Fintech and Sustainability: Charting a New Course for Jordanian Banking
Notice bibliographique
Résumé
This study explores the transformative role of financial technology (fintech) in advancing sustainability, financial inclusion, and customer engagement in Jordan’s banking sector. Utilizing a quantitative descriptive survey design, data were collected from 400 participants—comprising 300 bank customers and 100 banking professionals—through a structured bilingual questionnaire distributed via digital platforms. The study aims to evaluate how fintech innovations align with sustainable finance practices, extend banking access to underserved populations, and influence customer satisfaction. The results reveal strong evidence of fintech’s positive impact across all three domains. Regression analysis confirmed a statistically significant relationship between fintech innovation and the adoption of sustainable finance practices (β = 0.6498, p < 0.001), explaining 42.2% of the variance in sustainability outcomes. Similarly, fintech adoption was found to significantly improve financial inclusion among underserved populations (β = 0.6842, p < 0.001), accounting for 46.85% of the variance in access to services. One-way ANOVA analysis further showed that increased fintech integration significantly enhances customer engagement, with mean satisfaction scores rising progressively with higher fintech usage levels (F = 24.49, p < 0.001). The study underscores that fintech is a critical enabler of ethical banking transformation in Jordan, promoting ESG objectives, reducing financial access disparities, and strengthening customer loyalty. The findings confirm that fintech significantly contributes to sustainable, inclusive, and customer-centric banking practices. These insights support the notion that fintech adoption not only redefines banking operations but also charts a sustainable and socially responsible future for the Jordanian financial sector.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».