智能审计的研究热点与发展趋势

李庭燎　徐心怡　杭亚军

[摘要]随着科学技术的进步和发展，人工智能影响着各行各业，审计智能化已成为必然趋势，探析智能审计的研究进程和发展趋势能帮助该领域学者更明确地发现研究热点。本文运用CiteSpace软件对相关主题文献进行分析，从文献年度分布、作者合作网络、发文机构网络、关键词词频统计、关键词聚类、关键词突现等方面梳理了智能审计研究的发展脉络，初步展现智能审计下智能合约、审计质量、教学改革等研究热点与智慧审计、审计风险评估、智能财务等研究前沿，并对相关现象进行总结，以期促进智能审计的发展。

[关键词]智能审计   知识图谱   CiteSpace   研究热点   研究趋势

区块链、物联网、人工智能等多项新兴技术的蓬勃发展使人们的生活和工作方式发生改变，人类正从信息时代迈入智能时代，智能时代是信息时代的延续和新生。人工智能是计算机科学的一个分支，它试图模拟人类智能以做出类似人类的反应，实现看懂、听懂人类世界，并可实现与人类进行无障碍交流的目标。近年来，人工智能在理论和技术方面日益成熟，应用场景也在不断扩大，在制造业、金融业、销售与服务性行业等领域都有卓越的表现，人工智能技术的广泛应用在一定程度上降低了人力需求，提高了处理事务的效率和质量，从而促进生产和生活水平的进步。2017年，国务院印发《新一代人工智能发展规划》，提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施。

人工智能的迅速发展对审计行业也产生了巨大影响。切实加快会计审计数字化转型步伐，积极推动审计工作数字化转型是财政部《会计改革与发展“十四五”规划纲要》的主要任务;《“十四五”国家审计工作发展规划》中，也提出要全面贯彻落实习近平总书记关于科技强审的要求，加强审计技术方法创新，充分运用现代信息技术开展审计，提高审计质量和效率。越来越多的审计场景中应用了人工智能技术，如审计机器人、模式识别、自然语言处理、机器学习等，有效提升了审计效率和质量。人工智能在审计中的应用不仅提高了审计信息获取的可靠性，还能满足对传统审计不断提升的要求，处理复杂庞大的数据，建立可靠的智能审计模型，为高质量审计提供保证。

当前审计的智能化转型正处于关键阶段，运用多种人工智能技术的智能审计顺应了时代的要求。为进一步明确智能审计领域的研究现状及发展趋势，通过运用文献计量中的常用工具CiteSpace可视化软件以知识图谱的方式展示智能审计研究情况，助力智能审计的研究和发展。

一、研究方法与数据来源

（一）研究方法

文献计量学是以数学及统计学方法应用于图书情报领域为基础形成和发展起来的。一直以来，文献计量法在图书情报领域得到了充分应用，如测定学科核心期刊、研究建设情报检索系统、编制领域主题词表等。随着其理论方法的创新和发展，目前，文献计量法的应用领域也已扩展到自然科学、社会科学、科技评价和管理等相关领域，为科学管理、政府决策提供定量依据。随着文献计量学的发展，用定量统计方法发现科学知识指数增长规律的知识图谱进一步提高了文献计量的客观性、科学性以及數据的有效性。目前，文献分析软件有VOSviewer、CiteSpace、BibExcel等，其中CiteSpace是目前最为流行的知识图谱绘制工具之一，运用多元、分时、动态的引文分析可视化技术将所研究的知识领域演进历程集中展现在一幅引文知识图谱上，并能把图谱上作为知识基础的引文节点文献和共引聚类所表征的研究前沿自动标识出来，帮助使用者更清楚直观地了解该领域研究的发展过程及热点。本文采用 CiteSpace5.8.R3进行智能审计研究领域的文献处理与分析。

