王爱国 牛艳芳

摘 要：在第四次科技与产业革命推动和国家相关政策支持下，各大高校掀起了“智能+X”的教学改革热潮。在会计领域，部分高校先后试点智能会计人才培养改革，致力于会计知识与新兴技术的深度融合，试图为数字经济、数字社会、数字政府和数字企业建设，也就是数字中国建设，输送数字化、智能化、智慧型、复合型拔尖会计人才。本文在总结山东财经大学智能会计专业建设和人才培养方案试点经验基础上，概括介绍了智能会计专业课程设计的基本想法和主要思路，尤其是梳理了智能会计类课程的内容构成、逻辑体系、课程组织和具体安排，并提出了教育教学资源的配套支持建议。

关键词：智能会计;课程体系;建设与探索

现在，以互联网、大数据、人工智能为代表的数字技术已经成为新的通用性技术，这些技术正在深刻地改变着经济社会环境、驱动着新一轮的科技革命和产业变革。我国《“十四五”规划和2035年远景目标纲要》中设专篇部署了“加快数字化发展 建设数字中国”。而数字经济、数字社会、数字政府和数字企业建设，也就是数字中国建设亟须数字化、敏捷化和智能化的高端会计专门人才。早在2018年教育部印发的《高等学校人工智能创新行动计划》中就明确提出：“组建交叉学科，……促进哲学社会科学、自然科学、工程技术之间的交叉融合”。2021年国务院学位委员会、教育部又联合印发通知，新设交叉学科，成为第14个学科门类。

在第四次科技与产业革命推动和国家相关政策支持下，各大高校先后开设了各种“人工智能+会计（或财务）”的方向班，形成了凸显自己办学历史和特色优势的会计人才培养新模式。例如，杭州电子科技大学的“计算机科学与技术+会计学”，重庆理工大学的MPAcc“互联网+会计”，西南财经大学的会计学大数据方向，南京理工大学的“智能+会计”，浙江大学的智能财务方向班，山东财经大学的智能会计实验班，哈尔滨工业大学（深圳）的大数据会计，中国人民大学、厦门大学、上海财经大学、暨南大学和东北财经大学等均进行了智能会计或智能财务综合研究与改革。最近，华东地区高校又成立了MPAcc智能会计联盟，旨在全面推动智能会计在研究生阶段的嵌入发展。上海国家会计学院也在积极开展智能财务认证师资培训工作。

在国际上，作为全球公认的商学院和会计项目非政府认证机构，国际商学院协会（AACSB）早在2013年和2018年就更新了会计认证标准，要求所有经过补充认证的会计院系将基础技术和数据分析技能整合到课程体系中，其中2013年的标准A7的重点内容包括数据创建、数据共享、数据报告以及数据分析、数据挖掘。通过检索，我们发现国外相当多的高校已经开设了会计与大数据技术相融合的专业，例如，美国南加州大学的“会计与数据分析”（Accounting with Data and Analytics）、西雅图大学的“职业会计—商业分析”（Professional Accounting-Science in Business Analytics）、匹兹堡大学的“会计与商业分析” （Accounting and Business Analytics），英国朴茨茅斯大学的“会计与数据分析”（Accounting with Data and Analytics），加拿大圣玛丽大学的“会计与数据分析”（Accounting with Data and Analytics），新加坡管理大学的“会计—数据和分析”（Accounting/Data and Analytics），等等。

总的来说，开展智能化技术的复合型会计人才培养已成为学界和业界的共识，但供需矛盾非常突出[1]。各大高校对智能会计人才培养要开设哪些课程、课程内容如何布局和丰富等徘徊不定。到目前为止，由于还没有智能会计的毕业生，培养质量、社会认可度和就业风险等尚有待社会实践的检验，因此，要推动智能会计健康发展，迫切需要更多高校和行业翘楚的积极参与，群策群力、集思广益和协同共建。

一、智能会计的课程体系设计逻辑

课程体系是高等学校人才培养方案的核心内容，人才培养方案的实施效果归根结底要落实在课程体系及其课程内容和课程组织等方面。对于跨门类、跨学科、跨专业和跨领域的智能会计，在设计其课程体系时，需要特别关注以下四个问题。

