摘要:为响应国家关于加强高校内部控制建设的政策要求,提升安徽省高校治理水平与风险防控能力,基于COSO框架,构建涵盖内部环境、风险评估、控制活动、信息与沟通、内部监督5个维度的内部控制风险评估体系(含5个一级指标、44个三级指标)。创新性地运用模糊层次综合评价法(FAHP)对安徽省高校内部控制风险进行实证量化分析。通过问卷调查收集28所样本高校的专家意见,结合FAHP模型精准识别风险关键点并评估整体风险水平。研究发现:安徽省高校内部控制综合效能处于中等偏上水平(得分3.5),常规风险管控基础尚可,但对复杂及新兴风险的防控能力不足;风险识别与应对能力(U211)、内部控制文化建设(U112)是影响效能的核心因素(权重最高);高校间内控水平差异显著,超七成高校评分未达4分,内部环境(均分3.0)、风险评估(均分3.0)及内部监督(均分3.0)是主要薄弱环节,信息与沟通(均分4.0)相对较好但存在信息孤岛问题。基于此,研究提出强化内控文化、优化风险评估体系、完善控制流程、提升信息整合效能、健全监督机制及加强政策引导等针对性对策,以期为安徽省乃至全国高校完善内部控制、提升治理能力提供理论参考和实践路径。

　　关键词:高校内部控制;COSO框架;模糊层次综合评价法

　　0引言

　　近年来,高等教育领域的发展速度显著加快,伴随着财政投入的持续增长,高等院校的经济活动日益复杂化,内部控制的重要性日益凸显。自1992年9月COSO委员会发布《内部控制整合框架》以来,内部控制理论体系持续完善,并在全球范围内得到广泛应用。在我国,针对行政事业单位属性的高等院校内部控制建设亦逐步推进。2012年,财政部颁布《行政事业单位内部控制规范》,为高等院校内部控制建设提供了制度性依据。2016年,教育部针对直属高等院校发布了《教育部直属高校经济活动内部控制指南(试行)》,进一步明确了高等院校内部控制的具体要求。然而,随着高等院校办学规模的扩大和资金流动的多元化,内部控制仍面临诸多挑战,例如风险防控不足、管理效率低下等问题。为此,2024年财政部和教育部联合发布了《关于进一步加强高等学校内部控制建设的指导意见》,强调全面规范高等院校经济活动及相关业务活动,建立健全科学有效的内部制约机制,以提升高等院校治理水平和风险防控能力。在此背景下,深入研究安徽省高等院校内部控制建设的现状、问题及优化路径,对于完善高等院校治理体系、推动高等教育高质量发展具有重要意义。本研究旨在通过问卷调查的方式,收集安徽省高等院校专业人士对内部控制风险的看法和建议,进而运用模糊层次综合评价法(Fuzzy Analytic Hierarchy Process,FAHP)对高等院校内部控制风险进行量化分析,并提出相应的应对措施。作为处理多因素复杂问题的有效工具,FAHP通过结合模糊数学与层次分析法,能够科学量化内部控制风险的不确定性。研究基于COSO框架和安徽省高等院校实证数据,构建了一个包含5个一级指标的评估体系,首次将FAHP应用于区域高等院校内控风险识别,重点聚焦风险识别能力、文化建设等核心维度,为完善高等院校治理提供决策支持。

　　1文献综述

　　1.1高校内部控制研究现状述评

　　随着信息技术的迅猛发展,构建和完善高校内部控制体系以提升风险管理水平已成为学术界和实务界关注的焦点。目前,相关研究主要集中在以下几个方向:

　　(1)新兴技术赋能高校内部控制。近年来,人工智能、大数据和深度学习等新兴技术为高校财务内部控制提供了新的方法和工具。Guo[1]和Cheng[2]探讨了人工智能在高校财务内部控制中的应用,指出机器学习算法可以精准预测和识别财务风险,从而增强内部控制效果。然而,这些研究多处于理论探索阶段,缺乏对实际应用效果的深入评估,且较少涉及技术实施过程中的组织变革与成本效益分析。

　　(2)以博弈论为基础的内部控制模式为高校内部权力制衡与决策优化提供了新的视角。Cheng[2]从博弈论角度出发,构建了高校内部控制的理论模型,揭示了不同利益主体之间的博弈关系及其对内部控制效果的影响。但此类研究多集中于模型推导,忽视了高校组织的复杂性和人员行为的多样性,在实际应用中的可行性有待进一步验证。

　　(3)实践探索与经验总结。内部审计在高校管理中的作用及财务风险和廉政风险管理的实践探索,为高校内部控制体系的完善提供了丰富的案例支持。De Simone和Rich[3]强调了内部审计在高校风险管理中的重要性,指出内部审计不仅可以发现财务问题,还能为内部控制的改进提供建设性意见。此外,耿小娜[4]、杨金瑞和徐菱[5]研究探讨了高校财务风险和廉政风险管理的具体实践,提出了加强预算控制、完善财务审批流程等措施。然而,这些研究多为定性描述,缺乏系统的定量分析,难以揭示高校内部控制的内在规律与本质特征,且对不同层次和类型高校的差异化特征考虑不足。

