摘要:人工智能技术的深度发展为审计行业数智化转型提供了核心支撑，推动审计工作从传统模式向现代化范式转变。这对审计学专业人才的数智化素养提出更高要求。审计学专业课程体系需主动适配这一行业发展趋势，以保障人才培养质量。基于此，立足人工智能与审计学专业课程的核心概念，系统剖析当前课程在教材、教学模式及教学评价环节的突出问题，进而提出审计学专业课程嵌入大数据审计模块、运用虚拟仿真实训及引入数据可视化工具三大路径，以期为人工智能赋能审计学专业教育改革提供可行思路。

　　关键词:人工智能;审计学;专业课程;体系重构

　　0引言

　　在数智时代，机器学习、自然语言处理、数据挖掘等人工智能(AI)技术已深度渗透审计全流程，推动审计模式从人工主导的风险识别向智能算法辅助的动态预警升级。在此背景下，审计学专业课程体系作为培养审计人才的核心载体，其现有架构逐渐显现适配性不足等问题，亟须补充数智化教学内容，创新实践教学模式，完善数智化素养评价机制。基于此，本文结合审计行业数智化转型需求，提出审计学专业课程体系的重构路径，旨在为提升审计学专业人才培养质量、衔接行业数智化发展需求提供理论支撑与实践参考。

　　1核心概念阐述

　　1.1人工智能

　　人工智能作为数智时代推动审计行业从传统模式向现代化范式转型的核心技术支撑，其本质围绕人类智能的技术化落地展开，通过持续的理论突破与技术革新，构建能够模拟、延伸甚至扩展人类智能的应用系统，以应对审计全流程中复杂的数据处理与动态风险预警需求。从学科定义层面看，人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，包括机器人、自然语言处理、语言识别等相关研究［1］。这一界定不仅明确了其以人类智能的功能拓展为核心研究方向，更划定了从基础理论构建到具体应用开发的完整技术链条。人工智能技术逻辑并非简单复刻人类智能，而是借助算法优化、数据分析与模式识别，让机器逐步形成自主学习、逻辑推理与决策支持的能力。这种能力能够突破传统审计技术的局限，为审计工作中的风险评估、证据获取等关键环节提供高效技术解决方案，同时也为审计学专业课程体系注入数智化内核，为课程内容与行业需求的精准适配奠定技术基础。

　　1.2审计学专业课程

　　审计学专业课程作为连接审计理论体系与行业实践需求的关键纽带，其内容架构与教学导向直接影响数智化审计人才核心能力的培育成效。审计学课程是财务会计类专业学生的必修课，同时也是审计专业学生的核心专业课。审计学课程的主要内容是审计证据、审计计划、审计重要性、审计目标、循环审计等理论和知识［2］。这些核心知识模块围绕审计工作全流程形成有机整体:①审计证据通过明确信息采集与验证规范，为人工智能环境下多源审计数据的真实性核验提供理论支撑;②审计计划通过构建系统性工作框架，引导学生在动态数据场景中规划智能审计实施路径;③审计重要性与审计目标共同界定数智化分析的核心范围，避免海量数据处理中的焦点偏移;④循环审计则通过覆盖企业主要业务领域，帮助学生建立业务逻辑与数据特征的对应认知。这套知识体系不仅为学生理解审计工作本质规律、掌握专业操作方法提供系统指引，更通过搭建基础认知框架，为后续学习大数据审计技术、参与虚拟仿真实训等数智化教学环节奠定基础，是确保审计学专业人才适配行业数智化转型需求的核心支撑。

　　2当前审计学专业课程的现实困境

　　2.1教材内容有限

　　教材作为审计学专业课程知识传递的核心载体，其内容的完整性与时效性直接关系到学生对行业发展趋势的认知深度。然而，现行教材内容多围绕传统审计工作的几个关键环节，从审计计划、初步业务活动、风险评估、风险应对、常见业务循环到完成审计工作，较少考虑数智化背景下国家审计、社会审计及内部审计对具备数据分析能力人才的需要，与新技术、新业态的融合性不足［3］。此种内容局限会导致学生所掌握的知识体系与行业实际需求产生脱节，使其在学习过程中难以接触到数智化审计所需的技术逻辑与应用思维，进而形成“重传统操作、轻数据能力”的知识结构偏差。同时，教材对新技术、新业态的覆盖缺失也会削弱课程培养的人才与审计行业数智化转型需求的匹配度，不仅会增加毕业生进入职场后的技能适配成本，也将在一定程度上制约审计行业整体数字化升级的推进效率。

　　2.2教学模式较为单一

　　在审计学专业人才培养过程中，教学模式作为连接课程内容与学生能力养成的关键纽带，其合理性直接影响人才培养质量。当前，教学模式侧重于教师讲授理论知识，学生参与实践的程度还不够。讲授式学习使学生处于被动接受知识的学习情境中，限制了学生自主学习和深度钻研的空间［4］。在此种模式下，知识传递的主导权集中于教师，而学生缺乏参与知识探究、开展思维碰撞的空间，难以通过主动实践深化对审计原理、操作逻辑的理解，导致知识掌握停留在表层记忆层面。此外，实践参与的匮乏会造成学生理论知识与审计实际工作场景脱节，学生毕业后进入职场需要更长时间完成从知识到技能的转化。这既会降低人才与行业需求的即时匹配效率，又将在一定程度上削弱审计学专业人才培养的实际效能。