1.明确智能会计人才培养目标

大家知道，在《牛津词典》中人工智能被定義为：计算机系统的理论和发展，能够执行通常需要人类智力的任务，例如视觉感知、语音识别、决策和语言翻译等。也就是说，人工智能实际上是以计算机科学与自动化、认知心理学与神经科学为基础而发展起来的一种非独立的应用技术。具体到会计领域，这些智能化技术主要指的是数字技术，亦即信息和通信技术，以自动性、敏捷性和先进性为优。借助这些技术工具，可以更加有效地发挥会计服务经济和管理的功能，尤其是大数据分析和辅助决策支持等职能。从会计学者对智能会计或智能财务的定义或目标，可见一斑。杨周南认为智能会计以会计管理活动论思想体系为理论基础，基于智能化环境而产生，受到智能化技术的推动，重在强化反映与监督职能，推动传统财务会计和管理会计、企业会计与宏观经济的融合[2]。王爱国认为智能会计在本质上是一项基础性的管理活动，一项以数字经济为前提、业财融合为基础、财务共享为平台、人工智能为支撑，在宏观或微观经济管理领域，主要发挥大数据分析和辅助决策信息支持作用的人机共生、协同进化和管理赋能的会计管理活动[3]。张庆龙将各学者提出的概念总结为技术应用观、系统模式观、应用场景观、管理活动观和交叉学科观，认为智能财务是在财务数字化转型与智能化应用过程中不断发展起来的新一代财务，以人工智能等高科技作为基础设施与核心要素，实现人工智能与财务的全面融合[4]。

可见，会计学者普遍将智能会计人才培养定位为“会计场景下的智能化技术应用”。智能会计专业人才培养目标是，培养满足智能时代经济社会（主要是数字中国建设）对会计数据分析和会计管理决策需要，具备人文素养、科学精神、诚信品质和技术能力，掌握财务会计、数理统计、经济管理、法律制度和现代信息技术知识，具有大数据分析和会计管理实践能力，能够在大中型企业、会计师事务所和金融证券公司等相关机构或部门胜任数据分析和辅助决策工作的智慧型、复合型、创新型专门人才[3]。

当然，如果基于计算机科学和数据科学的视域，会计仅是这些技术的服务对象之一，而智能会计则是会计、科技、决策（或管理）三者深度交叉、交流、交融的一种应用结果，或者说，是在人工智能等数字技术迭代推动下，会计科学与数据科学（含计算科学）相互关联、相互渗透、相互融合的一种必然产物。从这个角度讲，智能会计的课程体系建设，要在更加强调大数据技术架构与设计、算法创新，即偏重技术创新及应用的同时，侧重会计知识、新兴技术、创新能力和人文精神（主要是社会责任）的整合或融合，要着力于会计逻辑、数学知识、大数据分析能力和计算机编程能力的学习或训练。

2.建立学科交叉的课程群

智能会计一问世，就是交叉的，是跨门类、跨学科、跨专业、跨领域的。因此，其课程体系建设要以多学科、跨学科、超学科的渗透融合、交流互鉴、壁垒消除为前提和基础，按学科性质重构或新建课程群，优化或丰富课程结构和课程内容，并在此基础上，再按照课程重要性进行主干课程和选修课程的分配，同时兼顾理论和实践课程的组织。基于传统会计学专业建设和新兴数据科学的重点，我们把智能会计的课程体系分为通识课程群、基础课程群、会计学核心课程群、智能化技术类课程群、跨学科智能会计课程群五大类。通识课程群是指“非专业、非职业性”相关课程。基础课程群是指统计学、经济学、管理学等工商管理基础学科的理论和方法类课程。会计学专业核心课程群是指目前会计学专业已有的相对成熟的会计学核心课程体系，这是智能会计人才培养的学科根基，但是各门专业课程及其内容可以整合。智能化技术类课程群，是指结合智能会计的人才培养定位和学校学科优势，设计不同侧重点的技术课程群。跨学科智能会计课程群，不仅要体现会计场景的决策目标，还要重视会计人员主体的积极作用，要充分体现会计、科技与决策的集成特点，这也是设计难度最大的课程群。

需要说明的是，上述会计学专业核心课程和智能化技术类课程终究要融为一体，也就是要在现代信息技术尤其是数字技术基础上，重构或新建智能会计专业的核心课程体系。这既是智能会计课程体系建设的必然趋势，也是智能会计专业建设的必然要求，各个学校应该根据自身的办学定位和师资状况，积极谋划、顶层设计、分步实施，最终从根本上推进智能会计专业建设和人才培养方案重塑。