　　在高校内部控制的概念与重要性方面,刘晶[6]强调了在风险管控视角下完善高校内部控制体系的重要性,指出高校内部控制不仅是财务活动的管理工具,更是实现高校战略目标的重要保障。金仕仙[7]的研究表明,随着高校的发展建设,内部控制审计风险逐渐凸显,需要全面落实风险控制措施以确保高校健康发展。孙晓英[8]在地方高校中探讨了全面预算绩效管理背景下高校内部控制的优化提升,分析了其中的风险点和新问题,并提出了相应的优化对策建议。在高校内部控制与风险管理的研究领域,内部控制的组成部分是一个重要的研究方向。Cheng[2]分析了高校内部控制信息化的软件开发模式,认为全委托开发模式是最优选择。吴彩凤[9]从财务风险管理的视角探讨了民办高校的内部控制,提出需完善制度、规范核算、健全内控及加强管理以实现可持续发展目标。韦婧梦[10]指出,当前高校内控意识差、机制不健全,提高内控是提升综合实力的重要途径,需进一步强化内控目标。巩明[11]提出,民办高校通过财务风险管理可以提升运营水平,并提出了解决策略以实现内控目标。张颖萍和张琳梓[12]通过分析E高校的案例,提出了合理化建议以完善高校内部控制体系,强调了内部控制在实现“双一流”建设中的重要性。粟沫薰[13]指出,高校内部审计在提升管理效率、防控风险、提高教学质量以及保障可持续发展方面具有显著作用。

　　1.2 FAHP应用述评

　　FAHP是一种结合模糊逻辑和层次分析法(Analyt-ic Hierarchy Process,AHP)的多准则决策方法,近年来在多个领域得到了广泛应用。FAHP通过引入模糊集合理论,弥补了传统AHP在处理不确定性和主观性问题时的不足,能够更加有效地应对复杂系统中的模糊信息[14-16]。这一方法在工程风险评估、质量评价、环境管理等众多领域展现出其独特的优势和广泛的适用性[17-20]。

　　在工程领域,FAHP被广泛应用于项目风险评估、工程方案比选、质量评价等方面。例如,在海水淡化项目、PPP项目、航空工程等领域,FAHP帮助决策者更好地评估风险和选择最优方案。此外,FAHP在环境科学、社会经济、教育等领域也有广泛应用[19-21]。例如,FAHP被用于评估水质、空气质量及农村污水处理技术的综合效果[22-23]。在社会经济领域,FAHP用于评估企业社会责任、政府投资项目的风险和收益等[24-25]。在教育领域,FAHP被用于评估学生满意度、课程效果和教师信息素养等多个方面[26-28]。然而,FAHP在高校内部控制风险识别中的应用仍相对较新,缺乏系统性的实证检验,其指标体系构建与权重设置的科学性、合理性有待进一步论证。

　　1.3文献述评

　　通过对高校内部控制风险管理及FAHP应用研究的系统梳理,可见现有成果为高校内控体系完善提供了丰富的理论基础与实践参考,尤其在财务控制、信息化管理及风险防范等关键领域取得了显著进展。学者从新兴技术赋能(如人工智能、大数据)、博弈论模型构建、内部审计实践及财务与廉政风险管理等多个维度,提出了多样化的理论框架与改进策略。

　　然而,当前研究仍存在明显的局限性。一是宏观体系探讨居多,微观风险识别薄弱。多数研究聚焦于内部控制宏观体系和制度层面的探讨,对于高校运营中存在的具体风险点识别方法相对缺乏,难以精准定位内部控制失效的关键环节。二是定性描述主导,系统性量化分析不足。现有研究多以定性分析或案例总结为主,缺乏系统性、标准化的定量分析工具来科学评估高校内部控制风险的整体水平及关键影响因子,难以揭示内控风险的内在规律与量化特征。三是FAHP应用创新性与实证检验欠缺。尽管FAHP在工程、环境、社会经济等领域展现出处理复杂模糊信息的优势,但其在高校内部控制风险识别领域的应用仍处于起步阶段,相关实证研究稀缺,其指标体系构建的科学性、权重分配的合理性及评估结果的有效性有待系统验证。

　　针对上述研究缺口,研究确立以下研究切入点:第一,聚焦微观风险识别。以区域高校(安徽省)为具体研究对象,深入探究其内部控制体系运行中的具体风险点。第二,创新方法应用与实证检验。首次将FAHP系统性地应用于区域高校内部控制风险评估实践,构建基于COSO框架的、包含多层级指标的评价体系,并基于专家赋权进行科学量化。第三,强调量化分析与实证支撑:通过结构化问卷调查,收集安徽省高校专业人士对内部控制各环节风险状况的评估数据,运用FAHP模型进行实证量化分析,旨在精准识别关键风险因素、评估整体风险水平并揭示校际差异。第四,提供决策依据。基于量化分析结果,为安徽省高校及教育主管部门提供具有数据支撑和可操作性的风险防控对策,助力提升高校治理效能与风险抵御能力。

　　本研究旨在弥补现有文献在微观风险识别方法、系统性量化工具应用及FAHP在高校内控领域实证检验方面的不足,为深化高校内部控制理论与实践提供新的视角和依据。

　　2研究设计框架

　　为实现对高校内部控制风险的精准识别与量化评估,本研究构建了系统化的分析框架,具体涵盖以下3个关键阶段:

