Fintechs and Institutions: Evidence from an Emerging Economy
Notice bibliographique
Résumé
Institutions play a vital role in restricting or encouraging the performance of any economic agent. In this context, fintechs represent a vector of exponential change in the global financial system and its institutions. However, despite the existing relationship between fintechs and institutions, there is a need for more studies exploring the connections between them. Beginning with a framework that integrates aspects of the relation between fintechs and institutions in the financial system, the objective of this article is to empirically demonstrate the interaction between fintechs and financial system institutions in an emerging country. To do so, the chosen research method was an embedded case study, which involved documental analysis and semi-structured interviews conducted with different agents in the Brazilian financial system, belonging to the following categories: technology providers, fintechs, regulatory institutions, financial institutions, and consumers. The findings validate the applicability of the theoretical framework, highlighting that fintechs drive institutional changes across stakeholders with different characteristic traits. Based on these results, we created theoretical propositions that guide future studies on the topic of fintechs and institutions. This study’s contributions provide valuable insights for financial policymakers, regulators, and technology providers, particularly regarding the adaptation of regulatory frameworks and technological infrastructures in emerging economies. For policymakers, this study suggests guidelines to foster financial inclusion through fintech initiatives, while managers are encouraged to develop strategies that reduce operational gaps in digital financial services.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| 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 ».