关于数字金融和金融科技文献的系统性计量书目学综述：遵循2SLSS方法

《Financial Innovation》：A systematic bibliometric literature review on digital finance and fintech literature: following the 2SLSS approach

　　摘要
由于计量图书馆学计算机工具的易用性和可用性，计量图书馆学文献综述的数量激增，尤其是在数字金融和金融科技等活跃且动态的研究领域。这导致了一个矛盾的情况：尽管计量图书馆学文献综述的数量众多，但它们的定量结果却各不相同，最终造成了混乱而非一致性和清晰性。为了应对这一趋势，并使结果具有可理解性和可重复性，我们提出了一种新的系统计量图书馆学文献综述方法论，该方法论依赖于一种稳健的两阶段方法，以确保相关文献的全面识别，特别是在研究较为成熟的情况下。我们将这种两阶段文献搜索与选择（2SLSS）方法应用于数字金融和金融科技领域的文献，展示了我们的发现，并讨论了现有的研究空白。因此，我们不仅为数字金融和金融科技文献的演变分析做出了贡献，也为系统计量图书馆学文献综述的方法论基础奠定了基础。

引言
数字金融和金融科技领域具有高度的动态性，学术界已经开始密集地研究这一领域，相关出版物的数量迅速增长。尤其是在近年来，关于这一主题的文献数量增加得如此之多，以至于通过传统的文献综述（仅关注每篇论文的内容）已经无法对所有文献进行整合。然而，在这样一个动态的领域中，对现有文献及其演变和发展进行概述是非常重要的。对于如此大量的出版物，计量图书馆学文献综述是一种强有力的替代方法，可以定量地审查现有的学术文献。

由于易于使用的计算机工具的出现，使得定量分析变得更加便捷，近年来计量图书馆学分析的数量大幅增加。根据Web of Science数据库的数据，涉及计量图书馆学分析的论文数量从2000年的86篇增加到2010年的518篇，再到2023年的6,717篇（见图1）。

系统计量图书馆学文献综述的过程图（基于Mengist等人2020年；Ngai等人2011年；Gomber等人2017年的研究）
系统性和非系统性文献综述侧重于展示学术论文的内容，并总结和浓缩结果，以提供学术现状的概览。在系统性和非系统性文献综述中，可以通过结合多篇文献综述来获得对该主题的更全面认识。然而，计量图书馆学文献综述依赖于定量数据来描述选定的文献集。因此，这些文献综述在搜索关键词的确定方法上存在显著差异，导致结果各不相同，甚至可能相互矛盾（见表1）。如果所使用的指标基于不同的文献集，定量结果很可能会出现偏差。即使研究的时间范围几乎相同，这些非系统的计量图书馆学综述也会得出不同的结果。例如，比较Ahmi等人（2020年）表3中的年出版物数量与Abad-Segura等人（2020年）图2，以及Ahmi等人（2020年）图3、图4中的知识图谱与Abad-Segura等人（2020年）的图4、图5、图6，以及B. Li和Xu（2021年）的图7。此外，一些作者使用通用的搜索关键词，而其他作者则使用更长、更具体的搜索关键词列表。这些方法上的差异导致了结果的差异，影响了相关文献的识别，进而影响了分析得出的总体结论。因此，计量图书馆学文献综述数量的增加也导致了结果的明显分歧，最终造成了混乱而非一致性和清晰性。这种情况需要适当的工具来使计量图书馆学文献综述的结果更具可理解性和可重复性。

表1 数字金融和金融科技领域的计量图书馆学文献综述

尽管存在这些不足，关于如何进行计量图书馆学分析的研究仍然很少，尤其是在完全系统化的方法方面。在系统文献综述的背景下，已经发布了几种公认的系统方法，如系统评价和荟萃分析的优先报告项目（PRISMA）（Moher等人2010年；Page等人2021年）、搜索、评估、综合和分析（SALSA）框架（Grant和Booth 2009年），以及协议、搜索、评估、综合、分析和报告（PSALSAR）方法（Mengist等人2020年），以确保文献综述的质量。这些框架为特定目的的文献综述提供了全面的指导。所有这三个框架都侧重于定性文献分析。在定量文献综述的背景下，Donthu等人（2021年）提供了计量图书馆学文献综述的指导方针，并建议了一种基本程序。然而，尽管这些方法都认为文献的搜索和选择是系统方法的重要组成部分，但没有一种方法真正解决了搜索关键词的推导和选择问题。据我们所知，目前还没有论文专门探讨如何系统地搜索和选择待分析的文献，尽管这一步骤是最关键的步骤之一。因此，我们提出了一种新的方法论——两阶段文献搜索与选择（2SLSS）方法，通过提供一种结构化的方法来填补这一空白，该方法强调搜索关键词的系统推导和相关文献的全面检索。

作为文献搜索和选择过程的基本程序，我们采用了PSALSAR框架中的“系统评价文献数据库搜索流程图”（Mengist等人2020年）。这个流程图是确保文献搜索和选择过程质量的重要工具。我们在此流程图的基础上进行了修改，开发了一个新的框架，既保证了文献搜索和选择的质量，又最大化了识别出的相关论文的数量。我们将这种方法应用于数字金融和金融科技领域，以评估我们的方法论，并描绘出该领域研究的系统化、更详细的演变图景。

本文的目标有两个方面。首先，我们通过提出一种新的系统文献综述方法论，为计量图书馆学文献综述的方法论讨论做出贡献。其次，我们应用这一新方法论对数字金融和金融科技领域的文献进行了系统的计量图书馆学文献综述，分析了该领域的发展演变。

本文的其余部分安排如下：在下一节中，我们描述了研究背景；为了阐述我们的方法论，我们描述了数字金融和金融科技领域计量图书馆学文献综述的特点，并讨论了所考虑的出版物数量之间的显著差异。在“系统计量图书馆学文献综述的方法论：2SLSS方法”部分，我们提出了系统计量图书馆学文献综述的方法论建议。接下来，我们将这一方法应用于数字金融和金融科技领域的文献，展示我们的结果并讨论发现。最后，我们进行总结和结论。

研究背景
根据Pritchard（1969年）的观点，计量图书馆学分析最初出现在Hulme（1923年）的研究中，被称为“统计书目”。多年来，不同的学者提出了多种计量图书馆学分析的定义（Bar-Ilan 2008年；Broadus 1987年；Hood和Wilson 2001年；Mutschke等人2011年）。所有这些定义都将计量图书馆学分析定义为对某一学术主题进行定量分析的文献综述。Raisig（1962年，第450页）给出了最早的全面定义之一，将“书目分析”定义为“收集和解释与书籍和期刊相关的统计数据，以展示历史趋势，确定书籍和期刊在全国或全球范围内的使用情况，并在许多地方情况下确定书籍和期刊的一般使用情况”。