　　(1)研究目标定位。聚焦区域高校内部控制体系,通过科学方法识别核心风险点、评估整体风险水平、揭示校际差异特征,为针对性优化内控机制提供实证依据。

　　(2)方法论选择。以FAHP为核心分析工具,该方法融合模糊数学与AHP优势,可有效处理以下问题:一是多层级指标整合,将COSO框架的抽象维度转化为可量化评价指标;二是主观判断量化,通过专家赋权(AHP)降低人为主观性偏差;三是不确定性建模,运用模糊集合理论捕捉风险评价中的模糊信息。

　　(3)数据采集策略。通过结构化问卷调查获取实证数据,样本范围覆盖安徽省代表性高校的专业群体。受访对象为管理层、财务及审计人员(确保评价视角多维性)。问卷基于COSO框架开发五级李克特量表,量化风险暴露程度。

　　3风险评估指标体系构建

　　3.1指标体系设计与优化

　　在构建高校内部控制风险评估指标体系的过程中,研究团队深入参考了COSO报告的框架,并结合高校的特定情境,从内部环境、风险评估、控制活动、信息与沟通,以及内部监督5个核心维度进行了综合考量。该体系的设计旨在全面覆盖高校内部控制的各个层面,以实现对高校内部控制状况的系统性评估。

　　在内部环境维度,研究不仅关注组织文化、管理态度和员工意识等基础要素,还特别强调了将教育方针政策落实情况纳入评估范围。这种设置充分考虑了高校作为教育机构的独特属性。具体而言,内部环境维度包括组织文化与价值观、管理层对内部控制的重视程度、员工的内部控制意识、组织结构与权责分配、人力资源政策与实践,及教育方针政策落实情况6个二级指标。这些指标共同构成了对高校内部环境的全面评估,有助于深入了解高校内部控制的文化土壤和管理基础。

　　风险评估作为内部控制的关键环节,其指标的设计旨在帮助高校从风险的角度审视内部控制的有效性。尽管具体的评估内容未在文中详细展开,但这一维度的设置凸显了风险识别、评估和应对在高校内部控制中的重要性。

　　在控制活动维度,本研究细化出了4个二级指标,即内控机制制度建设执行、内部会计控制、组织程序控制和重大政策落实。这些指标从制度建设到具体执行,从会计核算到重大政策落实,层层递进,为高校提供了一套全面且具体的控制措施,以应对各类风险,确保管理层决策的顺利实施。

　　信息与沟通维度的5个二级指标则充分考虑了高校信息化建设的现状与需求。这些指标包括信息化系统建设的完善性、易用性与稳定性、网络安全防护措施、数据保护与隐私安全,以及信息化建设与管理的协调与配合。它们全方位地保障了高校信息管理的高效性与安全性,体现了对现代高校信息化发展趋势的深刻理解和科学应对。

　　在内部监督维度,本研究通过内部控制的评价和监督机制完善度、内部审计评价与监督机制健全程度与执行力度2个三级指标,确保高校能够对内部控制的运行情况进行动态监控,并及时发现和纠正偏差,从而推动内部控制体系的持续优化。

　　总体而言,本指标体系紧密贴合高校的实际需求,兼顾了全面性、针对性与可操作性,为科学评估安徽省高校的内部控制风险提供了有效工具,有助于推动高校内部控制体系的不断完善与发展。

　　在初步构建指标体系基础上,组织安徽省5位高校专家运用德尔菲法对评价体系展开确认与完善,历经3轮精细优化后,最终确立的评价体系详见表1。

　　3.2基于AHP的指标权重确定

　　在构建评价体系后,必须对体系内各指标的重要性进行权重分配。本研究采用AHP进行权重赋值,并邀请5位专家运用德尔菲法(Delphi Method)对各层级指标的重要性进行成对比较。比较指标的标度详见表2。基于比较结果,构建判断矩阵,并对判断矩阵的一致性进行检验。

　　在进行一致性检验时,若检验系数CR=CI/RI<0.1,则可认定判断矩阵具备可接受的一致性水平;反之,则需对判断矩阵进行重新调整。RI平均一致性指标(CI)可RI依据相关一致性指标表获得。本研究采用德尔菲法构建的判断矩阵均通过了一致性检验。基于通过一致性检验的判断矩阵,本研究计算了各指标的相对权重,并据此确定了各层级指标的权重,部分指标具体结果见表3。

　　在层次分析法中,相邻层级间呈现出明确的层次结构关系。底层指标相对于总目标的权重W=W(0)W(1)…W(m)可通过特定的计算方法得出。最终,各底层方案相对于总目标的权重得以确定,并以权重大小为序进行排列,详见表4。

　　基于通过一致性检验的判断矩阵,本研究计算了各指标的相对权重(见表4),核心指标“风险识别与应对能力”(U211)的权重最高,达到0.1,这突显了风险管理在高校内部控制体系中的战略重要性。该指标与教育机构所面临的复杂风险环境(例如政策法规的变动、科研经费管理等)相契合,为高校资源配置和制度设计提供了明确的指导方向。其次,内部控制文化建设(U112,权重为0.084)和监督机制的完善度(U511,权重为0.07)紧随其后,这反映了高校治理结构中“文化引领与制度监督”相结合的双轮驱动模式。该模式既重视文化对内部控制的潜移默化作用,又强调了监督机制的保障功能,与COSO框架中“控制环境—监督”逻辑关系相一致。

