Innovative disruption in financial technology and payment systems
Notice bibliographique
Résumé
Purpose: This study explores the transformative impact of financial technology (fintech) on the global financial services industry, focusing on innovations, regulatory implications, and challenges. The research aims to identify key technological disruptions, examine the regulatory landscape, and highlight opportunities and risks introduced by fintech. Methodology/approach: A Systematic Literature Review (SLR) was conducted using SCOPUS, IEEE Xplore, and ScienceDirect. Following a structured protocol, 153 peer-reviewed articles (2014–2019) were analysed through thematic and meta-analytical approaches. The study adopted an interpretative philosophy and used the PICOC framework to refine search precision and synthesis. Results/findings: The analysis reveals fintech’s disruptive innovations in financing and payment systems, such as peer-to-peer (P2P) lending, crowdfunding, blockchain-enabled transactions, and mobile payments. These services have enhanced financial inclusion, operational efficiency, and customer accessibility. Regulatory frameworks have evolved in parallel, though challenges remain in addressing moral hazard, cybersecurity, and compliance. Geographically, Asia, particularly China and Indonesia, leads fintech research and implementation. Conclusion: Fintech has significantly reshaped financial ecosystems by enabling decentralized financial services, accelerating digital transactions, and fostering inclusivity. However, cybersecurity risks, limited regulatory clarity, and uneven global adoption continue to impede its sustainable integration. Limitations: The study is limited to English-language literature from 2014–2019 and may not capture recent post-pandemic developments or region-specific innovations in Islamic or informal economies. Contribution: This paper contributes a comprehensive synthesis of fintech’s evolution, identifies existing gaps, and offers insights for policymakers, financial institutions, and researchers to foster a balanced, secure, and innovative financial environment.
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 | 0,016 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».