Operational Risk Management in Banks: A Bibliometric Analysis and Opportunities for Future Research
Notice bibliographique
Résumé
The last few years have witnessed tremendous challenges in the management of operational risks faced by banks and the emergence of newer risks. The working models for bank staff are now different; additionally, there has been a massive increase in the digitization level. All these aspects make operational risk management in banks an attractive field of study. There is a need to perform systematic bibliometric analysis in this research area, providing the various trends and highlighting areas for further research analysis. This research paper has examined the various aspects of operational risk management in Banks by performing a thorough bibliometric analysis of 676 articles extracted from two data databases, i.e., Scopus and Web of Science, from 2010 until March 2023. These were analyzed using the tools Biblioshiny and VOSviewer. Various bibliometric techniques like analysis of trends, citations, contributing authors, keywords, and bibliographic coupling have been performed. This research paper has significant theoretical and practical implications which can assist future researchers. Operational risks are ever-dynamic, and five themes, i.e., climate risk, information security risks, geopolitical risks, third-party risks and compliance risks, have been identified in this research paper as key focus areas for conducting research in the future. The findings of this study and suggestions for future research will be useful to academicians, policymakers, and operational risk management professionals for identifying potential areas of collaboration in the future to strengthen the operational risk management framework.
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 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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,077 | 0,041 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».