　　值得注意的是,组织架构及其权力与责任的分配(U141,权重0.06)相较于信息化建设相关指标(U411~U451,权重均为0.04)具有更高的权重,这一现象与高校中普遍存在的部门职能重叠、权力与责任界定不明确的问题紧密相关,从而突显了在高校内部控制过程中优化治理结构的紧迫性。同时,管理层的重视程度(U121,权重0.03)与内部控制制度的完善程度(U311,权重0.03)的权重相当,这揭示了高校领导层决策与制度建设之间的相互作用关系,为以“一把手”为核心的内部控制建设提供了理论依据。

　　低权重指标(例如U3411~U3415)专注于特定业务流程的控制,尽管单个指标权重较低,但其集群效应增强了业务层面的精细化管理要求。该权重分布模式既遵循了内部控制的“风险导向、重点突出”原则,又考虑了高校作为知识密集型组织的特殊属性,为构建具有明确层次和突出重点的风险防控体系提供了量化依据,对完善高校内部控制理论框架具有重要的参考价值。

　　4数据收集与处理

　　4.1抽样方案与数据采集

　　为全面深入地分析安徽省高校内部控制的运行现状,并精确识别潜在的风险因素,研究采用问卷调查作为主要的数据采集方式,将安徽省高校的工作人员纳入研究样本。在抽样策略方面,本研究创新性地结合了分层抽样与简单随机抽样两种技术,以增强样本的代表性和科学性。

　　根据样本量计算公式n1=Z/2π(1-π)/E2,并结合分层抽样的设计效应及预期回答率,最终确定样本量为140。首先对安徽省125所高校进行编号,随机抽取约1/5高校。鉴于安徽省各高校在教学水平、科研成果及师资力量等多个维度上存在显著差异,为保证研究结论的普遍性和精确性,研究团队决定适度增加样本规模,最终确定从安徽省高校中抽取28所高校作为本研究的深入观察对象。进一步地,在每一所入选的高校内部,采用简单随机抽样方法,分别抽取1位管理层人员、2位财务人员和2位审计人员。在数据收集阶段,本研究通过线上问卷平台向选定的调查对象精确推送问卷,从而高效地获取包含多维度信息的数据资源,为后续对安徽省高校内部控制的深入研究提供了坚实的数据支撑。具体抽样结果见表5。

　　4.2数据预处理与质量检验

　　在问卷数据收集完毕后,必须对所收集的数据进行精确的录入。录入工作完成后,首要任务是对数据进行细致的检查与筛选。在此过程中,研究者需特别关注并识别出超出合理范围的异常值、极端值的存在及数据间逻辑上的不一致性。针对识别出的问题数据,应迅速采取恰当的修正措施,以净化数据,确保其质量和可用性。

　　针对数据中出现的缺失值问题,本研究制定了一套科学合理的处理方案。若问卷中仅存在少量缺失值,可采用该变量在有效样本中的均值替代缺失值,以维护数据的完整性和一致性。然而,对于那些大部分数据缺失的问卷,由于数据的可靠性和有效性受到显著影响,无法满足研究需求,故应将这些问卷排除在后续分析之外。

　　值得注意的是,数据清洗工作的完成并不等同于数据已具备直接应用的条件。为确保数据能够真实、准确地反映研究问题,并为后续分析提供坚实的基础,必须对整理后的数据进行进一步的质量检测。信度检验和效度检验是数据质量检测中的关键环节。信度检验旨在评估数据的一致性和稳定性,即测量结果的可靠性;效度检验则用于判断数据是否能准确测量研究者所期望考察的变量和问题,即数据的有效性。通过这两项检验,可以全面了解数据质量,为后续数据的分析和研究方法的选择提供坚实保障,确保研究结果的科学性和准确性。

　　通过信度检验,本研究采用克隆巴赫系数对问卷中的量表题进行评估(见表6)。结果显示,总体量表及各分量表的克隆巴赫α系数值均大于0.8,表明问卷中的量表题具有较高的内在一致性、稳定性和可靠性,能够为后续研究提供稳定的数据支持。在效度检验方面,本研究运用巴特利特球度检验和KMO检验对数据进行评估。检验结果显示,KMO取值大于0.8,表明数据具有较高的效度,所选变量能够准确反映研究构念,适合进行因子分析,且对应的p值远小于0.05,进一步验证了数据的适用性。

　　5基于FAHP的风险评估结果分析

　　5.1整体风险状况评估

　　通过问卷调查,本研究获取了安徽省一些高校在最底层指标上的评分情况。评分采用(1,2,3,4,5)的分值体系,分值越高代表状况越佳,相应风险较低;分值越低则表明状况较差,对应风险较高。基于此,本研究将评估模型的评语集统一界定为V=(差,可,中,良,优)。依据问卷调查所收集的数据,本研究构建了相应的各级模糊评估矩阵Ri,具体为

　　在对安徽省高校内部控制进行模糊综合评价后,结果显示其得分为3.5,处于1~5分区间的中上水平。此结果揭示了安徽省高校内部控制体系在一定程度上具备有效性,并已初步展现出对常规风险进行管理的能力。尽管如此,面对日益复杂和多变的新型风险,其防控能力仍需进一步加强。