虽然“科学计量学”和科学计量分析通常关注“科学和技术的定量研究”（van Raan 1998年，第5页），但计量图书馆学则侧重于“书面交流的过程以及学科的发展性质和过程（通过书面交流体现）”（Pritchard 1969年，第348页）。因此，计量图书馆学主要关注出版物，如“书籍和期刊”（Raisig 1962年，第450页）。

在过去的几十年里，随着综合性数据库和先进计量图书馆学工具的应用，计量图书馆学分析得到了显著改进，使得以前无法实现的分析成为可能。计量图书馆学已成为一种强大的方法，可用于广泛的研究领域。这种方法既可用于分析感兴趣的领域（例如Choijil等人2022年；Merigó和Nú?ez 2016年；Pan等人2020年），也可用于分析期刊随时间的表现（例如Cobo等人2015年；Kazemi等人2019年；Merigó等人2016年）。

计量图书馆学文献综述特别有助于分析已经发展到一定阶段的学术领域，这些领域通常有大量的出版物。虽然传统的文献综述能够很好地分析有限数量出版物的内容，但它们在处理大量出版物时的能力有限。因此，“计量图书馆学分析中包含的论文数量通常远高于系统文献综述”（Hiebl 2021年，第9页）。Donthu等人（2021年）比较了三种常用的综述方法：系统文献综述、荟萃分析和计量图书馆学分析。他们指出，系统文献综述适用于范围较小的研究，并且适合与定性分析技术结合使用；而荟萃分析和计量图书馆学分析则更适合定量分析。当关注变量之间的实证关系时，荟萃分析尤为适用；计量图书馆学分析则旨在审查非常广泛的领域并总结大量的计量数据。因此，在本研究中，我们采用了计量图书馆学分析方法。

对于系统文献综述来说，难点在于如何形成一个既“系统化”又能够在内容分析上处理的论文集合。对于这一文献搜索和选择过程，学术文献提供了关于如何系统地收集出版物的建议（例如Hiebl 2021年；Mengist等人2020年；Moher等人2010年；Ngai等人2011年；Page等人2021年）。然而，系统计量图书馆学文献综述的目标不是确定一个规模较小且易于处理的出版物集合，而是系统地收集尽可能多的相关出版物，从而得出尽可能全面的分析结果。古铁雷斯-尼托（Gutiérrez-Nieto）和塞拉诺-辛卡（Serrano-Cinca）（2019年，第185页）认为，“当使用查询结构组织关键词无法获得可靠的结果时，最常见的解决方案是采用逆向程序，即对初始论文集合的参考文献进行迭代审查”。然而，据我们所知，目前还没有一个既定的程序来描述如何进行全面系统的出版物审查以进行文献计量分析。为了填补这一空白，我们将在下一节中以数字金融和金融科技领域的文献综述为例，首先指出现有文献计量分析中的不一致性和问题。在方法论部分，我们将提出一种系统化的文献计量分析方法。

近年来，已经发表了几篇关于数字金融和金融科技的系统性和非系统性文献综述（例如，Barroso和Laborda 2022年；Caciatori和Cherobim 2020年；Gomber等人2017年）。这些综述侧重于呈现所审查文献的内容，并对学术领域提供了定性的概述。虽然非系统性文献综述不依赖于严格的标准（例如，Sangwan等人2019年；Takeda和Ito 2021年），但系统性文献综述（Mengist等人2020年；Moher等人2010年；Ngai等人2011年；Page等人2021年）在选择和审查论文时遵循明确而精确的步骤（例如，Gomber等人2017年）。系统性文献综述的优势在于其清晰而精确的程序，使得这些综述更加全面和可复制。然而，在出版物数量激增的时期，手动分析某一特定领域的所有可用文献是不可能的。此外，这类综述的定性风格侧重于分析和呈现出版物的内容，但它们无法全面观察文献随时间的发展和出现情况。

文献计量分析的优势在于其能够覆盖大量的出版物。因此，文献计量分析侧重于使用定量方法来分析相关的学术文献。近年来，一些作者发表了关于数字金融和金融科技的文献计量分析。其中一些文献计量分析专注于数字金融和金融科技领域的特定子集，例如区块链和加密货币（例如，Guo和Donev 2020年）、借贷和众筹（例如，Basha等人2021年；Martínez-Climent等人2018年）或保险科技（例如，Milanovic等人2021年）。其他文献计量分析则涵盖了整个数字金融和金融科技领域（例如，Abad-Segura等人2020年；Ahmi等人2020年；Wu 2017年）。

文献计量分析试图覆盖整个领域时面临的一个突出困难是定义一套系统的搜索关键词来选择要考虑的出版物。对不同现有的关于数字金融和金融科技的文献计量分析进行比较后，会发现关键词选择方法之间存在显著差异。一些文献计量分析仅选择高层次的搜索关键词，如“fintech”、“fin-tech”和“financial technology”（例如，Ahmi等人2020年；Iman 2020年；B. Li和Xu 2021年）。然而，这种方法的缺点是，所有涉及数字金融和金融科技主题的论文（例如比特币或众筹），即使没有明确使用这些高层次术语，也会被忽略。没有科学上的理由要求所有相关论文至少在论文中一次使用高层次表达，如“fintech”。因此，其他综述试图通过包含更具体的关键词来解决这一明显缺陷，以涵盖数字金融和金融科技这一广泛领域下的相关主题（例如，Liu等人2020年；Milian等人2019年），但这是一项具有挑战性的任务，因为很难确定具体的关键词数量。

有时作者会热情地开始工作，并定义搜索参数以包含尽可能多的出版物——但随后以某种方式处理搜索结果，从而排除了许多最初找到的论文。例如，Caciatori和Cherobim（2020年）声称考虑了六个学术文献数据库，并基于1,749篇论文进行了综述。然而，经过几轮筛选后，只有43篇论文被保留下来进行审查。因此，我们发现许多文献计量分析采用不同的方法选择相关文献，最终得出完全不同的（定量）结果。在表1中，我们展示了关于数字金融和金融科技的文献计量分析。从这个表中，我们可以观察到两个主要问题：首先，这些方法在搜索关键词的选择上存在显著差异，因此选定的论文数量也不同；其次，在一个出版物数量迅速增长的动态领域背景下，表1中的文献计量分析显示的论文数量普遍较低。此外，即使考虑到不同的时间周期，不同文献计量分析之间的论文数量也存在很大差异（范围从43篇到2,877篇）。