（二）数据来源

中国知网、维普、万方是目前教育科研用户以及企事业集团使用的国内主流三大文献数据库，文献来源丰富，分库数量众多，更新速度快，用户广，且在多年的发展进程中形成了各自特色。三个数据库中，万方的信息资源产品较多，文献类型丰富，维普则专注提供期刊文献和专业文章阅读，而知网在数据内容加工方面更显深入，检索结果更全面多元。为了数据的全面性以及数据之间的可靠联系，本文采用中国知网期刊数据库中的文献为主要研究对象。国际三大引文数据库为SCI、EI、ISTP，Web of Science是以上三种数据库的Web版，是大型综合性、多学科、核心期刊的外文引文索引数据库，具有强大的分析功能，能够快速锁定高影响力论文，因此本文以Web of Science核心合集为外文文献补充数据，使分析更加完整。为保证数据的可靠性与相关性，在中国知网搜索栏后选择高级检索方式，分别将主题、关键词、篇名设置为“智能审计”，时间区间设置为2000年1月1日至2022年2月26日，进行检索，各得到307篇、72篇、75篇相关文章。将所得结果进行人工分析比较，可以发现以主题搜索的文献范围更广、内容更全面，最终筛选出以主题搜索得到的文献作为分析对象。将307篇文献以Refworks格式导出保存，作为CiteSpace分析处理的初步数据。通过对以上三个结果下载量和被引量较高的文献英文摘要和参考文献研究分析可得，“智能审计”对应的英文术语为“Intelligent Audit”，故将Web of Science核心文集中主题设置为“Intelligent Audit”，得到230篇文章，以纯文本文件格式导出，作为后面分析的补充。

二、国内智能审计研究的基本情况

（一）智能审计年度发文趋势

统计数据库中某一主题的年度发文量可以展现该领域的发展趋势、发展速度及研究成果的发展态势。以中国知网数据库中与“智能审计”主题相关的307篇文献为基础研究对象按年份进行统计绘制曲线图，如图1所示，可以发现2000年以来，我国关于智能审计研究文献数量总体呈现上升趋势。2001年至2007年该领域研究处于刚刚起步的初级阶段，平均一年只有1—2篇文章发表，在该阶段，一些计算机技术已经运用于审计信息的确认、计量、记录、报告等环节。2008年至2016年该领域处于缓慢发展阶段，此阶段在审计方法、技术和手段方面都能体现信息技术的运用，关于审计数据转换、清理、分析和处理的标准也有更为详细的定义。在2016年至2020年间，智能审计进入高速发展阶段，相关主题发文量急速上升，并在2020年达到峰值，在这一年共发表了71篇智能审计相关方面的文章。这一阶段由于新兴技术的发展，机器学习、深度学习及神经网络等方法使得审计行业朝着智能化、信息化的方向更进一步。尽管2021年发文量略低于2020年，但更多文章不再停留于智能审计理论探究阶段，而是更多地尝试实践创新。

（二）作者知识图谱分析

通过对文献作者进行分析可以了解当前智能审计领域有影响力的专家学者及其合作关系。对2000年至2022年进行时区分割，设置时间切片为一年，节点类型（node types）决定了本次分析目的，选择节点类型为Author，运行软件后得到图2。如图2所示，图中共识别出223个节点，125条连线，代表有223个作者，125对合作关系。通过分析下图，可以发现高产作者（即发文量大于20篇）有六人，即张庆龙、程平等。整体来看，该领域内学者合作联系较少，彼此之间合作关系不显著。

（三）主要机构和刊物

将节点类型（node types）选为Institution，可以得到发文机构的合作网络，如图3所示。

可以看出节点即发文机构共有155个，合作网络较为单一。其中发文机构多以大学及大学下属研究所为主，如南京审计大学、重庆理工大学云会计大数据智能研究所、中国海洋大学管理学院等，少数文献由企业审计部门发表。目前为止，发文数量最多的机构为南京审计大学，达到30篇，体现了南京审计大学根据审计目标、职能、内涵和手段进行扩展，以审计学科为基础从原会计学的单一支撑拓展到管理学、经济学、法学、计算机科学、信息科学等多学科支撑，构建了以审计为品牌、多学科交融的“大审计”学科建设与科学研究平台，充分发挥审计品牌的示范、辐射与引领作用，积极推动审计学特色优势学科与其他相关学科的交叉融合，并且在智能审计领域进行了初步探索和研究。

以“智能审计”为主题对审计领域主流刊物发文量、被引用频次及下载频次进行统计得到表1，其中被引用频次和下载频次为相关文章累计总和。《中国内部审计》高于其他期刊达到26篇，可以看出《中国内部审计》较关注于智能审计领域，致力于推动审计智能化转型。尽管《财会通讯》发文量低于《中国内部审计》，只有11篇，但是被引用频次截至目前最高，达到105次，可看出该刊由于发文质量较高，获得更多学者认可。《审计研究》尽管不在表中，发文数仅有3篇，但是被引用频次达到85，下载频次5259，体现该刊文章在智能审计领域具有重要的影响力。

三、关键词分析

关键词可以高度凝练一篇文章的内容，通过关键词分析可以快速掌握文献的主题。本次研究主要从关键词词频统计、关键词聚类、关键词突现等方面对关键词进行分析，以探讨智能审计的研究现状、研究热点及研究发展趋势。

