Scientific Development of Robo-Advisor: A Bibliometric Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study addresses Robo-advisor, a relevant and current topic.Robo-advisor is an emerging business model that aims to popularize the investment advisory service by fully automating it.This work investigates the main research topics and the most important authors, as well as the journals and countries where this scientific research is carried out.The study uses two authoritative, multidisciplinary databases, Web of Science and Scopus, to select 219 research papers spanning from 2015 to May 21, 2022.It presents an overview of research on Roboadvisor, using a bibliometric analysis.To study the main interest of Robo-advisor research, we have reviewed the abstracts of the analyzed articles.Furthermore, to provide a comprehensive overview of current research, we extracted the main objectives from the articles of our corpus published in 2022.This review identifies 2018 as the moment from which this topic begins to grow, both in terms of scientific research interest and assets under management.The analysis of the abstracts, allowed us to highlight three major topics that focus academic research on Robo-advisor at present, namely (1) Low-human factor related, which includes those concepts such as asset selection and Roboadvisor implementation; (2) High-human factor related, dedicated to those actions in which the human factor plays a major role; and (3) Compliance, which includes topics related to the regulatory aspects of Robo-advisor.Our findings may be useful for professionals, future researchers, and academics.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,015 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle