Machine Learning-Based Artificial Intelligence in Recommender Systems to Support Financial Education: A Systematic Review

Autores

DOI:

https://doi.org/10.36557/2674-9432.2026v5n8p28-77

Palavras-chave:

explainable artificial intelligence, financial education, financial health, interpretability, machine learning, personal finance, recommender systems

Resumo

A lack of personal financial planning and knowledge about how to manage money are among the factors that contribute to citizens’ indebtedness. This study investigates how machine learning-based artificial intelligence has been applied in recommender systems to support financial education and financial health. A systematic literature review was conducted using PRISMA-informed procedures, with research questions structured according to Population, Intervention, Comparison, Outcome, and Context. Eligible studies applied machine learning to personalized recommendation, financial-profile classification, or financial decision support for individuals, incorporated at least one interpretability, explainability, or process-transparency mechanism, and were published in English, Portuguese, or Spanish between 2021 and 23 July 2026. Five databases were searched on 23 July 2026, yielding 139 records, of which 11 studies were included after deduplication and screening. Methodological quality was assessed using a nine-item framework addressing objective clarity, dataset and validation description, real-user evaluation, and reproducibility. Findings were narratively synthesized across nine research questions because heterogeneous designs and metrics precluded meta-analysis. Included studies primarily employed tree-based and ensemble models, clustering, and time-series techniques, supported by feature-attribution methods, local explanations, Integrated Gradients, interpretable models, or natural-language justifications. Quality appraisal revealed limited real-user evaluation and reproducibility. No controlled experiments compared identical systems with and without explanations; therefore, current evidence does not establish that explanations alone improve user understanding, trust, decision quality, or financial behavior. Future research should prioritize longitudinal, real-user evaluation of explainable financial recommender systems. The review protocol was not publicly registered.

Downloads

Não há dados estatísticos.

Biografia do Autor

Kátia Abdala Lorenz, Universidade do Vale do Itajaí - UNIVALI

Kátia graduou-se em Administração pela Faculdade São Francisco de Assis (UNIFIN), Brasil, em 2011, e obteve o título de Bacharel em Ciência da Computação pela Universidade do Vale do Itajaí (UNIVALI), Brasil, em 2023, quando recebeu o Prêmio Mérito Estudantil em reconhecimento ao seu desempenho acadêmico. Atualmente cursa o Mestrado em Computação Aplicada na UNIVALI, com pesquisa voltada à inteligência artificial explicável (XAI) aplicada à educação financeira e a sistemas de recomendação. Possui mais de 18 anos de experiência profissional em tecnologia da informação, com atuação em análise e desenvolvimento de sistemas, modelagem de dados, Oracle PL/SQL, Oracle APEX, integrações REST e SOAP e otimização de desempenho de bancos de dados. Sua experiência inclui ainda liderança técnica, gestão de produtos e pré-vendas técnico-comerciais. É certificada como Oracle APEX Cloud Developer Certified Professional (OCP) e Oracle Cloud Infrastructure Foundations Associate (OCA). Seus interesses de pesquisa incluem inteligência artificial explicável, aprendizado de máquina, sistemas de recomendação, educação financeira, finanças pessoais e computação aplicada.

Anita Maria da Rocha Fernandes, Universidade do Vale do Itajaí - UNIVALI

Anita graduou-se em Ciências pela Universidade Vale do Rio Doce (UNIVALE), Brasil, em 1989, e em Tecnologia em Processamento de Dados pela mesma instituição em 1992. Obteve o título de Mestre em Ciência da Computação pela Universidade Federal de Santa Catarina (UFSC), Brasil, em 1996, e o de Doutora em Engenharia de Produção pela UFSC em 2000. Realizou pós-doutorado na Universidade de Salamanca, Espanha, em 2023. Atualmente é Professora Titular da Universidade do Vale do Itajaí (UNIVALI). Na instituição, atua como docente e pesquisadora, lidera o Grupo de Pesquisa em Inteligência Aplicada e leciona no Programa de Mestrado em Computação Aplicada. Coordena também cursos de graduação e cursos superiores de tecnologia na área de computação. Sua experiência concentra-se em Ciência da Computação, com ênfase em Inteligência Artificial, especialmente inteligência artificial aplicada à saúde, à educação e ao meio ambiente, ciência de dados, big data e computação aplicada. É ainda Secretária Regional da Sociedade Brasileira de Computação (SBC) no estado de Santa Catarina.

Referências

1. Presidency of the Republic. Law No. 14,181, of July 1, 2021. Brasília, Brazil; 2021 [cited 2026 Sep 5]. Available from: https://www.planalto.gov.br/ccivil_03/_ato2019-2022/2021/lei/l14181.htm

2. Brazilian National Confederation of Commerce in Goods, Services and Tourism (CNC). Consumer Indebtedness and Default Survey (PEIC) - July 2026. 2026 Aug 6 [cited 2026 Sep 5]. Available from: https://portaldocomercio.org.br/publicacoes_posts/pesquisa-de-endividamento-e-inadimplencia-do-consumidor-peic-julho-2026/

3. Reiter M, Jurgenson JB, McCoy M, Watkins K, White K, Warmath D. Evaluating the Klontz Money Script Inventory-Revised (KMSI-R): Factorial Validity, Internal Consistency, and Measurement Invariance with a Diverse Sample. Journal of Family and Economic Issues. 2026;47(2):343-355. doi:10.1007/s10834-025-10055-7.

4. United Nations. The 17 Goals. Sustainable Development Goals [cited 2026 Sep 5]. Available from: https://sdgs.un.org/goals

5. Gharde NC, Bankar SA, Jadhav J, Yadav S, Ingole VG. A Review Study on Personal Finance Manager Application in the Age of AI. In: 2026 International Conference on Communication, Computing and Emerging Technologies (IC3ET); 2026. doi:10.1109/IC3ET64989.2026.11467471.

6. Jain U, Pandit V, Kaushik R, Kumar S, Gupta K. AI-Driven Personal Finance Systems: Methods, Limitations, and Open Challenges. In: 2026 International Conference on Computing, Sciences and Communications (ICCSC); 2026. doi:10.1109/ICCSC67078.2026.11468787.

7. Anitha N, Vijay D, Pujar VH, Vishnu PS. Multi-Modal Financial Data Visualization: A Systematic Review of Integrated Personal Finance Management Interfaces. In: 2026 International Conference on Intelligent and Innovative Technologies in Computing, Electrical and Electronics (IITCEE); 2026. doi:10.1109/IITCEE67948.2026.11394436.

8. Olasiuk H, Kumar S, Singh S, Nagpal A, Ganushchak T. Unravelling the Research Themes of Financial Literacy Using Topic Modelling and Text Mining: A Machine Learning Perspective. In: 2023 Fourth International Conference on Smart Technologies in Computing, Electrical and Electronics (ICSTCEE); 2023. doi:10.1109/ICSTCEE60504.2023.10584988.

9. Černevičienė J, Kabašinskas A. Explainable artificial intelligence (XAI) in finance: a systematic literature review. Artificial Intelligence Review. 2024;57:216. doi:10.1007/s10462-024-10854-8.

10. Wagner F. Determinants of conventional and digital investment advisory decisions: a systematic literature review. Financial Innovation. 2024;10:18. doi:10.1186/s40854-023-00538-7.

11. Page MJ, McKenzie JE, Bossuyt PM, Boutron I, Hoffmann TC, Mulrow CD, et al. The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ. 2021;372:n71. doi:10.1136/bmj.n71.

12. Petticrew M, Roberts H. Systematic Reviews in the Social Sciences: A Practical Guide. Oxford: Blackwell Publishing; 2006. doi:10.1002/9780470754887.

13. Raveendran J, Soren J, Ramanathan V, Sudharshan R, Mahalanabis S, Suresh AK, et al. Behavior science led technology for financial wellness. CSI Transactions on ICT. 2021;9(2):115-125. doi:10.1007/s40012-021-00331-w.

14. Tumma C, Ayyamgari S, Sribhashyam AS, Kadari S. AI-Driven Personal Finance Optimization with Ensemble Learning, Time-Series Forecasting, and Reinforcement Learning. In: 2026 IEEE 5th International Conference on Computing and Machine Intelligence (ICMI); 2026. p.1-5. doi:10.1109/ICMI68585.2026.11539815.

15. Deepthi CG, Shetty JJ, Jain IBS, Lakshmi CR, Kiran Kumar DR. AI-Powered Finance Management Platform. In: 2026 International Conference on Smart Futuristic Technology; 2026. p.1-5. doi:10.1109/ICSFT66733.2026.11506666.

