An American Look at Zappers: A Paper for the Physikalisch-Technische Bundesanstalt, Revisionssicheres System Zur Aufzeichnung Von Kassenvorgängen Und Messinformationenthe
Notice bibliographique
Résumé
The common observation in the U.S. is that enforcement against technology-facilitated sales suppression has fallen through an intra-jurisdictional crack. Neither federal nor state auditors systemically target this area. But this is changing, and the change is coming from the state side.\nThis paper has two main parts. First, it summarizes the current state of sales suppression enforcement in the U.S. Secondly, it reviews the international solutions that are attracting the most U.S. attention. A conclusion indicates likely directions for U.S. enforcement.\nGeorgia is the first state to take action. On May 3, 2011 Georgia added code section 16-9-62 to Georgia statutes which made it illegal to willfully and knowingly sell, purchase, install, transfer, or possess any automated sales suppression device, zapper or phantom-ware in the state. On March 1, 2012 Utah followed Georgia. On March 10, 2012 West Virginia passed its version, and on March 13, 2012 Maine passed its version. Similar bills are pending in New York, Tennessee, Michigan, Florida, Indiana, and Oklahoma.\nSolutions range from technological to regulatory. On the technology side, solutions range from very cost-effective measures, like the INSIKA-developed smart card (€50), to Quebec’s far more expensive module d’enregistrement des ventes MEV (costing between C$600 and C$800). Blended applications, like BMC Inc.’s Sales Data Controller (SDC), offer the best attributes of both of these solutions (US$350). Technology solutions encrypt data and prevent it from being “zapped away.”\nNon-technology (regulatory) solutions approach the same problem differently. The Netherlands and Norway establish the government’s right to control POS system data, and then marshal market forces to preserve it. The Dutch persuade manufacturers to improve security; the Norwegians specify and demand the improvements.\nA final critical point for the states is the technology-assisted sales suppression is no longer just about cash skimming; this fraud has migrated to debit/credit card transactions. There are two indications that this is happening, one from Norway, and the other from the E.U. Fiscalis meeting in Ireland.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,004 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,009 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,049 | 0,028 |
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 ».