Cryptocurrency Technology Adoption: A Bibliometric Analysis, Systematic Literature Review, and Future Research Agendas
Notice bibliographique
Résumé
Purpose: The cryptocurrency’s growth as an emergent and disruptive financial technology has resulted in financial and economic systems and addressed some critical issues of them. Numerous academic studies have examined the adoption/acceptance of cryptocurrency. Despite the growing body of extant research and published review articles, no review has provided an integrative look at the cryptocurrency adoption/acceptance models (C-TAMs). Methodology: The main aim of this research is to provide a quantitative (bibliometric analysis) and qualitative review (systematic literature review) of the most relevant research from 2008 until 2023. Findings: This analysis extracted 98 publications from 75 journals, written by 292 authors, from the Institute for WOS and Scopus databases. Multidisciplinary or interdisciplinary journals typically publish studies on C-TAMs. The theories most commonly used in this field are the ‘unified theory of adoption and use technology’ (UTAUT) and the ‘technology adoption model’ (TAM). Systematic literature reviews show that these theories and their components are the most frequently mentioned factors affecting cryptocurrency adoption. The most important factors investigated for cryptocurrency adoption are ‘intention to use’, ‘perceived trust’, ‘perceived risk’, ‘perceived usefulness’, and ‘perceived ease of use’. Also, the research identifies variables at the micro-level (individual factors), mezzo-level (technological factors), and macro-level (socioeconomic factors) that affect cryptocurrency acceptance. Originality/value: The findings provide a valuable resource for researchers and stakeholders seeking to understand the dynamics of cryptocurrency adoption. While this study does not include new experimental data, it suggests that future research could benefit from comparative case studies and practical experimentation across various countries to understand further how local contexts influence cryptocurrency adoption.
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 | 0,037 | 0,101 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,158 | 0,152 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».