（一）关键词词频统计

根据齐普夫定律可知，如果对大量文献的关键词进行分析，统计某一领域在某个时间段内关键词出现的频次，并依据出现频次对关键词进行排序，便可初步了解该领域内的研究动态以及研究热点。在智能审计研究领域高度相关的关键词中出现频率较高的5个词如表2所示。表2中的“中介中心性”主要是由美国社会学家林顿·弗里曼（Freeman）教授提出來的一个概念，它测量的是一个点在多大程度上位于图中其他“点对”的“中间”。由表2可知，在智能审计研究领域内，主要的研究集中在三个方面：一是对智能审计定义的研究，即主要将人工智能技术运用在审计全流程中，实现审计的自动化、智能化。二是对智能审计主要方法的研究，体现在关键词“大数据”“数据挖掘”上，表明当前智能审计处于大数据时代，对海量审计数据进行处理以获得相应信息。三是对智能审计结果的研究，从关键词“审计风险”“审计质量”可以看出，研究学者们对智能审计的具体实际操作结果也一直十分关注，人工智能技术的运用是否能有效提高审计结果质量仍待探讨。

（二）关键词聚类分析

CiteSpace可以对关键词进行聚类分析，生成关键词共现网络。将节点类型设置为关键词，并选择聚类分析，CiteSpace提供了LSI、LLR、MI这三种算法。LSI（语义索引，Latent Semantic Indexing）算法是信息检索领域一种早期的算法，1988年由S.T.Dumais等人提出，主要用于自然语言理解，通过统计的方法对文档进行语义分析，发掘同义词、相关词组等。MI算法（Mutual Information）是两个随机变量间衡量相互依赖性的过滤式特征选择算法。LLR算法（Loglikelihood ratio test）是一种假设检验的方法，用户可以在可视化网络中使用LLR算法提取的标签来显示聚类命名。运行过程中对比发现使用LLR算法得出的结果更佳，更符合实际情况，因此本次聚类使用的算法是LLR，可以得到图4。

关键词一共聚成17类，每个聚类都是由多个密切相关的关键词组成。序号越小，越靠前，代表着聚类中包含的关键词越多。每个聚类都是共现网络中已经存在的关键词，CiteSpace利用算法将关系紧密的关键词进行聚类并赋予每个关键词一个值，值最大的关键词即为这一聚类的标签。图4中的聚类标签为人工智能、智能审计、大数据、审计质量、内部审计、审计工作、审计软件、智能合约、教学改革、专家系统等。根据关键词聚类共现网络，本次研究主要选取三个具有代表性的研究热点进行讨论。

1. 智能合约。

智能合约的研究主要关注支付、安全等方面。企业借助区块链平台可以在交易过程中真正触发支付，实现快速编写适合当前交易场景的智能合约，且可以有效避免交易时间延迟和出错的可能性（杨霞，2018）。但智能合约中也存在着安全隐患，如恶意软件传播、共识机制缺陷、智能合约漏洞和用户欺诈行为等，其中智能合约漏洞又包括任意存储写入漏洞、任意目的地址跳转漏洞和gas耗尽拒绝服务漏洞（杨坤和王筱轲，2020）。学者们运用LASER符号执行引擎或者设计智能检测模型来解决因安全隐患导致经济损失难以追回的局限性，如基于侧链的合约审计平台（DCAPS）及适用于以太坊智能合约源代码和Fabric智能合约源代码的安全审计工具（杨坤和赖恩梅，2020）。区块链中智能合约的可编程性为审计处理的智能化创造了条件，审计的实时自动处理将成为区块链中的重要部分（刘光强，2021）。

2. 审计质量。

审计质量方面主要关注治理效果、决策依据等。审计质量代表审计工作水平的高低程度，其具体表现是审计治理效果的好坏。审计质量的高低直接影响着审计目标的实现和社会经济的稳定发展，且还可能产生其他的间接影响。研究智能审计结果必然是未来的热点之一。

过去的审计决策多依赖审计人员的专业知识和经验积累，难免带有主观性，对审计质量有一定的影响，如今计算机可以通过机器学习不断获取审计经验，帮助审计人员进行审计决策，使审计结果更加客观精准（牟莉娜，2018）。学者们利用人工智能技术设计的基于大数据环境的智能数字化审计平台，不再局限于数据样本，能够高效处理企业内部审计过程中大量的非结构化数据，对其进行自主学习和训练，节省人力和操作时间，实现企业全业务数据监督，促进审计质量的提升（张玉岭和张旭，2019）。基于会计师事务所视角，通过修正的琼斯模型进行实证研究，发现人工智能可以从审计工作效率、审计人员整体专业水平、人机交互等方面对审计工作产生影响进而提升审计质量，不仅提高了注册会计师审计的效率和精准度，还在事务所管理自动化和审计职业判断能力提高等方面进一步发挥了作用（杨扬和李宜，2020）。然而，人工智能无法完全取代审计过程中人与人之间的有效沟通，在数据的安全性方面也会带来一定风险（杨扬，2020）。