　　2.3教学评价不完善

　　在审计学专业课程的人才培养闭环中，教学评价承担着诊断学习成效、优化教学过程的关键职能。而当前教学评价维度呈现单一化倾向，多聚焦于学生对审计理论知识的掌握程度，依赖终结性考核如期末笔试判定学习效果，对学生在学习过程中逐步形成的审计思维、逻辑推理能力及初步的专业实践意识缺乏对应的评估指标与科学衡量方式。同时，评价反馈机制存在滞后性与表面化问题。教学评价通常仅在考核结束后简单反馈成绩，未能针对学生学习中的具体薄弱环节提供细致且具有操作性的改进方向，无法构建良性互动循环。此种不完善的教学评价体系一方面会导致学生过度关注理论知识的机械记忆，忽视审计专业核心能力的主动建构，制约其专业素养的全面发展;另一方面难以向教师传递精准的教学效果信息，不利于教学质量的动态优化。

　　3人工智能赋能下审计学专业课程体系重构路径

　　3.1嵌入大数据审计模块，适配数智需求

　　嵌入大数据审计模块，是将大数据技术相关的知识方法与审计专业核心内容深度融合，将数据采集、清洗、分析等技术环节与传统审计流程如风险评估、审计证据获取等有机衔接，构建兼具理论深度与技术实用性的课程内容体系。该模块的嵌入能为课程注入数智化内核，使学生在掌握传统审计理论的同时建立技术应用思维，形成理论与技术兼备的复合型知识结构，进而提升课程体系与审计数智化转型的适配度。

　　首先，在实际教学中，教师可利用人工智能数据采集与整理工具，构建覆盖多行业、多审计场景的动态审计数据库。例如，定期抓取公开的企业数智化审计案例、国家审计机关发布的数字化审计实践报告，以及智能审计系统生成的模拟工作底稿与数据分析报告，并将此类资源按审计计划、风险评估、证据获取等核心环节分类归档。在讲解对应课程章节时，教师可调用数据库中的资源。例如，在审计重要性判定章节，教师可引入AI分析的企业多维度数据，包括财务指标、供应链流转数据、市场舆情数据等，引导学生观察不同数据维度下审计重要性水平的调整逻辑，让学生接触数智化审计中真实的数据形态与分析视角。

　　其次，教师可依托人工智能辅助教学平台，设计交互式大数据审计教学模块，打破理论与技术的割裂。在审计证据教学中，教师可利用平台内置的AI数据处理工具，为学生提供模拟的企业原始财务数据与业务数据，引导学生通过工具的自动化清洗功能，对异常值智能标注、数据格式自动适配等进行数据处理;再结合审计证据充分性、适当性的理论标准，分析清洗后数据对审计结论的支撑作用，让技术应用环节自然融入理论教学。

　　最后，教师可借助人工智能的个性化资源推荐功能，为不同学习阶段的学生推送适配的大数据审计学习资源，实现分层嵌入。针对低年级学生，教师可设置AI推荐规则，推送基础数据工具操作指南，如Ex-cel高级数据透视功能、Python基础审计数据分析代码片段等，并搭配简明的资源解读，帮助学生掌握技术基础;针对高年级学生，教师可调整推荐方向，推送智能审计算法应用案例，如机器学习模型在发票真伪识别、费用报销异常检测中的实现逻辑，以及行业最新的数字化审计标准文件等。同时，教师可引导学生结合资源分析算法在循环审计中的应用场景，自主梳理技术与审计流程的融合要点，实现课程内容与行业数智化转型的深度适配。

　　3.2运用虚拟仿真实训，强化学生实操能力

　　运用虚拟仿真实训，本质是依托人工智能技术，构建高度贴合数智化审计实际工作场景的交互式教学训练模式。其核心在于通过AI算法还原审计全流程中的数据交互、风险动态变化、工具操作等关键环节，为学生打造可自主探索的实践环境。对于人工智能赋能下审计学专业课程体系重构而言，虚拟仿真实训能填补理论教学与数智化审计实践之间的空白，将被动的知识接收转化为主动的实践探索，帮助学生深化对审计原理与AI技术融合应用的理解，逐步形成符合数智化岗位需求的实操能力。

　　在审计学专业课程具体教学中，教师可结合章节内容，引导学生进入对应虚拟场景开展实训。例如，在讲解审计风险应对章节时，教师可先通过理论教学明确风险应对的核心逻辑，再利用VR(虚拟现实)技术创设中型制造企业期末存货审计的虚拟场景。该场景需完整还原企业仓储中心的真实环境，划分原材料存储区、产品加工区、产成品堆放区三大功能区域。每个区域内呈现对应存货的实物形态，如原材料堆垛、在产品流水线、产成品货架等。同时，嵌入虚拟数据终端，可调取企业近3个季度的存货台账、出入库单据、库龄分析表，且场景内关联AI生成的供应链辅助数据，如主要原材料供应商的交货周期、产成品近期市场销售额等。

