MétaCan
Menu
Retour à la cohorte
Enregistrement W4409821050 · doi:10.1017/fas.2025.9

At the frontiers of digitization and the financialization of risk: The global politics of InsurTech

2025· article· en· W4409821050 sur OpenAlexafffund
Tony Porter

Notice bibliographique

RevueFinance and Society · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing, Finance, and Neoliberalism
Établissements canadiensMcMaster University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversity of CambridgeMcMaster University
Mots-clésFinancializationDigitizationPoliticsPolitical scienceEconomicsComputer scienceMarket economyLawTelecommunications

Résumé

récupéré en direct d'OpenAlex

Abstract Digital innovations in insurance, ‘InsurTech’, bring together two transformational forces in our contemporary world – risk and digitization. InsurTech has been celebrated and criticized. A literature on the social studies of insurance provides valuable and more nuanced insights into the social, cultural, and technological properties of InsurTech but it tends to analyze these at the firm level. This article brings together themes from assemblage and international political economy theories to integrate analysis of the structure of the global industry and the role of cross-border regulatory arrangements with the firm-level insights of the social studies of insurance literature. The article examines differentiation in the industry structure between stages of the insurance value chain, between incumbent and start-up insurers and Big Tech, and across jurisdictions and regions. It also examines the most globally significant regulatory responses to InsurTech: from the International Association of Insurance Supervisors, the European Insurance and Occupational Pensions Authority, the China Banking and Insurance Regulatory Commission, and the US National Association of Insurance Commissioners. It shows that the nuance and ethical content that is evident at the firm level in the social studies of insurance literature is interacting with similar nuance and ethical content in global regulatory arrangements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,733
Score d'incertitude au seuil0,265

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,200
Écart entre enseignants0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFinance and SocietyMême sujetHousing, Finance, and NeoliberalismTravaux en français237 207