　　针对安徽省高校内部环境的综合评价,得分仅为3分,暴露出在组织文化、管理态度、员工意识等关键要素上的不足。部分高校未能将内部控制理念深入融合至组织文化之中,员工内部控制意识参差不齐,管理层对内部控制的重视程度亦需提升。普遍存在的“重教学科研、轻管理”现象,导致内部控制难以在实际操作中有效实施。此外,组织结构与权责分配的不明确性,人力资源政策与实践在支持内部控制方面的局限性,以及教育方针政策落实监督机制的不完善,均需进一步加强。

　　在风险评估方面,安徽省高校的综合评价得分同样为3分,反映出高校在风险识别和应对能力方面存在不足。高校在风险评估的全面性和前瞻性方面存在缺陷,难以有效识别战略、财务、运营等多维度风险,尤其对新型风险的敏感度不足。风险评估的程序和方法缺乏科学性,缺乏系统的风险预警机制,导致风险应对措施往往滞后,难以及时有效地应对复杂多变的内外部环境。

　　在控制活动方面,安徽省高校的评价得分为3.5分,相对较高,表明在内控制度建设执行、内部会计控制、组织程序控制以及重大政策落实等方面有一定的基础和成效。高校内部控制制度基本健全,但在执行过程中存在部分制度流于形式、关键控制环节把控不严的问题。例如,预算编制和执行的监控机制不够完善,资产保护措施执行不到位,重大政策落实的程序和效果有待进一步优化。

　　在信息与沟通方面,安徽省高校的评价得分最高,达到4分,说明在信息化建设方面具有一定的优势。然而,仍存在一些问题,如部分系统功能模块不完整,数据共享存在障碍,信息孤岛现象较为普遍,影响了决策的科学性。此外,网络安全防护和数据隐私保护机制不够完善,存在数据泄露的风险。

　　在内部监督方面,安徽省高校的评价得分为3分,表明在内部控制评价监督机制和内部审计监督方面存在不足。内部控制评价机制不够系统化,评价指标体系的科学性和全面性有待提高。内部审计的独立性和权威性不足,审计结果的运用不充分,难以有效发挥整改促进作用。监督的覆盖面和深度不够,难以及时发现和纠正内部控制中的偏差和异常。

　　实证分析结果表明(见表4),风险识别与应对能力(权重系数0.1)以及内部控制文化建设工作效果(权重系数0.084)是影响高校内部控制效能的关键要素。从模糊综合评价结果来看,这两项核心指标的现状评估均处于较低水平:内部控制文化建设工作效果均值3.41(标准差1.04)位于“基本达标”区间下限,风险识别与应对能力均值3.59(标准差0.95)亦未突破“良好”临界值。通过敏感性分析发现,若对内部控制文化建设的评分分步实施目标干预—将最低分(1分)占比由5%清零、次低分(2分)占比从11%压缩至2%、同时将最高分(5分)占比由16%提升至30%—可使该指标综合评分提升至4.01分,增幅达17.94%,显著优化内部控制总体评价。

　　5.2关键风险识别与校际差异分析

　　安徽省受访高校内部控制综合评价结果(见表7)揭示了当前高校内部控制建设的现状与潜在风险。在安徽省高校内部控制体系的综合评价中,普遍得分偏低,显示出大多数高校内部控制体系尚未达到预期标准。据相关数据显示,超过七成的高校综合评分未超过4分,这一结果直接揭示了安徽省高校内部控制建设中存在的风险和缺陷。在参与评价的高校中,A高校以4.67分的综合评分位居首位,其内部控制建设的卓越表现不仅彰显了该校的成就,也为其他高校提供了可资借鉴的范例。通常情况下,综合评分达到4.5分以上,意味着高校内部控制体系较为健全,具备较强的风控能力,处于较低的风险状态。然而,在安徽省的受访高校中,仅有10.7%的高校达到了这一标准,实现了内部控制的高标准建设。尽管这一比例并非微不足道,但仍然表明大多数高校在内部控制建设方面有较大的提升空间。

　　进一步的分析表明,有35.7%的高校综合评分低于3.5分,这暗示其内部控制体系存在显著的缺陷和薄弱环节,面临较高的风险。这些高校在内部控制的关键要素,包括内部环境、风险评估、控制活动、信息与沟通以及内部监督等方面,可能均存在不同程度的问题,迫切需要采取有效的改进措施。特别值得注意的是,BB高校在这次评价中得分最低,仅为2.23分。这一结果表明,对于内部控制体系薄弱的高校,应给予更多的关注和支持,以助其提升内部控制水平,降低潜在风险。

　　各维度得分差异可视化结果见图1。从受访各高校的评分情况来看,A高校以4.709 9分位居榜首,其在内部环境、风险评估、控制活动、信息与沟通和内部监督5个二级指标上均表现出色,其中风险评估和内部监督得分高达5.0分,这反映出该校在内部控制方面投入了大量资源,制度执行有力,对风险的识别、评估与应对能力较强,内部监督机制完善且有效。B高校和C高校分别以4.699 9分和4.665分位列第二和第三,同样在多个二级指标上取得了高分,说明这两所高校在内部控制建设方面也取得了显著成效,内部控制体系较为健全,能够有效保障学校的教学、科研及管理活动有序进行。X高校、AA高校、BB高校等排名靠后,其总分均低于3分,表明在内部控制方面存在较多问题与不足。这些高校在内部环境、风险评估、控制活动、信息与沟通和内部监督等各个环节均需加强建设,以提升整体内部控制水平,防范潜在风险。

