Examining the Impact of COVID-19 on the Banking Industry: A Bibliometric Analysis
Notice bibliographique
Résumé
The impact of COVID-19 on the banking industry has had a significant effect. This study tries to map the development of research published in this field. The research was conducted using VOSViewer software. The data analyzed in the form of scientific research related to the impact of COVID-19 on the banking industry totaling 28 articles indexed by the Scopus database. The results show that the number of research publications on the impact of COVID-19 on the banking industry is quite large. The network visualization shows that the map of developing research on the impact of COVID-19 on the banking industry is divided into several clusters with the most popular keywords, namely COVID-19, banking and viral disease. The top authors are Strongbayefa A, Akhmetov Y, Mohan T and Baskaran A, the top agencies are the Technical Expert Group on Sustainable Finance, Brussels and the Department of Accounting Finance, Rennes School of Business. The most popular countries are India, Canada and Saudi Arabia. Besides, it was found that research on the impact of COVID-19 on the banking industry was felt recently due to credit and non-performing loans which then had implications for restructuring policies. In the end, conventional banking is more affected by COVID-19 than Islamic banking in terms of its problematic financing ratio. Keywords: Banking Industry, Covid-19, Bibliometrics JEL Classification: G21, O16.
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 | 0,004 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,192 | 0,218 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».