應研究成果的應用與轉化。另一方面，“智慧”代表了審計理念與模式的創新，這必然涉及技術方法的更新和變革。因此，研究者應避免淺嘗輒止的碎片化、表面化研究，保持對智慧審計領域的長期關注與深入挖掘，從智慧審計技術、理念與模式等角度形成對智慧審計的系統化研究，以應對當前智慧審計面臨的重要挑戰。

從研究方法看：無論是起步階段抑或持續穩定階段，國內智慧審計研究仍多以質性分析為主，而關于智慧審計發展的影響因素實證研究較少涉及。一方面，研究人員不僅僅需要關注智慧審計的頂層設計及其實現路徑，更需要對其審計效果進行切實評估，以探尋更為合理的智慧審計發展途徑。對智慧審計方面的成本投入和其在審計失敗風險之間的相關性進行研究，從而探尋智慧審計的最佳實踐路徑。另一方面，國內學者在引介國外優秀智慧審計案例的同時，同樣需要關注國內智慧審計實踐的發展現狀及其客觀特點，并從智慧審計實施的政策、文化、制度等多個角度比較國內外案例間的差異，從而為國內智慧審計的實踐提供更具指導性的建議。

從研究內容看，仍需加強智慧審計基礎理論與應用性研究。首先，細分領域的智慧審計模型或算法的提出使得不同領域的審計模式難以遷移。這意味著面對紛繁復雜的審計業務時，其在算法層面的成本投入將形成巨大的沉沒成本。因此，探尋多場景中審計業務的共性特征并開發元智慧審計模型是未來研究的必由之路。其次，基于智慧審計知識庫的構建將能夠幫助審計從業者更為快速地進行審計任務與審計目標的部署。如何依托知識庫、人工智能技術和審計目標有效嵌入來實現對既有審計方法與經驗的繼承，同樣值得后續研究和關注。最后，擴展評估智慧審計績效與質量研究。智慧審計作為新的審計模式必然要經受實務檢驗，評估智慧審計是否能降低審計風險、提升審計質量是績效評價的重要環節。積極應對人工智能帶來的不確定性，通過評估智慧審計質量促進智慧審計模型的優化，形成良性的閉合循環。

【參考文獻】

［1］ 國務院.關于加強審計工作的意見［Z］.2014-10-27.

［2］ 中央審計委員會辦公室 審計署.關于印發《“十四五”國家審計工作發展規劃》的通知［Z］.2021-06-22.

［3］ 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.

［4］ 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.

［5］ 劉光強，干勝道，段華友.基于區塊鏈技術的管理會計業財融合研究［J］.財會通訊，2022（1）：160-165.

［6］ 鄭偉，張立民，楊莉.試析大數據環境下的數據式審計模式［J］.審計研究，2016（4）：20-27.

［7］ 趙艷霞.人工智能在交通運輸部門內部審計中的應用研究［J］.會計之友，2023（15）：122-127.

［8］ 程平，喻暢，龔悅.基于ChatGPT的智能內部審計研究［J］.會計之友，2023（20）：7-12.

［9］ 陳雄■.人工智能倫理風險及其治理——基于算法審計制度的路徑［J］.自然辯證法研究，2023，39（10）：138-141.

［10］ 何承麗，錢莉.人工智能背景下審計人才培養模式研究［J］.科技經濟市場，2019（3）：145-147.

［11］ 徐超，王肖燕.數字經濟時代智能審計微專業育人模式研究［J］.軟件導刊，2023，22（12）：38-43.

［12］ 鞠佳佑.智能信息化時代下國家審計人才培養模式探究［J］.今日財富（中國知識產權），2021（2）：128-129.

［13］ 馮淑萍.IT審計時代背景下政策取向［J］.中國注冊會計師，2016（11）：16-17.

［14］ 鄭志元.大數據下的銀行審計思維［J］.中國金融，2016（14）：52-53.

［15］ 范真榮.XBRL視角下智慧審計平臺建設探討［J］.財會通訊，2014（4）：101-103.

［16］ 宋弋戈，趙佳菲，常依冉.淺析人工智能發展對審計人員的影響［J］.山西農經，2019（9）：153，155.

［17］ 郭紅建，吳素萱.基于RPA技術的企業內部審計數字化轉型研究［J］.會計之友，2023（20）：13-19.

［18］ 畢秀玲，陳帥.科技新時代下的“審計智能+”建設［J］.審計研究，2019（6）：13-21.

［19］ 應里孟，陽杰.會計師事務所的大數據審計轉型——動因、障礙與實現路徑［J］.財會月刊，2020（5）：100-108.

［20］ 劉國城.“互聯網+智慧教育”與高校審計學人才培養［J］.江蘇商論，2019（11）：26-28，31.

［21］ 陳宇虹.基于人工智能環境審計人才培養研究［J］.經濟研究導刊，2018（19）：153，159.

［22］ 黃佳佳，李鵬偉，徐超.面向智慧審計的思維變革與審計平臺構建研究［J］.審計研究，2023（5）：11-20.

［23］ 李濤，楊安家，翁健，等.基于智能合約的工業互聯網數據公開審計方案［J］.軟件學報，2023，34（3）：1491-1511.

［24］ 曹納.基于BP神經網絡的人工智能審計系統研究［J］.信息技術，2021（8）：117-121.

［25］ 孫瑞英，馬曉偉.面向高校智庫研究的多層次作者、主題與文本內容的演化分析［J］.情報科學，2020，38（3）：167-176.

［26］ 秦崴.基于面向服務架構的計算機智能審計系統研究［J］.通訊世界，2016（5）：198.

［27］ 周彬，程樂峰，梁澤勇，等.專線用戶節能診斷和能源審計智能系統的開發［J］.電氣應用，2015，34（13）：150-155.

［28］ 程樂峰，周彬，余濤.一種節電潛力在線自動檢測和快速能源審計智能系統的設計與實現［J］.電力系統保護與控制，2014，42（14）：105-111.

［29］ 武曉芬，田海洋.智慧社會治理下的人工智能審計平臺構建研究［J］.西安財經學院學報，2019，32（3）：17-22.

［30］ 宋夏云，周琬宇.大數據視角下智能審計取證模式研究［J］.中國內部審計，2018（12）：71-74.

［31］ 程平，喻暢，王健俊.ChatGPT時代下基于深度自編碼網絡的企業內部審計智能預警——以往來款項審計為例［J］.系統工程理論與實踐，2024，44（1）：316-337.

［32］ 戚沁，艾旭，李巍，等.基于智能風控質效評價的電網企業審計整改后評估體系［J］.審計月刊，2023（9）：8-11.

［33］ 陳偉，王湘.智能審計在黨政領導干部經濟責任審計中的應用研究［J］.商業會計，2023（10）：26-29.

［34］ 程皖川.人工智能對審計行業的影響及對策研究［J］.西部經濟管理論壇，2021，32（1）：62-66.

［35］ 王越芬，申曉騰.人工智能全覆蓋背景下信息化審計人才培養研究［J］.財務管理研究，2022（9）：94-98.