　　根据安徽省受访高校二级指标得分分析,可见多数高校在内部环境建设方面得分较高,例如A高校和B高校均超过4.0分,这反映了高校对内部环境建设的重视程度,良好的组织文化、管理态度和员工意识为内部控制提供了坚实基础。然而,少数高校如BB高校得分较低,仅为2.28分,这揭示了其在内部环境营造方面的不足,需要加强组织文化建设,提升管理层对内部控制的重视,并增强员工的内部控制意识。

　　在风险评估方面,高校间得分差异显著,最高分为5.0分(A高校),最低分为2.0分(BB高校)。这表明部分高校已建立较为完善的风险评估机制,能够有效识别和应对各类风险,而其他高校在风险评估能力上尚需提升,缺乏系统的风险识别、分析和应对策略,这可能导致在面对复杂多变的内外部环境时,难以及时准确地识别潜在风险,从而影响学校的决策和运营。

　　在控制活动方面,各高校得分相对均衡,大多集中在3.0~4.0分之间,表明高校在控制活动方面有一定的基础,能够通过制定相关制度和流程来规范学校各项活动。但仍有少数高校得分较低,如BB高校的2.96分,这可能意味着其在预算管理、资产管理、采购管理等控制活动环节存在执行不力或流程不完善的问题,需要进一步加强控制活动的建设和管理,确保各项制度得到有效执行。

　　在信息与沟通方面,虽然它是高校内部控制的重要组成部分,但部分高校仍存在较大的提升空间。例如,BB高校在此项仅得1.6分,这可能反映出其信息化建设滞后,信息系统功能不完善,信息传递不及时、不准确,导致各部门之间信息孤岛现象严重,影响了管理决策的科学性和有效性。而得分较高的高校如B高校(5.0分)、C高校(5.0分)等,则在信息化建设方面投入较大,拥有较为完善的信息系统和有效的信息沟通机制,能够及时、准确地收集、传递和处理学校内外部信息,为学校的决策提供有力支持。

　　在内部监督方面,它是保障内部控制有效性的关键环节,但从数据来看,高校在内部监督方面的表现有待加强。部分高校如BB高校仅得1.6分,这表明其内部监督机制不够健全,监督力度不足,难以及时发现和纠正内部控制中的问题。而像A高校、B高校等在内部监督方面得分较高,说明其建立了较为完善的内部监督制度,能够通过内部审计、自我评估等方式对内部控制的有效性进行持续监督和评估,及时发现并整改内部控制缺陷,保障内部控制体系的持续有效运行。

　　总体而言,安徽省高校内部控制水平存在显著差异,部分高校内部控制体系较为完善,能够有效保障学校的教学、科研及管理活动有序开展,但仍有部分高校在内部控制建设方面存在较多问题和不足。各高校应根据自身实际情况,加强内部控制建设,特别是在内部环境、风险评估和内部监督等关键环节加大投入和改进力度,提升内部控制整体水平,防范各类风险,保障学校的可持续发展。同时,教育主管部门应加强对高校内部控制的指导和监督,促进高校内部控制水平的全面提升。

　　6研究结论与启示

　　6.1研究结论

　　研究采用FAHP对安徽省高校内部控制进行深入分析,得出以下核心结论:安徽省高校内部控制的整体效能尚需进一步提高。根据FAHP的得分结果,安徽省高校内部控制体系的整体有效性处于中等偏上的水平。尽管能够对常规风险进行一定程度的管理,但在应对复杂和新兴风险方面,其防控能力仍显不足。在各项二级指标的表现上存在不均衡现象,其中内部环境的得分仅为3.0,反映出安徽省高校在组织文化、管理态度、员工意识等方面存在缺陷。部分高校尚未将内部控制理念深入融入组织文化之中,员工对内部控制的认识参差不齐,管理层对内部控制的重视程度亦需加强。风险评估的得分同样为3.0,揭示了高校在风险识别和应对能力方面存在不足,对风险的全面性和前瞻性评估不够充分,特别是在对新兴风险的敏感度和风险评估程序及方法的科学性方面有待提高。控制活动的得分达到3.5,表明高校在内控制度建设、执行、内部会计控制、组织程序控制以及重大政策落实等方面具有一定的基础和成效,但在制度执行过程中,部分制度执行流于形式,关键控制环节的把控不够严格。信息与沟通的得分达到4.0,说明安徽省高校在信息化建设方面具有一定的优势,但仍然存在信息孤岛现象,网络安全防护和数据隐私保护机制尚需完善。内部监督的得分仅为3.0,表明高校在内部控制评价监督机制和内部审计监督方面存在不足,内部审计的独立性和权威性不足,监督的覆盖面和深度不够。不同高校之间在内部控制水平上存在显著差异,

　　各机构内部控制综合评分的差异较大。数据显示,超过70%的高校综合评分未超过4分,表明高校内部控制建设存在明显风险和不足之处。仅有10.7%的高校综合评分达到4.5分以上,其内部控制体系相对完善。有35.7%的高校综合评分低于3.5分,面临较高的风险。

