A influência dos atributos de inovação na adoção do CBDC brasileiro: um estudo sobre o DREX

• Ano de defesa: 2025
• Autor(a) principal: Camargo, Thiago Marcon de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Banco Central do Brasil; Brazil's Central Bank; CBDC; Diffusion of innovations theory; Digital real; DREX; Real digital; Teoria da difusão da inovação
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/12/12136/tde-01102025-142256/

O DREX, moeda digital do Banco Central do Brasil, representa uma inovação no sistema financeiro, com potencial para transformar transações e promover inclusão financeira. Este trabalho analisa bibliometricamente o tema CBDC e identifica como os atributos de inovação da Teoria da Difusão da Inovação (TDI) de Rogers influenciam a adoção do DREX. A metodologia caracterizou-se como uma pesquisa aplicada, descritiva, de abordagem qualiquantitativa, com o uso de procedimentos técnicos de levantamento de campo, pesquisa documental e pesquisa bibliográfica, com a coleta de dados primários via questionário. A análise bibliométrica utilizou dados coletados nas plataformas Scopus e Web of Science e os dados dos questionários foram obtidos de 194 estudantes de universidades brasileiras. Os resultados destacam que a produção científica sobre CBDC é recente e concentrada em poucos países e fontes. A pesquisa revelou que a vantagem relativa e a testabilidade são os fatores mais relevantes na adoção do DREX, enquanto a complexidade não se mostrou um fator significativo. A compatibilidade teve impacto moderado, e a observabilidade não foi relevante no modelo final. As contribuições do estudo incluem um modelo teórico aplicável a futuras pesquisas sobre CBDCs e recomendando ações práticas para o Banco Central, sugerindo a ênfase em benefícios tangíveis e oportunidades de teste para impulsionar a adoção e difusão do DREX. O trabalho também aponta a necessidade de ampliar a amostra para incluir perfis mais diversificados e explorar variáveis adicionais para ampliar a capacidade de explicação do modelo em pesquisas futuras.