对于专注于研究内容分析的文献综述，我们发现系统性文献综述应满足一些明确定义的属性：它们应该是结构化的、全面的和透明的（Hiebl 2021年）。我们还找到了可以适应这些属性的系统性文献综述方法（例如，Mengist等人2020年；Moher等人2010年；Ngai等人2011年；Page等人2021年；Webster和Watson 2002年）。系统性文献综述的重点是整理出一组高质量、数量有限且可以手动分析和呈现的论文。然而，文献计量分析的重点是一组尽可能全面的相关论文（Hiebl 2021年）。然而，我们没有找到关于如何系统地选择待分析的文献、如何系统地定义搜索关键词或如何系统地构建搜索字符串的建议。因此，在下文中，我们将提出一种进行系统性文献计量分析的方法。

在现有的文献计量分析中（见表1），我们观察到作者使用了两种基本方法。一组作者（例如，Ahmi等人2020年；Brika 2022年；Xu等人2020年）更喜欢使用高层次的搜索词，如“fintech”和“financial technology”进行搜索。相比之下，另一组作者（例如，Liu等人2020年）考虑了数字金融和金融科技领域中几乎所有可能的相关术语，如“crowdfunding”、“electronic banking”和“digital payments”。虽然第一种方法因为并非所有相关出版物都使用高层次表达而忽略了大量文献，但第二种方法则面临特定搜索关键词列表不完整的问题。对于系统性文献计量分析来说，如果作者具有特定的背景，他们往往会列举与自己领域相关的关键词，而较少考虑不熟悉领域的关键词，这可能导致结果偏差。

换句话说，文献计量分析从特定主题的所有文献的不同子集开始。只要文献计量分析从不同的文献子集开始，其结果就会有所不同。一个有效的途径是扩大分析的文献子集。文献子集越大，它们就越相似，结果也就越一致。我们依赖于Ngai等人（2011年）提出并由Gomber等人（2017年）改进的系统性文献分析的基本步骤，并在此基础上进行了进一步扩展。我们提出了一种包含十二个具体步骤的方法论，即两阶段文献搜索和选择（2SLSS）方法，以确保最终的搜索关键词集是全面的，并系统地推导出相关的文献集合。在我们的2SLSS方法中，文献搜索和选择的基本过程被两次应用，这一过程在PSALSAR方法（Mengist等人2020年）中也被广泛认可和使用。因此，我们遵循了文献中确立的高质量标准（Mengist等人2020年；Moher等人2010年；Ngai等人2011年；Page等人2021年）。

我们的方法论可以轻松地应用于任何领域，而不会失去普遍性。我们在下表中描述了我们的方法论，并在图1中展示了我们的系统方法的过程图。在表2中，我们介绍了这种方法的一般方法及其在数字金融和金融科技领域的应用。表中第一列的数字指的是图1中所示的相应步骤。

在图1中，我们提供了这十二个步骤的方法流程图。在两个独立的文献搜索和选择阶段，我们参考了PSALSAR框架（Mengist等人2020年）中建立的四种范式：“identification”、“screening”、“eligibility”和“included”。此外，我们还展示了2SLSS方法中两个阶段识别/删除的论文数量。

与PRISMA、SALSA和PSALSAR的基本文献搜索和选择过程相比，我们的方法提供了一种专门为文献计量分析设计的定制方法，用于系统地搜索和选择文献。

在本节中，我们展示了通过对16,774篇关于数字金融和金融科技的研究论文进行文献计量分析所获得的结果。首先，我们讨论了文章的出版和引用结构。其次，报告了最具影响力的论文和顶级期刊。然后，介绍了主要作者、机构和生产力最高的国家。接着，我们进行了详细的关键词分析，并揭示了新兴趋势，以帮助学者识别最活跃的领域和未来研究的可能方向。

在第一步中，我们分析了近几十年来数字金融和金融科技研究的发展情况。图2以图形方式展示了文章随时间的变化。第一篇关于数字金融和金融科技的论文是Brandel和Gresham在1974年发表的，内容是关于电子支付的。自这篇论文发表以来，发表的文章数量呈指数级增长。在最初的20年（即1974-1993年），每年发表的文章数量从未超过四篇。自1994年以来，发表的文章数量显著增加。总体而言，直到2014年，每年关于数字金融和金融科技的论文数量增长相对温和。然而，从2015年开始，数量开始急剧上升。2018年至2019年间，年论文数量翻了一番以上。详细的发表文章数量见表3。

接下来，我们分析了文章的引用结构随时间的发展情况。为此，我们访问了Web of Science的引用数据库，并分析了我们数据集中的文章引用情况。表3显示了每年发表的文章数量以及这些文章的引用次数。该表还显示了在给定年份中，获得500次以上、200次以上、100次以上、50次以上、20次以上、10次以上、5次以上和1次以上引用的文章数量。我们分析的时间段内，2023年的发表文章数量最多（3,432篇），而引用次数最多的是2020年之前的三年（57,137次）。如果文章数量持续增长，引用次数也应继续呈现上升趋势。然而，过去三年中引用次数明显下降。这很可能是时间效应，因为较新的出版物可能没有获得像旧出版物那样的大量引用。

汇总所有年份的数据，4.19%的论文获得了100次以上的引用（9.55%的论文获得了50次以上的引用，71.86%的论文获得了一次以上的引用）。在2020-2023年间，获得较多引用的论文数量减少了，而相对而言，获得较少引用的论文数量增加了。

在分析了所有论文的引用结构后，我们确定了数字金融和金融科技领域最具影响力的文章。因此，在本节中，我们展示了被引用次数最多的30篇文章。表4报告了这些文章的总引用次数、发表年份以及每年的引用次数。Bhattacherjee（2001）的论文总共有4,046次引用，是影响力最大的文章。然而，尽管每年的引用次数为176次，但这篇论文的年引用率（C/Y）并不是最高的。Mollick（2014）的论文每年获得了197次引用，而Zheng等人（2018）的论文甚至达到了263次引用。表4显示了被引用次数最多的30篇文章的完整信息。

