Evolution and trends of Machine Learning Techniques applied to Tax Inspection: A Bibliometric Analysis
DOI:
https://doi.org/10.22279/navus.v16.2037Abstract
This paper proposes a bibliometric approach to analyze the evolution and trends concerning machine learning techniques applied to tax auditing. The study is based on a bibliographic review of scientific documents available in the Scopus database. The adopted methodology employs bibliometric analysis tools implemented by the Bibliometrix package to extract bibliographic metrics and descriptive statistics. Furthermore, VOSviewer was used for the visualization of the author keyword co-occurrence network, providing a deeper understanding of the relationships between various knowledge areas and published works. The Loglet Lab 4 tool was also utilized for the temporal analysis of publications, enabling the identification of growth patterns and saturation projections in academic interest on the topic over time. The results obtained reveal insights into the main focus areas, most influential contributions, collaborations among researchers, and the temporal dynamics of scientific production related to the application of Machine Learning techniques in Tax Auditing. This bibliometric approach not only highlights the current state of research in this field but also offers directions for future studies and more in-depth applications in the tax area.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Navus - Gestão e Tecnologia
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
O conteúdo da revista é de acesso público e gratuito, podendo ser compartilhado de acordo com os termos da Creative Commons Atribuição-Uso não-comercial-Vedada a criação de obras derivadas 4.0 Brasil. Você tem a liberdade de compartilhar — copiar, distribuir e transmitir a obra, sob as seguintes condições:
a) Atribuição — a atribuição deve ser feita quando alguém compartilhar um de seus artigos e deve sempre citar o nome da revista e o endereço do conteúdo compartilhado.
b) Uso não-comercial — você não pode usar esta obra para fins comerciais.
c) Vedada à criação de obras derivadas — você não pode alterar, transformar ou criar em cima desta obra.
Ficando claro que:
Renúncia — qualquer das condições acima pode ser renunciada se você obtiver permissão do titular dos direitos autorais. Domínio Público — onde a obra ou qualquer de seus elementos estiver em domínio público sob o direito aplicável, esta condição não é, de maneira alguma, afetada pela licença.
Outros Direitos — os seguintes direitos não são, de maneira alguma, afetados pela licença:
- Limitações e exceções aos direitos autorais ou quaisquer usos livres aplicáveis;
- os direitos morais do autor;
- direitos que outras pessoas podem ter sobre a obra ou sobre a utilização da obra, tais como direitos de imagem ou privacidade.
Aviso — para qualquer reutilização ou distribuição, você deve deixar claro a terceiros os termos da licença a que se encontra submetida esta obra.
A revista se reserva o direito de efetuar, nos originais, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua, respeitando, porém, o estilo dos autores.
Os trabalhos publicados passam a ser propriedade da revista Navus: Revista de Gestão e Tecnologia que deve ser consignada a fonte de publicação original. Os originais não serão devolvidos aos autores.
As opiniões emitidas pelos autores nos artigos são de sua exclusiva responsabilidade.
Esta obra está licenciada sob uma Creative Commons Atribuição-Uso não-comercial-Vedada a criação de obras derivadas 4.0 Brasil.