　　6.2启示

　　基于上述结论,本研究得出以下启示:

　　1.加强内部控制文化建设

　　高校应深入整合内部控制理念至组织文化之中,通过系统培训及宣传策略提升管理层与员工的内部控制意识,从而营造一个积极的内部控制环境。同时,应优化组织架构与权力责任分配体系,完善人力资源政策与实践操作,强化教育政策执行的监督机制。高校的党政领导需承担起责任,确保内部控制制度的构建、完善及有效实施。通过定期举办内部控制相关的培训、讲座及研讨会,增进师生员工对内部控制重要性的理解,从而形成一个领导层高度重视、各部门协同合作、全体成员积极参与的内部控制氛围。

　　2.优化风险评估体系

　　高校应构建系统化的风险评估机制,以提升风险辨识的全面性和预见性,并完善风险预警及应对策略,确保能够及时且准确地辨识和应对潜在风险。高校宜借鉴企业全面风险管理的先进理念,围绕其发展战略目标,建立内部控制风险评价指标体系,并运用科学的评估方法,例如FAHP,对影响学校发展目标实现的各类内外部负面风险进行全面而动态的评估。基于风险评估结果,应制定针对性的风险应对措施和解决方案,并可利用信息化监管手段设定风险预警指标及阈值,以便对潜在风险进行预先警示,从而提高风险防范的主动性和时效性。

　　3.优化控制活动流程

　　高校应进一步优化其信息化系统的功能模块,强化数据共享与信息整合,提升网络安全防护及数据隐私保护的效能,以保障信息系统的安全性和决策过程的科学性。为实现这一目标,高校需构建一套科学的权限控制与动态授权机制,以优化管理权限的配置;实施全面的审计追踪,以实现对管理流程的全程审计和透明化监督;完善风险预警与快速响应机制,以实现对潜在风险的精确预防和及时处理;并健全内控监督、服务外包及外部监督机制,从而构建一个闭环监管体系。通过这些措施,高校管理程序的控制与监督将实现从“被动防御”向“主动治理”的转变。

　　4.提升信息与沟通水平

　　高校应进一步完善信息化系统功能模块,加强数据共享和信息集成,提高网络安全防护能力和数据隐私保护水平,确保信息的安全性和决策的科学性。高校应抓紧构建集财务管理、采购管理、资产管理、工程管理、教学科研管理及学生事务管理等多功能于一体的综合信息管理平台,实现各项经济及其业务活动的统一管理和监控,改变“信息孤岛”现象,实现内部信息及时互联互通,确保内部沟通及时顺畅。

　　5.完善内部监督体系

　　高校亟须构建一套系统化的内部控制评价与监督机制,以提升内部审计的独立性和权威性。同时,应强化审计结果的应用,拓展监督的广度与深度,保障内部控制体系的持续有效性。此外,高校必须明确权责界限,制定详尽的岗位职责目录,规范关键部门的权力运作流程,防止职能重叠或权力过分集中,并及时完善相关“负面清单”制度,明确界定禁止行为。同时,高校应完善治理结构,将内部控制风险监督机制融入治理架构之中,确保制度贯穿决策、执行、评价的全过程,促进依法治校和规范管理。

　　6.强化政策导向与扶持力度

　　教育管理部门应强化对高校内部控制的指导与监督职能,制定并颁布相关政策与标准,定期执行内部控制的评估与审查程序,以促进高校内部控制质量的全面提升。此外,建议构建一个高校内部控制经验交流的平台,激励各高校之间分享成功案例与最优实践,以推动内部控制建设的良性发展。通过实施上述策略,安徽省的高校能够显著提高内部控制的总体效能,减少潜在风险,确保高等教育事业的稳定发展。

　　7结语

　　在深入分析安徽省高校内部控制风险的基础上,本文通过FAHP,明确了当前高校内部控制体系的运行状况与潜在风险点,进而提出了相应的改进策略。研究发现,安徽省高校内部控制的整体效能虽处于中等偏上水平,但在应对复杂和新兴风险方面仍有较大的提升空间。不同高校在内部控制水平上存在显著差异,超过七成的高校综合评分未超过4分,表明高校内部控制建设存在明显风险和不足之处。

　　研究的结论为安徽省高校内部控制的优化提供了参考方向。首先,高校需加强内部控制文化建设,将内部控制理念深植于组织文化之中,通过培训和宣传提升管理层与员工的内部控制意识。其次,优化风险评估体系,构建系统化的风险评估机制,提升风险辨识的全面性和预见性。再次,高校应优化控制活动流程,完善信息化系统功能模块,强化数据共享与信息整合,提升网络安全防护及数据隐私保护效能。此外,提升信息与沟通水平,构建综合信息管理平台,打破信息孤岛现象,确保内部沟通及时顺畅。最后,完善内部监督体系,构建系统化的内部控制评价与监督机制,提升内部审计的独立性和权威性,强化审计结果的应用。

　　未来的研究可进一步探讨如何将新兴技术,如人工智能、大数据和区块链,应用于高校内部控制体系的优化中,以提升内部控制的智能化水平。同时,也可研究如何通过政策引导和资源共享,促进高校之间的内部控制经验交流与合作,共同推动高校内部控制建设的高质量发展。这一研究不仅有助于提升安徽省高校的治理水平与风险防控能力,也为其他地区的高校提供了可借鉴的实践路径,对推动高等教育事业的稳健发展具有重要的现实意义。

参考文献

　　[1]GUO S.Evaluation method of financial internal control in colleges and universities based on artificial intelligence technology[J].Mobile Information Systems,2022(1):1556150.