这些被广泛引用的文章作者来源非常多样化，涉及的期刊也多种多样。只有一本期刊出现了四次（即《Economics Letters》），另一本期刊出现了三次（即《Computers in Human Behavior》），还有五本期刊出现了两次。基于此，我们研究了在数字金融和金融科技领域发表论文最活跃的期刊。表5列出了发表有关数字金融和金融科技文章的前20本期刊，这些期刊为该领域的知识体系做出了最大贡献。结果按照（1）总发表论文数量和（2）时间段进行了呈现，以发现潜在的趋势。对于（2），我们将1974-2023年的整个时间范围分为了五个时间段。从2023年开始，我们以相等的五年为间隔回溯，直到可用的文献变得过于稀少，无法可靠地检测出模式，此时剩余的文章被合并为一个形成期。按照这种逻辑，我们将那些年份中发表论文较少的时期（1974-2003）单独列出，并将其他时期分为四个相等的五年时间段：2004-2008、2009-2013、2014-2018和2019-2023。第一个时期（1974-2003）的论文数量相对较少。表5显示，《Finance Research Letters》发表了最多的关于数字金融和金融科技的论文（481篇），所有这些论文都发表在最后两个五年时间段内，尤其是在最后一个时期（2019-2023）。排名第二到第四的期刊也在两个五年时间段内发表了相关文章。在前20本期刊中，最早开始发表数字金融和金融科技文章的是《Journal of Business Research》。观察每本期刊的关注焦点，我们发现计算机科学、信息技术和信息管理领域的期刊更早开始探讨数字金融和金融科技的相关主题，而金融与人类行为领域的期刊则较晚才开始涉及这些主题。这反映了技术相关话题首先在专注于技术的期刊中讨论——例如，用于讨论技术标准——随后才涉及实际应用和用户行为。

最后，所有期刊的发表论文数量都在增加，即所有期刊在最后一个时间段的发表数量都是最多的。主要关注信息学和计算机科学的期刊虽然早期就有发表，但目前的发表数量并不最高。这表明，由于技术基础在该领域已经成熟，目前计算机科学领域对数字金融和金融科技话题的讨论较少。目前，更多话题集中在商业模式、经济学和用户行为上，即从技术应用的角度进行研究。

在下一步中，我们分析论文是否围绕某些非常活跃的作者和机构聚集。因此，我们确定了顶级作者、顶级机构和顶级国家。在我们的数据集中，我们识别出了16,774篇论文中的34,754位作者，并确认了同名或名字相似的作者是否为同一人或不同的人。如果是同一人，我们就将他们合并。表6列出了发表有关数字金融和金融科技文章的30位顶尖作者，列表按照总发表论文数量（TP）排序，如果数量相同，则引用次数最多的作者排名更高。我们还报告了作者的h指数、所属机构以及居住国家。值得注意的是，列表中没有哪个国家在顶尖作者中特别突出。根据结果，“Bouri E”（排名1）、“Corbet S”（排名2）和“Yao J”（排名3）是按发表论文数量计算的顶尖作者，而“Bouri E”在总引用次数方面最具影响力，并且在30位顶尖作者中h指数最高。请注意，h指数是根据Web of Science的数据计算的，可能与其他平台（如Google Scholar）的计算结果有所不同。

在图3中，我们展示了不同作者的发表论文数量。有趣的是，80.4%的作者只发表了一篇关于该主题的论文，11.6%的作者发表了两篇论文。总体而言，95.9%的作者发表了一篇、两篇或三篇论文，而只有4.1%的作者发表了四篇或更多论文。接下来，我们关注顶级机构。表7列出了在数字金融和金融科技领域发表论文数量最多的前30家机构。“北京大学”（中国）和“胡志明市经济大学”（越南）位居榜首，其次是“西南财经大学”（中国）和“伦敦大学学院”（英国）。“都柏林三一学院”（爱尔兰）在总引用次数方面排名第一（总发表论文数量排名第10），其次是“悉尼大学”（澳大利亚）（总发表论文数量排名第11）和“西南财经大学”（总发表论文数量排名第3）。我们还为每家机构计算了其他文献计量指标，如h指数（H）、每篇论文的引用次数（TC/TP），以及分别有50次、25次和5次以上引用的论文数量。“都柏林三一学院”在这些顶级机构中每篇论文的引用次数最多。一些在总发表论文数量上排名较低的大学在引用次数方面具有更大的影响力。

此外，我们还展示了两个全球大学排名（ARWU和QS），这些排名反映了列表中机构的一般评价和声誉。这允许我们将基于排名的声誉与基于发表论文的排名进行比较。最后一列（TOP 30）显示了每家机构在数字金融和金融科技领域被引用次数最多的30篇文章中的发表论文数量。从中可以看出，即使在顶级机构之间，该领域的文献也高度分散。早期和积极的数字金融和金融科技研究似乎帮助排名较低的大学在这个领域获得了重要的地位。在表7中，我们还观察到大多数顶级机构来自中国（16家）或澳大利亚（3家），其余国家各有一家。

接下来，我们对顶级国家在总发表论文数量方面的情况进行了详细分析。结果列在表8中。请注意，用于此表的指标与之前的表格相同。此外，还加入了2022年各国家的人口数据（数据来源：世界银行2024年），以计算人均发表论文数量，从而获得更标准化的结果。中华人民共和国和美国是发表论文数量最多、影响力最大的国家，分别发表了4,079篇和2,934篇论文，获得了84,201次和92,741次引用，h指数分别为123和138。在被引用次数最多的30篇文章中，有11篇来自美国，5篇来自英国（包括英格兰、苏格兰、威尔士和北爱尔兰），5篇来自中华人民共和国，4篇来自德国。有趣的是，尽管在总发表论文数量上排名第28的爱尔兰，在每篇论文的引用次数方面却是领先的国家。此外，爱尔兰的人均发表论文数量最高，超过了新加坡和芬兰。

最后，表9提供了各国所在的地理区域信息，包括总发表论文数量、总引用次数、h指数以及每篇论文的引用次数。根据这一分类，欧洲、亚洲和北美是这些指标方面表现最好的地区。表9还展示了每个子区域的详细结果。最后一项数据显示了每个地区在被引用次数最多的30篇文章中的占比。重要的是，当将所有欧洲国家作为一个整体进行分析时，欧洲是生产力最高、影响力最大的地区，总发表论文数量为6,350篇，获得引用次数为158,879次，h指数为162。欧洲还产生了超过一半的30篇被引用次数最多的论文。

接下来，我们深入分析了文章所涉及的主题。为此，我们使用VOSviewer软件（van Eck和Waltman 2010）对文献材料进行了可视化处理。该软件根据不同的标准（如合著关系、文献关联、引用关系、关键词共现等）生成“知识地图”，并允许以图形方式分析文章的主要主题。在这些知识地图中，节点代表不同的关键词，节点的大小表示关键词的重要性（即出现次数）。节点之间的连接表示关键词的共现情况。因此，如果两个关键词在许多论文中同时出现，它们在地图上会靠得更近，即节点之间的距离取决于这两个关键词共同出现的论文数量。

通过预分析，我们了解到有些关键词虽然实际上相同，但在表达上有所不同。例如，有些关键词有不同的同义词（如“e-factoring”与“digital factoring”），有的以单数和复数形式出现（如“bitcoin”与“bitcoins”），或者只是拼写不同（如“fintech”与“fin-tech”）。为了获得准确且清晰的知识地图，我们使用了一个所谓的“词库”，其中包含了一份全面的列表，帮助合并文献中使用的关键词变体。最后，单数和复数形式、同义词以及不同的拼写都被系统地合并在一起。在创建知识地图时，我们依赖于论文中列出的作者关键词，因为这样得到的地图更加清晰。另一种方法是考虑标题和摘要，但在我们的案例中，这会导致知识地图中充斥大量不相关的关键词。此外，我们只考虑满足一定出现次数的关键词。出现次数低于这个阈值的关键词没有被包括在地图中。虽然最终的论文集合没有变化，但这个最小出现次数阈值控制了VOSviewer图形展示中显示的关键词数量。

根据VOSviewer的分析，出现频率最高的关键词包括“fintech”、“blockchain”、“cryptocurrency”、“bitcoin”、“crowdfunding”、“p2p lending”、“innovation”、“digital banking”、“mobile payment”、“financial inclusion”、“covid-19”、“Ethereum”和“smart contracts”等。关键词通过最大化一个质量函数被分配到不同的集群中，该函数是Girvan-Newman算法的变体（van Eck和Waltman 2017）。这些集群形成了相关关键词的组。

图4展示了整个时间范围内的情况，而图5-8展示了特定时间段（1974-2008、2009-2013、2014-2018和2019-2023）的知识地图，以识别随时间的变化。在1974-2008期间，我们只能识别出非常有限的关键词数量（图5）。地图（图6-8）显示，关键词的数量随时间增加，且种类变得更加多样化。最后一个时期（2019-2023）如图8所示，涉及了大量不同且相互交织的研究主题。在知识地图中，不同的颜色代表相关关键词的集群。每个关键词根据其在论文中的出现次数和连接关系被VOSviewer算法分配到特定的集群中。然而，可以观察到一些与其他主题群紧密相关的关键词。例如，在图5中，数字银行和电子商务是紧密相连的。图8 这张图片的替代文本可能是使用人工智能生成的。全尺寸图片 知识图谱（2019–2023年，最小出现次数阈值为10次）在1974–2008年期间，关键词与“数字银行”、“互联网”/“银行业”、“数字支付”、“安全”和“信任”相关。这些主题围绕“电子商务”展开——这是数字支付发展的一个重要驱动力。在这一时期，研究主要集中在网上银行和在线支付上。如今所见的各种数字金融服务在当时并不存在，因此也没有被相关研究关注。与上述术语密切相关的有“数字货币”或“密码学”等术语的出现，这表明了关于加密货币领域的研究刚刚开始，但随着“比特币”的出现，这些主题将很快发展出自己的研究方向。在2009–2013年期间，研究开始关注“移动”方面，如“移动支付”、“移动银行”、“移动商务”、“移动货币”和“小额信贷”。这一研究趋势是由2007年出现的第一款智能手机推动的。此外，“数字交易”以及与“客户满意度”、“服务质量”和“消费者行为”相关的内容也进入了学术议程。在2014–2018年期间，“众筹”和“P2P借贷”变得更为重要。尽管在2003年至2006年间已经有针对艺术家和音乐家的众筹平台试点，但直到Indiegogo（2008年）和Kickstarter（2009年）等平台出现并引发了这种创新数字融资方式的关注之前，众筹并不是研究人员的主要关注点。随后，“区块链”成为另一个热门话题，围绕“比特币”和“加密货币”的研究也随之兴起。在2019–2023年期间，“加密货币”相关的话题变得更加重要。我们发现了诸如“区块链”、“智能合约”、“比特币”、“以太坊”和“分布式账本”等关键词。“网络犯罪”、“欺诈检测”、“勒索软件”和“暗网”也是与该技术相关的典型主题，这反映了区块链的“阴暗面”。虽然比特币在2009年就已经上线，但直到几年后研究才真正开始关注这一领域。2013年的高波动性和2016年以后比特币市场价格的上涨可能是推动这一研究的重要因素。近年来其他变得重要的主题还包括“金融包容性”、“COVID-19”、“中央银行数字货币”、“机器学习”和“人工智能”。这些知识图谱的优势在于能够一目了然地了解各种主题的相关性和联系。然而，在使用知识图谱时，量化关键词的出现频率并不容易。因此，我们进一步分析了关键词的数量。表10显示了在知识图谱（图5–8）中分析的不同时期最常见的30个关键词及其出现次数。表10证实了知识图谱的发现。数据显示了对不同主题兴趣的变化。虽然一些主题（如数字银行、数字支付、数字货币、电子商务和安全/信任）始终是研究的重点，但在分析的初期，其他一些主题并未得到关注。这种定量分析表明，2004–2008年期间出现了“移动支付”、“移动银行”、“消费者行为”和“小额支付”等关键词，这表明这是“移动”数字金融和金融科技兴起的阶段。2009–2013年期间，“移动通信”和“移动货币”等关键词的出现表明了“移动”相关主题的巩固，而“P2P借贷”、“金融包容性”和“小额信贷”等关键词的出现则暗示了这一时期对小额信贷的关注。2014–2018年期间，众筹主题得到了巩固，“区块链”和“加密货币”（例如“比特币”）也成为热门话题。最后，在2019–2023年期间，出现了“COVID-19”以及“智能合约”和“以太坊”等新主题，进一步巩固了“区块链”这一领域。此外，还有“机器学习”和“人工智能”等其他新主题。表10 按出现次数排名的前30个主题（加粗部分表示新兴主题）全尺寸表格新兴研究趋势我们通过分析近年来数字金融和金融科技研究中最常使用的关键词来深入探讨新兴的研究趋势。对于每个关键词，我们计算了其“平均发表年份”。也就是说，我们根据关键词的出现次数来加权每个年份。例如，如果一个关键词在2018年出现了两次，在2019年出现了三次，那么其平均发表年份就是(2018*2 + 2019*3) / (2 + 3) = 2018.6。表11展示了基于平均发表年份的30个最新关键词。该表还展示了关键词的出现次数、引用次数和标准化引用次数。由于早期发表的论文有更多被引用的机会，我们同时展示了平均引用次数和标准化引用次数。标准化引用次数是由VOSviewer软件计算得出的，即文档的引用次数除以同年所有发表文档的平均引用次数，这样可以更好地比较新旧关键词。表11展示了与“区块链”和“加密货币”相关的新兴主题，如“NFT”（即“非同质化代币”）、“比特币期货”、“加密资产”和“去中心化金融”，它们的平均发表年份分别为2022.6、2022.4、2022.4和2022.4。我们在列表中没有找到“比特币”，这意味着研究重点开始从“比特币”转向其他与区块链相关的创新概念。表11 来自作者关键词分析的研究趋势全尺寸表格研究空白图2和表3显示了数字金融和金融科技领域出版物数量的动态增长。然而，并非所有主题都在同一时间窗口以相同的强度得到关注。例如，在银行业中，数字银行在移动银行之前就被研究；在融资领域，众筹在首次代币发行之前就被研究。尽管有这些动态变化，我们仍然发现有些主题至今仍很少被研究，尽管相关平台已经活跃多年。在本节中，我们重点关注那些缺乏研究的主题，这些主题构成了未来研究的领域。报告的出现次数均基于我们收集的16,774篇关于数字金融和金融科技的文章的数据集。我们讨论了数字金融和金融科技六大主要业务功能中的明显研究空白（Gomber等人，2017年）：(1) 数字融资；(2) 数字投资；(3) 数字支付；(4) 数字货币；(5) 数字财务咨询；(6) 数字保险。(1) 数字融资：“数字租赁”和“数字保理”这两个主题在学术研究中尚未得到充分关注，这可能是因为这些主题主要代表银行与其客户之间的双边关系，可用于研究的实证数据非常少。然而，各种数字融资方式在支持经济增长方面具有巨大潜力。数字融资方法承诺提供定制化、高效和快速的融资方式，这对行业和个人尤为重要。(2) 数字投资：在“社交交易”领域，尽管自2010年以来就有一些知名的社交交易平台（如eToro）允许用户跟随其他平台用户的交易，但相关研究仍然很少。“零佣金交易”和“新型经纪商”方面的研究也非常有限。尽管知名的零佣金经纪商Robinhood成立于2013年，并且由于GameStop股票崩盘事件引发了人们对零佣金经纪商的关注热潮，但这一主题尚未成为研究的重点。在储蓄兴趣较低的时期，研究可以帮助建立替代且安全的投资方式。(3) 数字支付：关于数字支付的研究主要集中在“采用”、“感知有用性”和“态度”等方面。然而，能够无需明确操作即可发起支付的自动化支付系统仍然研究不足。(4) 数字货币：虽然比特币和以太坊等加密货币受到了广泛关注，但关于中央银行数字货币（CBDC）的研究却很少。目前尚不清楚能否以及如何将加密货币的见解应用于CBDC。这一主题对政府和政治机构特别重要，因为它们正在推动多项引入安全、高效CBDC的倡议。(5) 数字财务咨询：在财务咨询领域，“机器人顾问”这一主题很少被研究。我们观察到自2019年以来相关研究有所增加，但仍有很大的研究空间。(6) 数字保险：关于“数字保险”的研究仍然很少。无论是“移动保险”还是“P2P保险”，学术界都尚未对其进行积极研究。此外，数字保险这一主题也没有从技术角度（如通过Insurtech）进行探讨。附录：使用人工智能进行的内容分析内容分析并不是文献计量学综述的典型部分。相反，文献计量学综述是一种“定量和宏观导向的方法，旨在提供对文献的客观和全面了解”（Vinayavekhin等人，2023年）。然而，在上述详细的定量分析之外，我们还想简要介绍如何为大量论文准备内容分析，例如在文献搜索和选择过程中找到的论文。在我们的案例中，我们有16,774篇论文需要进行分析，而这已经无法手动完成。无论是整篇论文还是仅摘要都无法在传统的系统文献综述中进行分析。然而，我们建议可以使用人工智能来实现内容分析。对于我们的论文集，我们使用了知名的人工智能工具ChatGPT。我们向ChatGPT（OpenAI o3版本）提供了包含在文献计量学综述中的论文列表，包括论文标题、摘要和作者关键词，然后要求ChatGPT从研究视角对这些论文进行审查。以下是ChatGPT对14个选定研究方向的回答。AI支持的数字金融和金融科技文献内容分析“在众筹和P2P借贷文献中，可以区分出九个主要的研究方向：(1) 活动成功的决定因素；(2) 投资者行为和融资动态；(3) P2P借贷中的信用风险评估和定价；(4) 机器学习和金融科技分析；(5) 信任、社会资本和声誉信号；(6) 监管、治理和市场设计；(7) 地理位置、邻近性和本土偏见效应；(8) 社会影响和可持续性众筹；(9) 欺诈、道德风险和平台风险。总体而言，这些研究方向表明，众筹和P2P借贷研究已经从早期平台的描述性研究发展到复杂的跨学科分析，涵盖了投资者心理、算法中介和监管架构。(5) 关于数字货币和加密资产的论文围绕一系列反复出现的问题展开，这些问题逐渐塑造了这一领域：(1) 市场效率和价格动态；(2) 使用机器学习和大数据进行预测；(3) 投资者行为、采用和心理驱动因素；(4) 投资组合管理和多样化潜力；(5) 监管、合规性和法律设计；(6) 区块链分析和非法活动检测；(7) 技术可扩展性、安全性和能源成本；(8) 稳定币和中央银行数字货币（CBDC）的设计。在这些重点领域，数字货币和加密资产文献正从描述性案例研究转向整合理论，将市场微观结构、行为金融、机器学习和监管经济学联系起来。(6) 关于数字金融包容性的研究探讨了数字技术、替代交付渠道和数据驱动的分析如何将正式的金融服务扩展到历史上被排斥的家庭、微型企业和农村地区。尽管方法多样，包括民族志研究到机器学习，但这些研究都集中在六个广泛且反复出现的研究主题上：(1) 在数字时代概念化包容性；(2) 低成本数字渠道的采用和使用决定因素；(3) 包容性金融的经济和社会影响；(4) 数据驱动的信贷、评分和平台创新；(5) 包容性渠道的监管和风险管理框架；(6) 障碍、促进因素和设计权衡。”综合来看，数字金融包容性的研究已经从定义性的讨论发展到对采用路径、福利效应、数据驱动的信用分析以及适度监管的细致研究。当前的研究越来越多地将金融包容性视为一个需要共享标准、可互操作的数字身份和情境敏感治理的生态系统，而不仅仅是一个单一产品的推出。