3.选择智能技术与会计课程的混合模式

Ann等人把大数据技术融入会计课程模式总结为：聚焦模式、集成模式和混合模式。聚焦模式的课程设计是传统会计类课程和新兴技术类课程分别开设，再开设1门到2门融合类的课程，优点是比较便于组织现有师资完成对应课程群的教学任务;集成模式是把与数据分析有关的学习内容完全纳入现有会计课程中，实现技术能力与会计能力的捆绑式学习;混合模式介于聚焦模式和集成模式之间。

在智能会计的起步或初期阶段，采用聚焦模式的课程设计无疑是较为现实的选择，例如西南财经大学会计学专业的大数据方向采用的就是“会计+数学+技术”的聚焦模式。这种模式，既关照了现有会计学师资的知识结构和技术不足，又充分考虑了会计智能化转型发展的未来趋势，便于应时而变、迅速落地，但对学生的学习能力和知识融合能力要求較高。随着智能会计逐渐成为共识、“双师双能型”教师越来越多和教学条件保障及时跟进，毋容置疑，集成模式是智能会计课程体系建设的理想或终极模式，当然，这种模式对大多数院校来说，目前实施起来尚有困难，需要进一步解放思想、重整教育教学资源和激励约束机制。折中的做法，也就是既考虑现实又兼顾未来的做法，毫无疑问是选择混合模式。这种模式符合教育部2020年关于 “对于多学科交叉融合的课程体系，要避免简单‘拼盘化”的政策要求，也是通过校际联合、产教融合和融入企业实践案例等措施共同打造智能会计课程体系的切实可行的便捷方式。

4.充分利用课时和学分资源科学组织课程

“宽口径、厚基础、强能力、增素质”是智能会计人才培养的基本原则和一般要求。基于此，智能会计人才培养内在要求课程扩编和增容，这势必使已经相当紧张的课时和学分资源供需矛盾更加突出。如何在既定课时学分的限制条件下，实现各门课程学分的合理安排和科学配置，也就是科学组织课程、优化课程体系，确保课程前后衔接、时序合理、配比恰当，是智能会计课程体系建设的重中之重。

一是传统课程的课时压缩。对于上述的会计学核心课程群，主要让学生掌握会计及与之相关的基本概念、理论、方法和技能，必须适当压缩课时占比和开课门数，留出课时学习技术类和智能会计类融合课程。例如，对于基础会计和中级财务会计课程，可以按照数据采集、形成和利用的逻辑，将其合二为一;对于财务管理课程，建议在讲解核心财务管理理论时，增加计算机财务管理实践内容;对于审计学课程，在初期不成熟的条件下，可以增加面向财务审计的实践内容。需要指出的是，我们不建议选择过多的编程语言，以流行的“胶水语言”Python作为主编程语言为宜，足以支持我们完成信息系统设计、数据处理和数据建模的全部教学和实践任务。

二是新兴课程的课程时序。对于智能化技术课程群和智能会计类课程群，注意课时时序要按从易到难、由基础到专业的逻辑进行组织。例如，学生先学习基于数据库的结构化数据存储与读取，进而在Python数据分析课程中，学习非结构数据获取与处理。如果有足够的教学资源支持，可以在选修课阶段增加较高难度的Hadoop、Spark平台的数据处理。对于分析模型和算法的学习，也适合以经典的数据挖掘模型为主，对于较高难度的自然语言处理、知识图谱等，建议增加在选修课程中。同时，智能会计类课程群要与前几类课程在内容和时序上做好对接，处理好基础内容和前沿发展的关系。

综上所述，我们认为智能会计人才培养的目标决定了相关学科课程群的内容，学校师资条件决定了智能技术与会计学的融合方式，合理进行课程组织，才能设计出清晰、可行的智能会计课程体系。

