One App for Everything: A Multidisciplinary Review of Super Apps
Notice bibliographique
Résumé
Super apps have become a defining feature of digital ecosystems and an integral part of everyday life for millions of users, yet scholarship on the topic remains fragmented across disciplines and regions. This paper provides a multidisciplinary, PRISMA-guided systematic review of 177 publications and maps the field through a structured bibliographic analysis and a qualitative synthesis of a subset of 126 papers from the social sciences and legal studies. Our results reveal significant imbalances in the literature: a pronounced focus on Asian markets and few super app case studies (i.e. WeChat, KakaoTalk, LINE), as well as uneven coverage across service domains. We outline the key factors shaping user adoption and continued use, and summarize how prevailing platform strategies, often built around closed ecosystems, raise questions about competition, data governance, and systemic resilience. Beyond commercial platforms, municipalities and agencies are beginning to assemble ‘local super apps’ that unify public-service access, signaling a parallel public sector trajectory. Our results serve as an accessible entry point to the super app literature and set out clear lines for future research, calling for stronger interdisciplinary designs, comparative work beyond Asia, better conceptualizations of super apps, and more robust evaluations of societal, regulatory, and welfare impacts.
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 | 0,018 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,013 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,008 | 0,016 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».