关于电子钱包和存储价值的研究——包括智能卡钱包、移动钱包和其他存储价值方案——已经从概念验证发展到生态系统范围的分析。这些文章集中在六个广泛且反复探讨的问题上：（1）系统架构和技术设计；（2）安全、认证和隐私保护；（3）用户采纳、信任和行为意图；（4）互操作性、标准化和生态系统整合；（5）存储价值工具的监管和法律框架；（6）商业模式、成本结构和市场主导地位。总体而言，这些研究已经从技术可行性研究演变为结合工程、行为和监管视角的全面分析。

保险和InsurTech领域的文献围绕六个广泛且频繁出现的议题展开：（1）数字分销和客户体验；（2）基于使用的保险和远程信息处理；（3）欺诈检测、理赔自动化和运营分析；（4）数据驱动的承保和个性化定价；（5）区块链、智能合约和参数化保险；（6）包容性、移动和微型保险模式。监管和治理的主题贯穿所有六个领域。作者们探讨了当承保、分销和结算越来越依赖算法和数据时，隐私法律、偿付能力资本规则和中介机构责任如何演变。他们还讨论了监管机构需要审计黑箱模型和链上合同执行的技术问题。总体而言，保险和InsurTech领域的文献将数字化转型视为一个由相互关联的挑战组成的生态系统，而不是单一的技术冲击——包括客户重新中介化、流数据分析、算法公平性、分布式账本治理和包容性拓展——这些都是未来研究的重要方向。

从互联网、移动技术和传统银行业务的论文中，可以提炼出六个广泛的研究方向：（1）采纳和技术接受模型；（2）信任、安全和隐私问题；（3）服务质量、满意度和忠诚度形成；（4）传统银行的数字化转型和多渠道策略；（5）对银行绩效和效率的影响；（6）数字银行业的监管和法律维度。这些研究方向表明，关于互联网、移动技术和传统银行业务的研究已经从个体采纳建模发展到组织战略和政策分析，但共同关注的是如何在日益数字化的金融市场中平衡便利性、安全性和盈利能力与消费者信任。

数字和移动支付领域的文献主要围绕以下主题：（1）安全和认证协议与架构；（2）信任、风险和安全认知；（3）经济和宏观层面的影响；（4）监管和合规性；（5）标准化、基础设施设计和互操作性；（6）消费者采纳、用户接受度和行为意图；（7）商户采纳和定价模型；（8）生物识别和高级认证；（9）跨境支付和汇款。总体而言，这些研究已经从设计安全的手机协议发展到深入分析行为采纳、标准制定政治以及数字和移动货币的发展潜力。尽管各研究方向成熟度不同，但它们共同构成了一个将技术设计与行为、制度和包容性视角相结合的连贯研究议程。

数字和在线交易领域的研究围绕五个相互关联的问题展开：（1）电子订单提交的市场质量和微观结构影响；（2）投资者在自主在线环境中的行为；（3）电子平台的技术架构和策略设计；（4）高速或跨境交易的监管、法律和伦理框架；（5）行业转型和经纪商及交易所的采纳动态。这些问题共同构成了数字和在线交易研究的逻辑框架：市场微观结构效应、行为变化、技术基础、监管适应和行业层面的变革。虽然每个主题都独立讨论，但研究越来越多地指出它们之间的相互依赖性——例如，监管设计必须同时反映行为偏见和算法执行的技术现实——这为未来的综合性研究提供了肥沃的土壤。

数字融资指的是基于平台的、数据驱动的、通常以移动优先的机制，这些机制在传统分支机构银行之外实现储户、借款人和投资者之间的资金流动。这些论文揭示了一个快速发展的领域，从最初的在线余额转账描述发展到对算法信用引擎、大数据评分卡和实时支付渠道如何改变资本分配的细致研究。六个广泛且反复出现的议题组织了这一领域的文献：（1）金融包容性和家庭福利；（2）中小企业融资和信贷约束缓解；（3）创新、生产力和区域增长；（4）绿色金融、可持续性和低碳转型；（5）风险管理和金融稳定；（6）监管、治理和政策设计。这些议题表明，数字融资研究已经超越了简单的采纳叙事，转向了关于包容性、可持续性和稳定性的系统级讨论。然而，这些研究方向之间的联系仍然较为松散：很少有研究同时模型化包容性与风险之间的权衡或创新与稳定性的关系。

数字保理领域的研究虽然规模较小但正在兴起，可以围绕四个相互关联的议题组织：（1）在线发票交易平台如何定价和分配风险；（2）哪些技术架构可以使发票融资安全、透明且抗欺诈；（3）哪些监管和法律框架最适合“众包保理”商业模式；（4）去中心化的身份和可验证的凭证标准能否消除保理生态系统中的信任瓶颈。这些研究将数字保理描绘为一个多学科的前沿领域——结合了平台经济学、密码工程和监管设计——为中小企业解锁新的流动性渠道，同时降低欺诈、逆向选择和法律不确定性的风险。

机器人顾问领域的研究集中在几个相互关联的主题上：（1）监管设计、受托责任和法律确定性；（2）用户接受度、信任形成和采纳动态；（3）算法投资组合构建和优化技术；（4）行为金融整合；（5）个性化、社交功能和人机混合；（6）商业模式、行业定位和社会影响。这些主题表明，该领域正在逐步从概念验证算法转向治理、信任、个性化和社会影响力的系统级问题，这些都将塑造自动化投资建议的下一阶段。最后，研究人员探讨机器人顾问如何重塑资产管理和零售银行业中的竞争动态——无论是扩大访问范围还是相反地排斥数字不情愿的群体。

数字发票领域的研究沿着一个逻辑进程发展：从解释采纳机制，到协调实施过程，再到量化价值和管理实现大规模互操作性的生态系统基础设施。

数字租赁领域的研究关注实时决策规则如何对冲利率、价格波动、需求变化和资产转售价值带来的成本不确定性，以及共享市场和绿色补贴等平台和政策环境如何重塑这些规则。尽管实证验证较少，但现有的理论框架提供了一系列适用于日益复杂、数据丰富的租赁环境的竞争算法。

