Forensic Accounting: Exploration of Trends and Theme via Bibliometric Analysis
Notice bibliographique
Résumé
In today’s technologically advanced era, the demand for forensic accounting has significantly increased, highlighting the growing severity of accounting fraud issues. Forensic accounting has emerged as a crucial field in the detection and prevention of financial fraud, tax evasion, and other financial crimes. This study aims to contribute to the ongoing discourse by uncovering publication trends, identifying prevalent keywords, shedding light on the geographical concentration, and suggesting the future direction of research on forensic accounting. The study is based on a bibliometric analysis of 297 articles from the Scopus database using the TITLE-ABS-KEY approach. Microsoft Excel is used in analysing the frequency of published materials using the corresponding tables and charts. In addition, the VOSviewer software is used to create bibliometric networks and Harzing’s Publish or Perish software is used to assess the citation metrics of the articles. The analysis shows that the number of publications on forensic accounting is increasing, especially between 2020 and 2024. The articles were cited 2914 times, which corresponds to an average of 9.81 citations per article. The results show that the top five common keywords discussed in this area are forensic accounting, fraud, auditing, accounting, and fraud detection, which can be grouped into 5 clusters. The United States, Jordan, Malaysia, Canada, India, and Indonesia are among the countries that contribute to publications in this area. This study offers some insights regarding the future development and advancement of forensic accounting studies in the academic literature of Business, Management and Accounting; Economics, Econometrics and Finance and Social Sciences, as well as provides helpful information for academics and practitioners looking to analyse and delve deeper within this field of research.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,154 | 0,202 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».