MétaCan
Menu
Retour à la cohorte
Enregistrement W1975770904 · doi:10.1504/ijef.2013.057267

Enhancing automated teller machine with multi-lingual and multi-denominational software functionalities

2013· article· en· W1975770904 sur OpenAlexaff
Boluwaji Akinnuwesi, Faith Michael E. Uzoka, Adetoba P. Obasa

Notice bibliographique

RevueInternational Journal of Electronic Finance · 2013
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensMount Royal University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceOracleJavaSoftwareProgramming languageSoftware engineeringInterface (matter)Point (geometry)Operating system

Résumé

récupéré en direct d'OpenAlex

In this study, we conceptualise a multi-lingual and multi-denominational software for automated teller machine (ATM). The purpose is to model an ATM that communicates in different pre-defined languages and dispenses cash in different denominations based on the customers' choices, thereby enhancing the ease of use by customers and reducing frustrations by rural dwellers. The architecture of the system was developed using the unified modelling language, whereas the prototype was developed using Java programming language for the front-end, and Oracle database management system as the back-end. The prototype was tested using some hypothetical data and was found to successfully mimic ATM transactions in the local Nigerian languages. The results of the study also point to an improvement in the user interface with icons and music being more friendly and welcoming to the local populace.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,276
Score d'incertitude au seuil0,459

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,343
Écart entre enseignants0,307 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Electronic FinanceMême sujetTechnology Adoption and User BehaviourTravaux en français237 207