二、智能会计类课程内容整合

跨学科课程的本质是知识整合，是通过多个学科之间的知识互动与思维整合，更加科学地解决复杂问题。融合先进技术的智能会计课程群建设难点就在于如何有效融合或拼接会计学和数据科学相关课程。会计学主干课程主要遵循“会计信息的收集、记录、报告、解释、分析、验证”步骤，偏重数据分析的智能化技术则遵循“数据采集、数据处理、数据建模分析、数据可视化”步骤，那么智能会计类课程群要选择各领域中最重要、最有价值的主题，围绕智能会计人才核心能力分工合作，不仅要体现各课程的能力要求，还要保证课程间的整体性。因此，我们建立了“会计数据场景与存储（数据基础）—业财流程设计与运营（数据处理逻辑）—业财数据分析与决策（数据建模与分析）—财务分析可视化（商务智能与可视化）”的跨学科智能会计类课程群的设计逻辑（如图1所示）。

1.面向会计数据场景的相关课程

“智能会计概论”是对传统会计学课程的升级改造，强调以数据思维为主线，将财务报告数据展示作为编写起点，以报告框架引导经济业务的核算、会计数据的采集、流转与应用，学习各个会计要素场景，进而梳理会计数据智能化的路径，也是其他智能会计类课程的引领。仅了解数据场景是不够的，学生在学完基础数据库知识后，掌握基于SQL的数据增加、读取、修改、删除操作，还要了解会计数据的存储原理。因面向会计数据库的教材几乎为空白，那么此部分内容由“智能会计信息系统”的部分章节来补充，学生学习相对简化的会计数据库表存储原理，掌握凭证表、余额表、进销存相关表的存儲格式和数据流转过程。这样，学生就能了解信息化环境下的会计数据来源，为下面业财流程、决策分析与可视化做好数据的知识储备。

2.面向业财流程的相关课程

大家知道，“会计信息系统”是传统会计学专业的必修课，很多高校利用成熟的ERP软件，学习账务处理，并扩展到工资核算、固定资产核算、成本核算、材料核算、销售核算等专项核算模块。对于智能会计学生需要延伸至更深层面的会计信息系统设计与研发，了解大型集团财务共享服务下的业财流程和新兴财务机器人课程原理。

“智能会计信息系统”是面向中小型企业的会计场景，把数据库、Python和会计信息系统设计与研发三合一的课程，学生先要学习会计数据库存储设计，再利用Python完成会计业务流程处理，完成相对简单的会计信息系统，加强学生对信息化环境下的会计业务流程理解，同时提升学生的信息系统设计能力和Python语言编程能力。同时，还要学习流行的会计软件应用，让学生对比设计原型，更加清楚真实的会计业务流程。“智能财务共享”是面向大中型集团企业的共享中心，以业财流程规划、设计和运营为重点的实践课程。学生通过学习集团级公司的财务共享设计、风险控制和运营全过程，掌握财务共享下的业财运营原理，了解大数据分析的重要性。此外，机器人流程自动化软件（RPA）是新兴智能化技术之一，它在企业流程再造、数字化转型、降本增效方面能发挥极其重要的作用，在会计、审计领域的应用也十分广泛，可以作为专业选修课，选择流行的RPA工具，学习RPA基本原理和会计场景下的RPA设计。

3.面向业财数据分析的相关课程

在图1中列示了3门课程：智能财务决策、大数据审计和量化投资，但实际上远不止这3门课。“智能财务决策”作为专业核心课，是把财务决策场景与数据挖掘模型算法相结合的跨学科课程，决策场景选择了选股投资、债券融资、财务困境预测、客户营销和坏账风险预测，算法模型包括常见的因子分析、主成分、聚类、决策树、随机森林、支持向量机、神经网络等，工具仍选择Python作为教学工具。此门课程注重理论与实际案例结合，在于培养学生运用数据科学方法解决财务领域实践问题的能力。“大数据审计”与“量化投资”，是分别面向审计监督和证券投资领域的课程，可作为专业选修课程。当前，机器学习与量化投资相结合的课程比较成熟，可以聘请金融专业教师协助教学，但因为大数据审计课程把审计疑点发现作为应用算法模型的目标，难点是真实大数据审计资源的获取，所以课程资源较少。

