MétaCan
Menu
Retour à la cohorte
Enregistrement W7138963311 · doi:10.4018/979-8-3373-1494-5.ch012

Future Financial Decision-Making Systems

2025· book-chapter· W7138963311 sur OpenAlexaff
Divya Gupta, Parul Loomba, Niyati Niyati, Bhupinder Pal Singh Chahal, Priyanka Dhami Waldia

Notice bibliographique

RevueAdvances in computational intelligence and robotics book series · 2025
Typebook-chapter
Langue
DomaineBusiness, Management and Accounting
ThématiqueFinTech, Crowdfunding, Digital Finance
Établissements canadiensYorkville University
Organismes subventionnairesnon disponible
Mots-clésBig dataTransformative learningFinancial inclusionKey (lock)FinTechFinancial servicesEmerging marketsFinancial market

Résumé

récupéré en direct d'OpenAlex

This study explores the transformative impact of AI, blockchain, and big data on financial decision-making, market efficiency, and inclusion, examining case studies in AI-driven credit scoring, blockchain for cross-border remittances, and algorithmic trading. It addresses ethical concerns, including privacy and transparency, and uses a mixed-method approach, including literature review, data analysis, and expert interviews, to identify key opportunities and challenges. The study recommends further research into integrating emerging technologies, developing robust regulatory frameworks, and fostering cross-border collaboration to shape the future of finance in the digital age. The study aims to critically assess how emerging technologies like AI, blockchain, and big data reshape financial decision-making, enhance market efficiency, and promote financial inclusion while addressing ethical challenges and regulatory issues in innovative finance.

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 candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,546
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,008
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,013
Tête enseignante GPT0,261
Écart entre enseignants0,248 · 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.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in computational intelligence and robotics book seriesMême sujetFinTech, Crowdfunding, Digital FinanceTravaux en français237 207