中外人工智能审计研究热点及演进知识图谱比较研究

作 者:

作者简介:
武晓芬,云南大学工商管理与旅游管理学院,博士,教授,博导,主要研究方向为公司治理与理财、会计审计理论及实务;田海洋,云南大学工商管理与旅游管理学院/云南审计厅,高级审计师,在读博士研究生,主要研究方向为审计实务与技术创新、政府审计与国家治理。

原文出处:
科技管理研究

内容提要:

02


期刊代号:V3
分类名称:审计文摘
复印期号:2019 年 09 期

关 键 词:

字号:

      随着计算机技术的发展,被审计单位经营环境、技术环境和社会环境产生巨大改变,经济交易复杂性和差异性凸显,对信息系统和数据的依赖日益增长,以技术化为特征的审计风险更趋于复杂和多元,审计业务应用审计程序将越来越依赖于软件,许多大型会计师事务已经将人工智能作为其综合审计自动化系统的一部分,用于做出审计判断。正如Abdol、Bell等预测,电子数据交换(EDI),电子文件传输(EFT)和图像处理等ICT设备正在逐渐取代传统的审计线索并将彻底改变整个审计过程。Daigle等认为信息技术必须在提高监测和控制过程的效率方面发挥作用。秦荣生认为审计组织和审计人员在大数据、云计算技术的冲击下将发生重大的技术和方法的变革,审计技术和方法朝着数据化、及时性、智能化和预见性方向转变和发展。胡洪彬认为当今时代是一个人工智能不断崛起的时代,大数据、云计算和认知技术的突破,加之国际互联网、物联网等层面信息交互的日益紧密化,为新一代人工智能的发展壮大提供了绝佳的外部环境。由此可见,人工智能审计是信息化环境下现代审计体系转型发展的重要技术支撑和发展模式,是需要进行广泛深入研究的重要领域。

      人工智能是开发、模拟人类智能的理论、方法、技术及应用系统的一门综合性学科,涉及了计算机技术、法律、行为学、心理学、哲学、语言学、管理学等多个领域,相关研究得到了国内外学者的广泛关注。而在审计领域,人工智能与审计的结合还是全新范畴,目前的研究尚处于初级阶段,国内外涉及该领域的研究尚不多见。国际学者对人工智能审计的研究主要是对未来研究领域的展望及对软件开发运用提出建议,Kamil认为人工智能审计研究集中在评估人工智能对内部控制系统的设计和监控、会计师事务所的运作、审计教育、公共部门组织的审计、审计独立性和审计预期等方面。而国内学者主要从大数据、区块链、云计算方法体系中对人工智能审计的概念和内涵、审计模式构建、审计平台架构等方面进行研究。纵观现有研究成果中,关于人工智能审计方面的研究综述较少,尤其是缺乏基于计量方法的文献归纳与总结。基于此,本文运用科学计量的方法分别针对国内外人工智能审计领域的研究文献进行知识图谱量化研究,对相关研究的总体框架和基本走势进行对比分析,构建与识别人工智能审计知识图谱,客观把握该研究领域的研究态势与未来发展趋势,加深对相关研究领域的热点和前沿的把握。

      1 数据来源与方法

      CiteSpace知识图谱引文可视化分析软件运用计量学和统计学的综合方法,用直观的图谱数据和信息进行可视化分析以呈现出研究领域的知识结构、规律和分布。本文分别对CNKI数据库和Web of Science(WOS)核心合集中的人工智能审计相关研究进行计量与统计,通过Cite Space 5.2.R2科学计量软件对检索结果进行可视化分析。在CNKI数据库中,用“人工智能审计”“云审计”“大数据审计”“计算机审计”为关键词以“主题”为检索条件,时间跨度为1998年1月至2018年5月,考虑到期刊的权威性,筛选期刊来源为CSSCI、CSI来源期刊、EI来源期刊和核心期刊,经筛选共有1376篇文献,经人工剔除非相关项,剩余698篇文献。外文期刊检索数据来自WOS核心合集数据库,将主题词限定为“big dae audit”“cloud audit”“computeraudit”“AI audit”和“artificial intelligence audit,时间跨度同样为1998年1月至2018年5月,检索结果显示共有1963篇文献符合检索条件,经人工剔除非相关项,剩余1198篇文献。本文通过Citespace 5.2.R2软件分别对国内外人工智能审计研究成果的时间分布、合作网络、研究热点及趋势等进行整体上可视化分析,时间切片均选择一年,从目标数据中设定阈值为50作为引用频次选择上限,同时将引用频次选择上线的阈值设定为5.0%,网络节点类型分别为“国家”“机构”“关键词”,生成人工智能审计领域的可视化图谱。

      2 研究核心国家、机构合作网络及前沿分析

      2.1 研究核心国家

      用Cite Space 5.2.R2软件对国际1198篇文献进行发文国家合作网络分析显示(见图1)(图1:“人工智能审计发文国家知识图谱”略去,编者注),网络节点大小反映国家的发文数量,美国发文量175篇,为发文量最多的国家。第2至第5位分别为英格兰53篇,澳大利亚32篇、中国31篇、加拿大5篇。最早发文时间结果显示,美国自2003年便开始人工智能审计相关研究,第2至第5位分别为英格兰2004年、澳大利亚为2008年、中国为2012年、加拿大为2015年。研究发现,发文国家发文时间越早,相关研究越深入,发文量也就越多,呈现出正相关趋势。此外,关系连线反映了合作关系的强度,知识图谱显示美国在人工智能审计领域优势明显,美国同英格兰、澳大利亚、中国及加拿大等国家均有科研合作,涉及了相关研究的全部国家。而中国对人工智能审计的研究起步较晚,虽然近几年来人工智能审计相关研究在数量增长趋势明显,但参与国际科研合作还不强,这在一定程度上限制了人工智能审计在我国的发展。

      2.2 科研机构合作网络

      2.2.1 中国科研机构合作网络

      科研机构合作知识图谱反映了人工智能审计领域的核心科研机构及科研成果的地理空间分布,可以分析相关科研领域中的知识互动关系。利用CiteSpace 5.2.R2对国内698篇文献进行发文机构合作网络分析,计量结果显示研究机构节点连线很少,只有南京审计学院同南京航空航天大学和审计署南京特派办有过合作,合作地域中心性明显且合作程度不高。此外,发文机构节点分布均匀,说明我国人工智能审计研究的发文机构合作性较差,不同机构之间的学术交流有待进一步加强。按研究机构进行统计,南京审计学院发文频率最高,达到了34次,其次是审计署京津冀特派办、中山大学、重庆理工大学,分别是10次、7次和7次。以审计理论研究为主的审计类专业高校和以实务研究为主的审计机关在人工智能审计领域进行过相对深入的研究,在相关领域也走在科研机构的前列。近三年来,重庆理工大学、南京审计大学审计科学研究院和审计署审计科研所为国内机构人工智能审计研究热度的前三名。由此可见,人工智能审计发展与相关研究能力、水平具有较强的关联性。从各机构的发文量来看,发文数量排名前四名的机构发文数量占所有机构发文总量的46.77%,人工智能审计研究成果在全国不同机构之间的悬殊较为明显。

相关文章: