西方审计研究的科学知识图谱分析

作 者:

作者简介:
王伟,首都经济贸易大学会计学院;孟焰,中央财经大学会计学院。

原文出处:
审计研究

内容提要:

02


期刊代号:V3
分类名称:审计文摘
复印期号:2016 年 09 期

关 键 词:

字号:

      西方审计研究领域当前的研究结构和动态是审计学术界感兴趣的话题。本文受数据限制将目光锁定于近20年的研究文献,试图回答这样几个研究问题:审计学研究的主要研究领域是哪些?这些研究领域是通过哪些重要文献联系在一起的?哪些研究领域最为活跃?每个研究领域研究哪些议题、重要文献是哪些?在研究的历史进程中有哪些转折点式的重要文献?本文运用科学知识图谱的研究方法,采用CiteSpaceⅢ软件,通过视图分析、聚类分析和重要文献分析,指出西方审计研究的热点领域、研究进程中转折点式的重要文献、联系不同研究领域的重要文献,进而对审计学未来研究方向进行展望。

      审计学是相对于经济学、管理学、金融学、会计学而言较小的学科,会计学6大国际期刊(《会计评论》《会计研究学刊》《会计与经济学刊》《现代会计研究》《会计、组织与社会》《会计研究评论》)和《审计:理论与实务杂志》上发表的文献基本能够涵盖审计学科领域的重要文献,本文应用所获取的文献及其引文能够刻画出西方审计学研究的脉络。本文假定这7个期刊能够代表西方审计研究的主流,通过对这些期刊所发表的审计文献及其索引进行研究分析,回答本文提出的研究问题。

      一、研究方法

      (一)科学知识图谱分析

      科学知识图谱是显示科学知识的发展进程与结构关系的一种图形。科学知识图谱研究是以科学知识为计量研究对象,属于科学计量学的范畴,同时涉及科学学、应用数学、信息科学和信息计量学的交叉领域(陈悦,刘则渊等,2008)。该方法已广泛应用于计算机科学、工程学、管理学、社会学、经济学、心理学等许多学科,取得了丰富的研究成果(仅Web of Science数据库中收录的SSCI已发表的以知识图谱为主题词的论文5000余篇),但在审计学中鲜有使用。

      (二)CiteSpaceⅢ

      本文采用的CiteSpaceⅢ软件便于通过引文空间分析,探寻学科领域演化的关键路径,找出学科领域演化的关键转折点式文献,分析回答本文提出的研究问题。当前常用的绘制科学知识图谱的软件有CiteSpaceⅢ、VOSviewer、Sci2、CoPalRed、INSPIRE、VanagePoint、Bibexel等。CiteSpaceⅢ是以网络分析和可视化为基础,通过网络模型化和可视化,发现研究领域,分辨研究问题和研究方法。

      (三)研究特色

      本文通过绘制自动聚类标签视图和时间线视图,对西方审计研究进行可视化分析。自动聚类标签视图直观展示西方审计研究的16个互引/知识聚类、聚类标签词和不同聚类间的可视化关系。时间线视图勾画了西方审计研究不同聚类之间的关系和某个聚类中文献的历史跨度。

      本文使用CitespaceⅢ对西方审计研究文献进行知识聚类分析。有别以往主观划分聚类的方法,运用客观的谱聚类算法对西方审计研究文献的互引引文(两篇被引文献同时被某一施引文献所引用;并非施引文献本身)进行知识聚类划分。将整个西方审计研究网络分为16个互引聚类,每个互引聚类代表某一主题、某一话题或某一类研究。通过聚类标签词和聚类研究议题分析来刻画西方审计研究的主要研究领域及其内容。本文采用3种互引聚类标签提取算法,并对划分的互引聚类进行客观聚类评价。

      本文通过文献分析,指出了最活跃的研究领域、研究进程中转折点式重要文献、联系不同研究领域的重要文献。区别于以往研究主要从引文被引次数这一单一维度,从引文被引次数、引文引起引用量突然骤增、引文在聚类间或聚类内占据重要位置等3个维度进行分析。突现引文是指引用量突然上升或突然下降的引文,代表某一研究的转变,能够指明最活跃的研究领域。高中介中心性论文是在结构上占据重要位置的论文,它们在连接其他引文或者几个不同的聚类上发挥着重要作用。

      二、视图分析和聚类分析

      (一)描述性统计

      本文样本取自Web of Science数据库,采用主题词为audit*,期刊范围如表1所示,语种为English,文献类型为Article,索引为SSCI,时间跨度为1994至2014年的数据。该数据库只提供了7本期刊1994年之后的相关数据,故1994年为样本起始年,共获得样本1221篇。每年的样本量有逐年递增的趋势,经过20年的发展,从1994年42篇到2014年86篇,每年样本量翻一倍多。

      

      (二)视图分析

      1.自动聚类标签视图

      全文在应用CiteSpaceⅢ软件进行研究时,节点类型选择被引引文。时区分割为2年,选择每一时区分割中被引频次或出现频次最高的50个节点数据。使用最小生成树和简化最终合成的综合网络进行网络修剪,以得到恰当的图谱。

      图1是基于TF*IDF算法提取标签的自动聚类标签视图。自动聚类标签视图通过谱聚类算法生成知识聚类,然后从引用聚类的相关施引文献中通过算法提取标签词,进而表征对应于一定知识基础的研究前沿。视图中的节点代表分析对象,出现频次(或被引频次)越多,节点就越大。图1能直观看出不同聚类的边界和每个节点在整个研究网络中的位置和作用。西方审计学研究被划分为16个知识聚类,表明西方审计研究领域较多。但是,聚类间的连线表明各领域关系相对紧密,没有孤立的研究领域。

相关文章: