Exploring the landscape of financial inclusion through the lens of financial technologies: A review
Notice bibliographique
Résumé
• This bibliometric analysis reveals five distinct research clusters, highlighting the transformative impact of FinTech innovations such as mobile money, blockchain, and digital banking on financial inclusion. • The study underscores the potential to bridge the gap between the unbanked population and formal financial services, promoting economic empowerment and sustainable development. • The article identifies future lines of research and provides a comprehensive map of the current stance of knowledge in the field, offering valuable insights for continued exploration and innovation in FinTech for sustainable development. The intersection of financial technology (FinTech) and financial inclusion is increasingly recognized in both academic research and policy as a powerful tool for addressing global challenges and supporting sustainable development. Financial inclusion is essential for achieving the United Nations' sustainable development goals (SDGs), with access to formal financial services playing a critical role in fostering economic growth and improving the livelihoods of underserved populations. FinTech innovations, including mobile money, blockchain, and digital banking, have transformed the financial landscape by providing scalable, cost-effective solutions to bridge the gap between the unbanked and formal financial services. This paper presents a bibliometric analysis of the intersection between FinTech and financial inclusion, identifying five distinct research clusters. The findings reveal the significant role of mobile money and blockchain in enhancing financial access in developing countries, the impact of digital banking in reducing transaction costs and expanding credit access, and the growing relevance of blockchain for transparency and security in financial systems. This study also highlights emerging research areas, such as FinTech's impact on gender disparities in financial inclusion and the role of artificial intelligence (AI) in financial services, offering a foundation for future research.
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 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,047 | 0,059 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».