　　[2]CHENG Y.Research on the informatization construction and de-velopment mode of internal control in colleges and universities based on game model[J].Discrete Dynamics in Nature and Soci-ety,2022(1):2333342.

　　[3]DE SIMONE S,RICH K.Determinants and consequences of in-ternal audit functions within colleges and universities[J].Manag-erial Auditing Journal,2020,35(8):1143-1166.

　　[4]耿小娜.基于风险管理导向的高校内部控制体系建设[J].财经界,2021(3):60-61.

　　[5]杨金瑞,徐菱.新冠肺炎疫情下的高校内部控制与风险管理[J].教育财会研究,2020,31(6):24-29.

　　[6]刘晶.风险管控视角下的高校内部控制体系构建[J].财会学习,2022(30):164-166.

　　[7]金仕仙.高校内部审计风险及其控制[J].投资与创业,2020,31(22):115-116,122.

　　[8]孙晓英.加强高校内部控制建设防范基建风险[J].现代商贸工业,2024,45(9):74-76.

　　[9]吴彩凤.财务风险管理视角下民办高校内部控制[J].财经界,2023(34):132-134.

　　[10]韦婧梦.高校执行政府会计制度存在的问题及对策研究[J].中国乡镇企业会计,2022(5):141-143.

　　[11]巩明.基于内部控制的民办高校财务风险管理研究[J].时代金融,2020(35):88-89,121.

　　[12]张颖萍,张琳梓.高校内部控制风险与对策研究[J].商业会计,2021(9):57-60.

　　[13]粟沫薰.高校内部审计质量控制及风险防控[J].纳税,2024,18(11):2-84.

　　[14]ZHANG Y,WANG R,HUANG P,et al.Risk evaluation of large-scale seawater desalination projects based on an integrated fuzzy comprehensive evaluation and analytic hierarchy process method[J].Desalination,2020,478:114286.

　　[15]LIANG W,YANG Y,QI K,et al.Quality evaluation of multi-path laser cladding coatings based on integrated fuzzy comprehen-sive evaluation and improved analytical hierarchy process method[J].Surface and Coatings Technology,2021,427:27816.

　　[16]LI Y,WANG J,JU K,et al.Assessing the susceptibility of the Xiangka debris flow using analytic hierarchy process,fuzzy comprehensive evaluation method,and cloud model[J].Sus-tainability,2024,16(13):5392.

　　[17]CHAI Y,WANG Y,WANG Y,et al.Safety evaluation of hu-man-caused errors in civil aviation based on analytic hierarchy process and fuzzy comprehensive evaluation method[J].Aircraft Engineering and Aerospace Technology,2024,96(6):826-837.

　　[18]SUN C,HOU K,WANG S,et al.Analytic hierarchy process-fuzzy comprehensive evaluation method-based depletion assess-ment study of Xinshan iron ore mine[J].Earth Sciences Re-search Journal,2024,28(1):93.

　　[19]刘舒逸,李云.基于模糊层次评价法的PPP项目风险评价研究[J].应用数学进展,2020,9(5):599-608.

　　[20]王梦,马浩森,冯悦,等.层次分析与模糊评价法在工程方案比选中的应用[J].工程管理学报,2023,37(5):117-122.

　　[21]PENG G,HAN L,LIU Z,et al.An application of fuzzy analyt-ic hierarchy process in risk evaluation model[J].Frontiers in Psychology,2021,12:715003.

　　[22]QIYU Z,ZENGJIN L,LAISHENG L,et al.Research on com-prehensive evaluation model of rural domestic sewage treatment technology based on fuzzy comprehensive evaluation and analytic hierarchy process method[J].Water Practice and Technology,2021,16(2):452-471.

　　[23]YANG H,JIA C,LI X,et al.Evaluation of seawater intrusion and water quality prediction in Dagu River of North China based on fuzzy analytic hierarchy process exponential smoothing method[J].Environmental Science and Pollution Research,2022,29(44):66160-66176.

　　[24]LI W,XU G,ZUO D,et al.Corporate social responsibility performance-evaluation based on analytic hierarchy process-fuzzy comprehensive evaluation model[J].Wireless Personal Commu-nications,2021,118:2897-2919.

　　[25]LU Y,TIAN Z,BUITRAGO G A.Evaluation and selection of Chinese government venture capital investment projects:a re-search based on analytic hierarchy process and intuitionistic fuzzy set-technique for order of preference by similarity to ideal solution method[J].Managerial and Decision Economics,2021,42(4):821-835.

　　[26]薛锋,王朝阳.基于模糊层次分析法的高校教师信息素养评价研究[J].教师教育论坛,2021,34(7):52-58.

　　[27]赵营颖,柳忠勇,曹莉.模糊层次分析法的WEB开发课程实践教学评价[J].信息技术,2024(4):64-69.

　　[28]周莉.基于层次分析法的学生学习模糊综合评价模型[J].江西师范大学学报(自然科学版),2023,47(4):400-404.