Nexus between corporate governance and FinTech disclosure: a comparative study between conventional and Islamic banks
Notice bibliographique
Résumé
Purpose This study investigates the impact of corporate governance on FinTech disclosure levels in Jordanian conventional and Islamic banks. It aims to determine whether governance mechanisms affect disclosure practices in the FinTech sector, exploring the interplay between governance and transparency in financial innovations. Design/methodology/approach The research methodology entails a thorough analysis of data from all 15 Jordanian conventional and Islamic banks listed on the Amman Stock Exchange, covering the period from 2015 to 2022. This study uses manual content analysis using a custom FinTech Disclosure Index (FDI) and quantitative analysis with a two-way clustered error regression model. Findings The findings show that corporate governance mechanisms, particularly board size, board meetings and “Big4” audit firms, are crucial in enhancing FinTech disclosure across conventional and Islamic banks. However, Islamic banks consistently show higher disclosure levels than their conventional counterparts, attributed to their distinct governance structures that emphasize ethical governance and transparency. These results indicate an awareness among decision-makers about the importance of business model transformation toward FinTech. Originality/value This study pioneers the introduction of FDI, using it for a novel comparative analysis of FinTech disclosure levels between Islamic and conventional banks. By exploring how various governance structures influence FinTech disclosure, this research provides fresh insights into the interplay between corporate governance and financial technologies in the banking sector.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,007 |
| Science ouverte | 0,001 | 0,001 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».