Пошук академічних текстів

Інформація × Реєстраційний номер 2126U000785, Матеріали видань та локальних репозитаріїв Категорія Стаття Назва роботи Artificial Intelligence in Tax Auditing: A Bibliometric and Thematic Analysis Штучний інтелект у податковій перевірці: бібліометричний та тематичний аналіз Автор Asare K.N.Asare K.N. Дата публікації 01-01-2026 Постачальник інформації Сумський державний університет Першоджерело https://essuir.sumdu.edu.ua/handle/123456789/102199 Видання Sumy State University Опис Недотримання податкового законодавства залишається серйозною проблемою для податкової адміністрації. Щоб вирішити цю проблему, багато хто почав використовувати штучний інтелект (ШІ) та машинне навчання (МН) для вдосконалення процедур відбору об’єктів аудиту та виявлення шахрайства. Хоча окремі застосування є досить перспективними, було зроблено мало зусиль для систематичного аналізу того, як ШІ використовується в податковому аудиті. У цьому дослідженні проведено бібліометричний та тематичний аналіз 578 публікацій, індексованих у Scopus, за період з 1990 по 2025 рік. У дослідженні простежується розвиток галузі за допомогою кількох бібліометричних методів. До них належать показники ефективності, мережі співавторства, аналіз співвипадковості ключових слів, аналіз співцитування та бібліографічне сполучення. Аналіз виявляє три основні закономірності: обсяг публікацій різко зріс з 2015 року; база знань є гібридною, поєднуючи державні фінанси та інформатику; а напрямки досліджень є фрагментованими, але тематично зосередженими. У цих кластерах переважали роботи, присвячені податку на додану вартість (ПДВ) та електронному виставленню рахунків, виявленню аномалій, відбору об’єктів аудиту на основі ризиків, а також виявленню випадків дотримання вимог або шахрайства. Ці теми відображають перехід від аудиту на основі правил до підходів, заснованих на машинному навчанні та графах. Хоча США є автором найбільш цитованих робіт, Китай лідирує за обсягом, що підкреслює нерівномірний глобальний розподіл впливу та практики. Отримані результати містять важливі рекомендації щодо політики та практики, підкреслюючи необхідність розробки моделей аудиту, що забезпечують справедливість і добробут, а також наголошують на потребі міжюрисдикційної співпраці та стандартизованих протоколів оцінки. Використання Scopus як єдиного джерела даних є обмеженням, і майбутні дослідження виграють від використання декількох джерел. Незважаючи на це обмеження, дане дослідження надає першу бібліометричну карту, що стосується конкретно сфери застосування штучного інтелекту в податковому аудиті, надаючи дослідникам, політикам та адміністраторам, які прагнуть створити стійкі та засновані на даних системи податкового контролю, чітке уявлення про сучасні тенденції, існуючі прогалини та напрямки для майбутніх досліджень Tax noncompliance continues to be a significant challenge for tax administration. To address this issue, many have started using artificial intelligence and machine learning to enhance how audit cases are selected and fraud is detected. Although individual applications show considerable promise, there has been little effort to systematically map how AI is being used in tax auditing. This study conducts a bibliometric and thematic analysis of 578 Scopus-indexed publications from 1990 to 2025. The study traces the development of the field using several bibliometric techniques. These include performance indicators, co-authorship networks, keyword co-occurrence analysis, co-citation analysis, and bibliographic coupling. The analysis shows three main patterns: output has grown sharply since 2015; the knowledge base is hybrid, combining public finance and computer science; and research fronts are fragmented but thematically focused. These clusters were dominated by work on value-added tax (VAT) and e-invoicing anomaly detection, risk-based audit selection, and compliance or fraud detection. These themes reflect the shift from rule-based auditing to ML and graph-based approaches. While United States produces the most highly cited work, China leads in volume, highlighting an uneven global distribution of influence and practice. The results highlight significant guidance for policy and practice, underlying the need for building audit models that ensure equity and welfare as well as emphasize the need for cross-jurisdictional collaboration and standardized evaluation protocols. Using Scopus as the only data source is a limitation, and future studies would benefit from using multiple sources. Aside from this limitation, this study provides the first field-specific bibliometric map focused specifically on AI in tax auditing, giving researchers, policymakers, and administrators seeking sustainable and data-driven tax enforcement systems a clear picture of current developments, existing gaps, and directions for future studies. Додано в НРАТ 2026-05-02 Закрити