4.面向商务智能可视化的课程

商务智能是集成数据仓库、数据挖掘和可视化为一体的技术平台，属于企业高端信息化产品。在多年技术发展推动下，原先由技术主导的商务智能逐渐转变成为面向业务人员的敏捷商务智能，业务人员可以快速上手，更加便捷、易用和智能。可视化是大数据分析必不可少的技术，在Python课程中也会涉及。但我们仍建议利用流行的商务智能技术完成可视化，一是可以了解流行的敏捷商务智能原理，二是学生可以在商务智能技术的支持下，利用业财案例体验完整的数据生命周期全过程，更加强调项目化、系统化的实践与锻炼。

“智能财务分析可视化”选择流行的Power BI商务智能平台，打破了传统基于Excel表格的财务分析限制，运用成熟的财务分析和数据分析相关知识，让学生学习如何应用先进的商务智能技术，实现企业常见财务数据的加工、处理和可视化呈现，使得原先枯燥的财务分析转换为生动、直观的交互式可视化图表，为企业报表分析、经营分析等方面提供重要的支持和保障。此课程把财务分析知识体系完美对接商务智能技术支持的数据处理、建模和可视化技术实现，搭配真实运营数据，更加符合企业实践用人需求，有助于培养复合型人才。除此之外，还可以开设基于企业脱敏场景下的真实大数据平台实践选修课，让学生了解企业如何进行数据建模过程、如何组建业财监控或绩效指标，如何设计企业大屏，此类课程一般由软件供应商提供。

三、智能会计教学资源配置的建议

智能会计课程体系的实施需要相应的教学资源配套，才能达到预期培养效果，我们提出几点建议。

1.复合型师资培养

师资不足问题是智能会计人才培养面临的瓶颈，也是制约教学进度的重要因素。除重点引进既懂得传统会计知识又掌握智能化技术的复合型教师外，更要重视现有教师的培养。对于会计专业的教师，可以通过开展专家讲座、学术论坛等方式引导他们学习数据分析等新技术，同时引进信息系统、大数据、统计学等专业背景的年轻教师，学习会计类专业课程。

2.软硬件资源建设

实验室建设是开展智能会计人才培养的重要硬件资源。从讨论用到的小型桌椅，到大数据分析用的服务器，现代化的硬件设施可以为智能会计学生带来良好的学习體验。更重要的是偏软的数据资源建设，智能会计学生所需的财务数据往往难以获取，学生也较难在真实场景中进行锻炼和学习。此时，要建立产学研多方合作下的智能会计教学团队，加强与企业的联络，获取企业脱敏后的存货、销售、财务的部分数据，让学生接触到“业财融合”下的数据。

3.案例实践教学

智能会计的课程体系需要大量的案例教学，而且必须动手实践，学生才知悉需要什么数据、数据来源于哪里、如何利用数据进行建模，如何进行参数调优。在课程资源稀缺的条件下，一是通过良好的产学研关系，让学生以团队形式参与到小型案例或项目设计中，二是充分通过公开数据源，例如上市公司的财报数据、网络公开数据，定期组织学生进行案例比赛，以期让学生各方面能力得到综合提升。

4.教学质量保障

一是针对教师的教学质量控制，尤其对难度较大的跨学科智能会计类课程，教师对课堂教学、课下练习、学生成绩客观评价方面都具有一定的挑战性。二是针对学生学习效果的质量控制。智能会计之所以称“智能”，是要求学生具有严谨的逻辑与良好的理性思维，要有自主学习、独立思考的习惯，有团队合作精神。对于成绩不符合或不适应智能会计学习强度的学生，要建立淘汰或主动退出机制，保证学生的培养质量。

总之，智能会计是当前数智化时代不可逆转的会计转型方向，各高校和实务界都应该本着“共建、共治、共享、共赢”的原则，集思广益，携手共进，为迎接数字中国建设储备智能会计人才，扎实走好会计智能化转型发展的第一步。

参考文献：

[1]唐大鹏，王伯伦，刘翌晨. “数智”时代会计教育重构：供需矛盾与要素创新[J]. 会计研究，2020（12）.

[2]杨周南.关于智能会计概念的讨论[C]. 武汉：中国会计学会第十九届全国会计信息化学术年会.2020.

[3]王爱国.智能会计：会计转型发展的方向[J].会计之友，2020（9）.

[4]张庆龙.智能财务研究述评[J]. 财会月刊，2021（3）.

[本文得到山东省本科教学改革研究项目（M2020089）、国家级大学生创新创业训练项目（S202010456011）资助]

[责任编辑：周 杨]