3. 人才培养与教学改革。

人才培养方面主要关注智能审计人才培养方案等，体现了高校对智能审计能力和知识结构的思考。探索具有中国特色的智能审计实现路径需要进行相关方面的人才培养和教学改革，在人工智能环境下，审计人员的工作内容将从初级数据采集变为高端专业性决策，审计师应从繁琐、机械的工作中解放出来，集中精力在审计过程中发挥监督、评价的价值，做人工智能审计系统的设计者（陈宇虹，2018）。未来审计行业需要的是复合型、管理型人才，审计人员不仅要有扎实的专业知识，还要具备良好的沟通管理能力，掌握一定的计算机信息技术（何承丽，2019）。针对各学习阶段人群的培养，学者们分别提出了不同的方案。针对高职院校会计、审计专业培养存在以传统专业课为重心、教学重理论轻实践、教学手段及方法固化、审计实训条件不完善等现状，黄秋露（2020）提出在人工智能背景下，高职院校应注重培养学生团队协作及沟通能力，完善审计实训条件，开发相应的计算机审计应用课程，并且加强校企合作，培育更适应当今时代需求的审计人才。在MPAcc教育中可利用ADDIE模型进行大数据智能审计人才培养研究，该模型包含分析、设计、开发、实施、评估五个方面，旨在探索“互联网+MPAcc”背景下的审计人才培养新方案（程平，2018）。在智能信息化时代，对高校审计人才培养和审计机关人才培养也要有不同的措施，高校应大力引入同时具备审计专业知识和计算机实操能力的优秀教师，定期举办信息审计方面的教学比赛，在审计机关人才培养过程中，政府部门要加大大数据审计人才培养资金投入，引进复合型人才，完善审计人员奖惩措施，坚持IT审计建设（鞠佳佑，2021）。

（三）关键词聚类时间线分析

关键词聚类时间线可以帮助我们快速了解智能审计领域的研究热点是如何演进的，更清楚理解每个热点的发展情况和动态变化。在CiteSpace中设置node types为“Keyword”，选择菜单栏右上角的“Timeline View”，可以得到智能审计关键词聚类时间线图，如图5所示。

分析中使用Q值作为聚类模块参数，当Q>0.3可认为聚类结构显著，S值是聚类平均轮廓值，当S>0.5时表明聚类合理，S>0.7可认为聚类令人信服。图5中Q=0.7，S=0.9，说明采用图5分析得到的结果是可靠的。从图5中可以看到每个聚类关键词的左边都有一条横线，代表该聚类的发展由来，横线上的圆圈越大，代表关键词出现的频率越高，时间跨度越大。其中最早出现的是#1审计中的bpf（伯克利包过滤）智能识别审计，该词最早出现于2001年发表的《网络信息内容智能实时审计系统的研究与实现》中，作者利用bpf技术对网络上多样化信息进行安全审计，主要是对网络底层信息进行监听和建立语义理解模型，达到对信息内容的识别过滤。紧接着2006年#2智能审计聚类开始出现，最早是刘建波（2006）针对数据库安全构建了一个独立的数据库审计系统模型，实现了智能审计和自动报警响应的功能。随后2014年在能源审计领域出现了软件和硬件相结合的快速能源审计方法，其中硬件设备用来检测并记录数据，软件系统对数据进行节电潜力计算，并自动生成审计报告，实现了审计低成本和智能化。#7审计软件这些年也在不断发展，从早期电脑复制、模拟审计过程中的手工操作，到如今利用人工智能技术进行智能扫描、扫码并识别审计资料。

（四）关键词突现分析

关键词突现图可以帮助我们清楚地知道关键词热度持续时间，便于更好地预测未来研究热点的趋势。对关键词进行聚类分析后，选择Burstness进行设置，参数γ设为0.4，Minimum Duration设为2，代表热度延续最短周期，得到图6。图6中Strength代表关键词的突现强度，Begin代表关键词突现起始年份，End代表关键词突现结束年份，图6的右半部分用红色表示突现时间区间，更加直观、清晰。