16. Ganta P, Agarwal G, Jha R, Nagaraj K. An Intelligent Multi-Module Financial Assistant for Personalized Budgeting, Risk Alerts, and Adaptive Investment Advisory. In: 2025 IEEE International Conference on Computer Science, Information Technology and Systems (CSITSS); 2025. p.1-6. doi:10.1109/CSITSS67709.2025.11294369.

17. Srinarayani K, Kishan S, Harshika D, Swetha T. Financial Stability Classification with Personalized Recommendations and Transparent Clustering. In: 2025 2nd International Conference on Computing and Data Science (ICCDS); 2025. p.1-6. doi:10.1109/ICCDS64403.2025.11208922.

18. Pavithra D, Dhivyaprabha N, Shreenithi K, Theshika CC. Personal Finance Tracker with Spending Behavior Analysis. In: Proceedings of the 5th International Conference on Evolutionary Computing and Mobile Sustainable Networks (ICECMSN); 2025. doi:10.1109/ICECMSN68058.2025.11383504.

19. Merza M, Obinwanne U, Feng W. Reducing Financial Debt and Illiteracy in Canadian Populations Using Machine Learning Prediction Models. In: 2025 IEEE/ACIS 29th International Conference on Software Engineering, Artificial Intelligence, Networking and Parallel/Distributed Computing (SNPD); 2025. p.998-1000. doi:10.1109/SNPD65828.2025.11253447.

20. Midellawala CN, Achchige N, Padmasiri S, Abeygunasekara N, Pulasinghe K, Amarasena N. Exploring the Role of Digital Financial Tools in Personal Finance: Enhancing Financial Planning and Decision-Making. In: 2024 International Conference on Computer and Applications (ICCA); 2024. p.1-6. doi:10.1109/ICCA62237.2024.10928143.

21. Suganya M, Jayaraj R, Ismail AS, Kumar SG. GenAI-Powered Personal Finance Consultant: Integrating Machine Learning and Generative AI for Personalized Financial Recommendations and Literacy Enhancement. In: 2025 International Conference on Data Science and Business Systems (ICDSBS); 2025. p.1-8. doi:10.1109/ICDSBS63635.2025.11031897.

22. Bhandari S, Dhakal S, Ghosh R. SmartSpend: A Unified Artificial Intelligence Powered Personal Finance Dashboard Integrating Fraud Detection, Spending Forecasting and Budget Recommendation. In: 2026 IEEE World AI IoT Congress (AIIoT); 2026. p.416-424. doi:10.1109/AIIoT68874.2026.11569599.

23. Vaduka S, Reddy SC, Arikathota HV, Konchada L, Chakraborty P, Bandyopadhyay A. Optimizing Personal Finance Management through AI-Driven Decision Support Systems. In: 2024 IEEE Region 10 Symposium (TENSYMP); 2024. p.1-6. doi:10.1109/TENSYMP61132.2024.10752249.

Downloads

Publicado

2026-10-01

Como Citar

LORENZ, Kátia Abdala; FERNANDES, Anita Maria da Rocha. Machine Learning-Based Artificial Intelligence in Recommender Systems to Support Financial Education: A Systematic Review. Periódicos Brasil. Pesquisa Científica, Macapá, Brasil, v. 5, n. 8, p. 28–77, 2026. DOI: 10.36557/2674-9432.2026v5n8p28-77. Disponível em: https://periodicosbrasil.emnuvens.com.br/revista/article/view/1514. Acesso em: 2 out. 2026.

Edição

v. 5 n. 8 (2026): Periódicos Brasil. Pesquisa Científica - QUALIS A3

Seção

Computação, Robótica e Tecnologia

Licença

Copyright (c) 2026 Kátia Abdala Lorenz, Anita Maria da Rocha Fernandes

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Você tem o direito de:

  1. Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial.
  2. Adaptar — remixar, transformar, e criar a partir do material para qualquer fim, mesmo que comercial.
  3. O licenciante não pode revogar estes direitos desde que você respeite os termos da licença.  

 

De acordo com os termos seguintes:

  1. Atribuição — Você deve dar o crédito apropriado , prover um link para a licença e indicar se mudanças foram feitas . Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso.
  2. Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.