MétaCan
Menu
Retour à la cohorte
Enregistrement W4400982049 · doi:10.3390/jrfm17080319

Fintech Adoption and Banks’ Non-Financial Performance: Do Circular Economy Practices Matter?

2024· article· en· W4400982049 sur OpenAlexvenueno aff
Ywana Lamey, Omar Ikbal Tawfik, Omar Durrah, Hamada Elsaid Elmaasrawy

Notice bibliographique

RevueJournal of risk and financial management · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinTech, Crowdfunding, Digital Finance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStructural equation modelingLegislatureBusinessSample (material)Developing countryConceptual modelConceptual frameworkAccountingMarketingKnowledge managementEconomicsEconomic growthPolitical science

Résumé

récupéré en direct d'OpenAlex

This study draws insights from practice-based view theory (PBV) to investigate the impact of fintech adoption (FA) on the non-financial performance (NFP) of banking institutions in developing countries, considering the mediating role of circular economy practices (CEPs). A structured questionnaire was distributed to collect primary data from banks’ staff in Iraq, Egypt, Oman, and Jordan using a convenience sampling method with a sample size of 397. Subsequently, the structural equation model was utilized to test the research hypotheses of the proposed conceptual model. The study’s findings revealed that FA positively and significantly impacts CEPs and banks’ NFP (customer satisfaction, internal processes, and learning and growth perspectives). Moreover, CEPs mediate the relationship between FA and banks’ NFP in a positive and significant way. Given the dearth of the literature, this is the first study to fill the research gaps by investigating the impact of FA on the NFP of banking institutions in developing countries, considering CEPs as a mediator, and yielding critical theoretical and practical implications. The study’s findings provide banks’ managers with valuable insights about how to enhance their NFP through FA and CEPs during and after crises and support policymakers and regulators in developing a legislative framework that guides banks to invest in CE models and provides reward systems to encourage them.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,821
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,003
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,210
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetFinTech, Crowdfunding, Digital FinanceTravaux en français237 207