由图6可知，“审计模式”作为热点研究出现得最早，从2008年至2012年期间热度较高，突现强度达到1.72。随后2010年至2014年间“数据挖掘”在智能审计领域作为研究热点，突现强度高达4.29。根据WOS（Web of Science）数据分析可知，2006年“data mining”就已成为智能审计中的研究热点，可以看出，我国在这方面的研究略晚于国外。在大数据背景下，數据挖掘通常通过机器学习、专家系统在大量审计数据中搜索有用信息，高度自动化地完成审计报告，是智能审计研究的重点之一。2011年后，“持续审计”作为热点保持了很长一段时间，在信息化时代，持续审计可及时获取大量信息并依托高度自动化的审计程序得到了更好的发展。2020年至今，“智慧审计”“内部审计”“审计风险”“智能财务”热度最高，可以看出，智能审计的概念在数字化审计转型与智能化应用过程中不断完善。智慧审计不是某种特定数智技术的应用，而是一种审计思维，为了辅助、改进审计，将数智技术和场景应用于审计工作中，提高审计效率与效果。学者们不仅针对智慧审计和智能审计的概念作出详细辨析，还对智能审计进行系统的设计规划。可以预测，在接下来的1至2年中，评估智能审计的结果与影响、提高智能审计质量有可能成为研究热点和发展趋势。综上所述，智能审计的研究热点与新兴技术息息相关，学者们积极运用各项新兴技术于审计过程中，表明学界一直致力于提高审计效率、提升审计质量。同时，图6也反映出对某一热点的研究持续性不足，由于研究过于碎片化，难以达到足够深度和效果。

四、结论与展望

本文运用CiteSpace软件对中国知网上以“智能审计”为主题的307篇文献及WOS上230篇文献进行了分析。从文献年度分布、作者合作网络、发文机构网络、关键词词频统计、关键词聚类、关键词突现等方面梳理了智能审计的研究脉络。从文献年度、作者合作网络、发文机构网络的相关图谱可以看出，智能审计的研究已从萌芽状态逐渐成熟，发文量呈明显上升趋势，但作者和机构彼此之间的合作仍待加强，研究的理论成果转化率不高。从对关键词的各项分析可总结出以下几个结论：一是智能审计与新兴技术的发展有着密切关联，大数据、模式识别、机器学习等都在一定程度上带动了审计模式的改革，促进了审计质量的提高。二是积极推动审计智能化的主要目的是减少手工重复工作，提高审计效率，智能审计系统不仅要实现审计数据的主动收集，更要具有智能推理的功能，学习审计工作人员的审计经验，预测未来场景和情景并进行前瞻性分析。三是智能审计的应用场景十分广泛，实际工作中还会面临一些挑战，如审计环境要素复杂，不同审计对象所面临的审计事务不同，单一的审计模型难以应对复杂情况，数据的多样性与碎片化也给数据分析带来一定难度。

随着智能时代的发展，智能审计的研究热度将持续上涨，本文结合上述分析提出可能的研究方向：一是优化智能审计模型。利用各项新兴技术不断提高智能审计模型的决策水平，从数据收集、数据处理、数据分析和审计报告四个方面同时优化，完善智能审计模型的应用场景。二是培养智能审计人才。在审计智能化背景下，审计行业需要大量掌握审计专业知识同时可以熟练使用计算机处理数据的人员，也需要具备软件开发设计能力和理解审计需求的工科人员，因此，如何平衡培养出交叉学科人才必然是未来智能审计研究的一大热点。三是评估智能审计质量。智能审计作为新的审计模式必然要接受考核和检验，评估智能审计是否能降低审计风险、提升审计质量是考核的重要部分。积极应对机器带来的不确定性，通过评估智能审计质量促进智能审计模型的优化，形成良性的闭合循环。

主要参考文献

[1] 陈悦，陈超美，刘则渊，等.CiteSpace知识图谱的方法论功能[J].科学学研究， 2015（2）：242-253

[2] 林豪慧，陈如好.知网、维普、万方的同质化和差异化评析[J].图书馆学研究， 2009（9）：25-27

[3] 武晓芬， 田海洋. 中外人工智能审计研究热点及演进知识图谱比较研究[J]. 科技管理研究， 2019

（10）：185-191

[4] 許文霞. 齐普夫定律与中文词频分布机理[J]. 情报科学， 1986（1）：29-36

[5] 杨道广，陈波，陈汉文.智慧审计研究：理论前沿、实务进展与基本结论[J].财会月刊， 2022（11）：15-31

[6] 张庆龙， 何佳楠， 芮柏松. 新时期内部审计创新之路：从数据审计到智能审计[J]. 财会月刊， 2021

（22）：78-83