A systematic literature review of financial resilience: antecedents, consequences and future research agenda
Notice bibliographique
Résumé
Purpose Following the COVID-19 pandemic, financial resilience has received more academic and societal attention. However, a cohesive understanding, an accepted definition and a consistent measurement scale of this concept do not exist. This study aims to synthesise the literature on financial resilience by examining its research trends, methodologies, designs and themes. Furthermore, a framework outlining the antecedents and consequences of financial resilience is presented, along with an agenda for future research. Design/methodology/approach Using a systematic literature review, the authors identified 155 articles from Scopus, published up until December 2023. This review presents the themes, theories and components of financial resilience, as well as publication trends over time and the countries where financial resilience is researched. Findings This review found three broad research domains: individual, organisational and governmental financial resilience. All three domains define financial resilience as the ability to bounce back from financial shocks, but the government literature also incorporates bouncing forward, illustrating a gap in the individual and organisational literature. Two key aspects of financial resilience are accessing financial resources and developing new capabilities to overcome deficiencies. Originality/value To the best of the authors’ knowledge, this study is the first to review existing research on financial resilience. One of its contributions is to present a universal definition of financial resilience. The authors also examine the antecedents and consequences of financial resilience as outlined in the literature.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».