数字投资领域的研究围绕五个核心问题展开：（1）社会可见性如何改变投资者偏见和集体结果；（2）跟单平台上的追随者策略是否有助于提高福利；（3）哪些界面和游戏化选择能够引导采纳和留存；（4）算法辅助在多大程度上可以或应该替代人类判断；（5）需要哪些监管措施来平衡市场准入和消费者保护。这些研究议程为未来的工作提供了清晰的路线图，同时也指出了行为、设计和政策之间存在的缺失环节，下一代研究需要填补这些空白。

这项工作存在一些局限性。我们用于分析的论文集依赖于所使用数据库Web of Science的数据质量。未在该数据库中报道的期刊无法纳入分析。此外，Web of Science会定期更新其数据库中的论文，如果后续再次请求，可用论文可能会略有变化。然而，这种变化影响的论文数量很少，可以忽略不计。此外，这种方法也可以应用于其他数据库。

我们建议的两阶段搜索过程的结果关键词列表取决于参数occ，该参数定义了关键词在第二阶段必须出现的次数。occ的适当选择由研究人员决定，但我们建议使用上述经验法则。第二阶段的搜索依赖于第一阶段识别的关键词列表。如果开发了非常具体的新概念，它们可能尚未直接反映在关键词列表中。然而，识别的相关关键词越多，通过相关关键词发现新概念的可能性就越大。尽管如此，我们也不能排除某些出版物未被我们搜索到的可能性，因为这些出版物没有使用我们确定的与数字金融和金融科技相关的关键词。此外，一些重要的初始关键词可能缺失。在这种情况下，第二阶段的搜索尤为重要，因为在这一阶段，方法论可以添加缺失的关键词。即使经过第二阶段，也不能排除某些重要关键词仍然缺失的可能性。不过，与缺失关键词相关的论文仍有可能通过其他关键词被识别出来。只有当论文完全不包含任何关键词时，它们才会被忽略。识别的关键词数量越多，发现所有相关论文的可能性就越大。

最终的论文集将取决于手动筛选的质量。然而，我们认为，如果彻底应用我们的两阶段搜索过程，研究人员将获得更为相似的结果。我们的方法论将帮助研究人员添加他们可能未曾考虑的关键词。因此，这种方法论为进行系统的文献计量回顾提供了坚实的基础。

尽管存在这些局限性，但当我们比较我们研究中识别出的相关论文数量与其他研究中的数量（见表1）时，我们相信我们的方法显著提高了系统文献计量回顾的质量。

近年来，关于数字金融和金融科技的研究在学者中经历了显著的增长。由于出版物数量的激增，通过传统的手动审查和总结文献的方法已经不再可行。近年来，由于适当软件工具的可用性，文献计量回顾技术变得越来越流行。这样的文献计量回顾可以处理大量出版物并进行定量分析。然而，文献计量回顾的质量在很大程度上取决于待审查论文集的质量。论文集需要尽可能完整，以涵盖整个研究领域。然而，数字金融和金融科技领域非常多样化，涉及数字融资、数字投资、数字支付、数字货币、数字金融咨询和数字保险等多个方面。最大的挑战是定义一个全面的搜索关键词列表，以帮助识别所有相关文献。为此，我们提出了一种系统化的文献计量回顾方法，该方法采用两阶段搜索过程来生成全面的搜索关键词列表，以识别相关文献。

接下来，我们将这种方法应用于数字金融和金融科技领域。因此，我们系统地收集并审查了Web of Science数据库中截至2023年底的所有相关出版物。总共，我们的论文集包括16,774篇关于该主题的出版物——这是迄今为止该领域最全面的论文集。这一数量庞大的系统选择出版物凸显了我们提出方法的有效性。此外，两阶段搜索过程使得最终关键词的选择过程更加稳健，能够避免遗漏关键词：在第一阶段被遗漏的关键词在第二阶段有很大机会被包括进来。按照我们提出的方法进行系统文献计量回顾后，我们对数字金融和金融科技领域的分析在考虑的搜索关键词和包含的出版物方面优于迄今为止进行的所有其他文献计量回顾（见表1）。在将我们的研究结果与其他研究进行比较时，我们发现：首先，我们能够识别出更多相关的研究出版物；其次，我们涵盖了数字金融和金融科技领域更广泛的主题；第三，我们提供了更为全面的分析。这表明我们新的系统文献综述方法在获取用于后续分析的全面出版物集方面非常有效。我们分析了出版物和引用结构、最具影响力的论文及顶级期刊，以及主要的研究者、机构和国家。此外，我们还进行了深入的关键词分析以及新兴研究趋势的研究。

我们的结果显示，大约从2014年开始，关于数字金融和金融科技的相关出版物数量急剧增加。在我们分析的最后一个年份（2023年），出版物数量达到最高（3,432篇），而引用次数最多的年份则是在2020年之前的三年。值得注意的是，最早的数字金融和金融科技相关出版物来自计算机科学和信息技术领域的期刊，而金融与人类行为相关的期刊则较晚才开始涉及这些主题。总体而言，95.9%的作者仅发表了少量论文（1-3篇），而4.1%的作者发表了4篇或更多论文，这表明许多作者来自其他领域，并仅在个别项目中涉及数字金融和金融科技。随着时间的推移，研究主题发生了显著变化：1974年至2008年间，关键词主要集中在数字银行、互联网/银行、数字支付系统等方面；电子商务的兴起成为推动数字支付发展的关键因素。2009年至2013年，研究开始关注“移动支付”、“移动银行”、“移动商务”和“移动通信”等与移动设备相关的内容；2014年至2018年，学者们开始探讨“众筹”、“P2P借贷”和“小额信贷”等主题；2019年至2023年，关于“区块链”、“比特币”、“以太坊”和“智能合约”的研究逐渐兴起。然而，某些主题的研究仍然较为匮乏。例如，“社交交易”、“零佣金交易”、“机器人顾问”、“数字保险”、“移动保险”、“P2P保险”、“保险科技”、“数字租赁”和“数字保理”等领域仍存在明显的研究空白。

我们工作的贡献主要体现在两个方面：首先，我们提出了一种包含十二个步骤的方法论（2SLSS方法），用于进行系统、全面且可复制的文献综述，为文献计量学研究提供了新的视角；该方法适用于任何研究领域，其优势在于能够处理那些难以通过关键词全面捕捉的异质性研究领域。其次，我们通过对数字金融和金融科技领域的系统文献综述来评估这一方法的有效性，并识别出研究空白，以帮助学者设计未来的研究项目并填补现有空白。