The rise in popularity of central bank digital currencies. A systematic review
Notice bibliographique
Résumé
Central bank digital currencies (CBDCs) have been growing in popularity since 2018, as worldwide countries explore their impact and implementation options. This article analyzes the state of research around central bank digital currencies and the evolving landscape of CBDCs, and explores emerging areas of research and trends by using the PRISMA method and VOSviewer, with the goal of showing the main opportunities and challenges related to them. AMSTAR, DistillerSR, Eppi-Reviewer, ROBIS, and SRDR were the screening and quality evaluation tools employed for study eligibility criteria, design screening and content selection, text analysis data extraction, methodological quality predictors, and reliable and reproducible evidence assessment. A total of 1024 articles on central bank digital currencies were identified in Scopus and the Web of Science, out of which 747 have been included in the review (documents which were not in English language and not categorized as journal articles were excluded). Through an analysis of the relevant literature, the study categorizes CBDC research into positive, negative and neutral research, with a particular focus on sustainability issues, and conducts a keyword co-occurrence analysis using VOSviewer, following a narrowing down of the relevant articles to be included in the study by applying the PRISMA framework. This generates an overall view for experts and researchers who can use the main analyzed features of CBDCs and adapt them accordingly, taking into account relevant macroeconomic characteristics. The study highlights the need to continue interdisciplinary research, by adapting the research and CBDC characteristics to keep up with the latest technologies and with the shift towards green finance, and explores the elaborate relationship between finance, technology and sustainability.
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 | 0,020 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,021 | 0,023 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; 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 ».