Crowdfunding and sustainable development: A systematic review
Notice bibliographique
Résumé
• This paper offers a bibliometric review of 148 articles on crowdfunding and SDGs. • Using performance analysis and science mapping, we identify four research clusters. • This study contributes to the literature on sustainability-oriented crowdfunding. • It offers practical implications and a detailed roadmap for future research. This study employs bibliometric analysis to explore the evolving role of crowdfunding in financing sustainable development goals (SDGs). Analyzing 148 peer-reviewed articles (2014–2024), it identifies key trends, influential contributors, and thematic clusters in academic discourse. Findings reveal a surge in research post-2020, with a focus on entrepreneurial finance, environmental sustainability, and financial innovation. Equity crowdfunding and FinTech emerge as pivotal in bridging sustainability-related funding gaps. Cluster analysis highlights four major research areas: financial innovation's role in sustainability, crowdfunding's contribution to SDGs (especially post-COVID-19), microfinancing and financial inclusion for SMEs, and ESG integration in entrepreneurial finance. Despite these advances, significant research gaps remain, particularly the need for longitudinal studies to assess the long-term impacts of crowdfunding on sustainability, as well as a deeper understanding of the ethical implications surrounding governance and backer protection on crowdfunding platforms. This study contributes to the growing body of literature on sustainability-oriented crowdfunding by offering a detailed roadmap for future research and practical implications for scholars and practitioners alike.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».