Evolution of Financial Development Research: A Bibliometric Analysis
Notice bibliographique
Résumé
This study aims to analyze publications on financial development between 1986 and 2023 using bibliometric analysis methods. The analysis, based on data obtained from the Web of Science database, utilizes bibliometric tools such as keyword analysis, author collaboration networks, citation analysis, and bibliographic coupling to identify trends, key authors, influential journals, and emerging research topics in the field. The results indicate that financial development research is predominantly concentrated in the fields of economics, environmental sciences, and business finance, with economics having the highest number of publications. A significant increase in publications is observed after 2014, particularly after the COVID-19 pandemic. VOSviewer and R Studio programs were chosen in the study due to their strengths in terms of functionality. According to the results, the countries with the most citations were China, the USA, and Pakistan. The most cited authors are Shahbaz M. with 3926 citations, Zingales I. with 3252 citations, and Oztürk I. with 2710 citations. The authors in the top two are also in the top two in terms of total link strength. The analysis shows that key themes such as economic growth, energy consumption, CO2 emissions, and renewable energy have increasingly intersected with financial development, highlighting the growing focus on sustainability. China, Pakistan, and the USA are the most active countries in financial development research, with China leading both in terms of publication count and citations.
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 | 0,007 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,109 | 0,169 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».