　　教师可让学生以审计人员角色接收AI生成的企业风险评估报告。报告中需明确标注该企业存货管理的核心风险点，包括近3个季度存货周转率较行业平均值下降15%、库龄超6个月的产成品占比达20%、部分原材料因技术更新存在减值迹象等，同时划定高风险区域为产成品存储区与原材料验收环节。随后，教师可引导学生佩戴VR设备进入虚拟场景，先指导学生在数据终端中调取存货明细数据，将报告中的风险指标与账面记录逐一比对，初步定位可能存在风险的存货类别;再带领学生在虚拟仓储区开展模拟监盘，通过VR的交互功能让学生近距离查看存货实物状态，如点击产成品货架可查看包装完好度、点击原材料存储区可观察是否存在受潮变质情况等。

　　接着，教师可引导学生针对差异进一步设定审计程序。例如，对存在减值迹象的原材料，指导学生在数据终端调取近半年市场同类原材料的价格波动数据，运用场景内的AI减值测算模型输入相关参数(如可变现净值、成本金额)，计算潜在减值金额。在此过程中，教师可通过VR系统的分组协作功能，让学生以3～4人小组为单位，分别承担监盘记录、数据核对、程序设计的角色，模拟真实审计团队的分工协作模式。基于此，教师可引导学生梳理在虚拟场景中运用AI工具识别风险、执行应对程序的完整流程，将实操环节与理论教学中的风险应对逻辑对应起来，帮助学生深化对审计风险应对程序的理解，同时强化在数智化环境下的实操能力。

　　3.3引入数据可视化工具，提升评价精准度

　　引入数据可视化工具，是将审计学专业课程中学生的学习过程数据、能力表现数据通过图表、仪表盘等直观形式进行系统呈现与深度分析的评价辅助方式。其核心在于把传统评价中难以量化的审计思维、逻辑推理能力等隐性指标转化为可追溯、可对比的数据维度，进而提升课程体系评价环节与数智化审计人才培养目标的适配度。

　　在审计学专业课程教学中，教师可针对不同课程类型设计差异化的数据可视化评价方案。一方面，在理论课程教学中，教师可借助数据可视化工具整合学生的课堂互动数据、课后作业数据，生成知识点掌握热力图，直观呈现学生在审计计划、风险评估等章节的薄弱环节。例如，教师可通过热力图颜色深浅区分学生对“审计重要性判定”“审计证据充分性分析”等知识点的掌握程度，而非仅以期末笔试成绩判定学习效果。另一方面，在数智化实操课程教学中，教师可将学生在虚拟仿真实训中的操作数据导入可视化平台，生成实操能力雷达图，对比不同学生在“数据采集—清洗分析—报告生成”全流程中的能力差异。教师可通过雷达图各维度数值高低，定位学生在“智能审计工具参数设置”“异常交易数据关联分析”等操作环节的不足。此外，教师可定期生成班级与个人层面的可视化评价报告。报告中需通过趋势线展示学生某一阶段内数据分析能力、审计思维的提升轨迹。教师可通过对比图呈现学生当前水平与数智化审计岗位需求的差距，并结合审计专业标准标注具体的能力提升方向。例如，建议在“多源异构审计数据整合”“AI辅助审计报告撰写”等方面加强练习，而非仅反馈成绩数值。通过数据可视化工具的应用，能切实提升教学评价的精准度与指导性，完善审计学专业课程体系的评价环节。

　　4结语

　　本文聚焦审计学专业课程体系与审计数智化转型的适配性核心问题，提出嵌入大数据审计模块、运用虚拟仿真实训、引入数据可视化工具三大重构路径，以期为课程体系优化提供具体且可操作的方向。与侧重理论框架构建的前人研究相比，本文更注重人工智能技术与课程实践的深度融合，强调重构路径对学生数智化审计能力培养的实际支撑作用。然而，本文未深入探讨不同层次院校审计学专业的差异化重构策略，研究范围存在一定局限性。未来可通过实证研究检验路径的实际应用效果，为审计学专业教育改革提供更具针对性的理论与实践支撑。

参考文献

　　［1］张凤元，董园园，李卓兰.人工智能时代智能审计人才培养模式探究［J］.商业会计，2024(19):142-145.

　　［2］张林森，曹玉敏，徐婧.大数据背景下高职院校审计学课程教学改革探析:以安徽商贸职业技术学院为例［J］.中国乡镇企业会计，2025(16):228-230.

　　［3］徐谦，吕颖菲.数智化赋能审计学课程高质量发展的价值意蕴、现实困境与创新路径［J］.商业会计，2025(8):142-145.

　　［4］巨敏.人工智能背景下大数据审计复合型人才培养研究［J］．商业会计，2025(13):126-129.