MétaCan
Menu
Retour à la cohorte
Enregistrement W1977342432 · doi:10.4018/irmj.2012070102

Prevent/Control Identity Theft

2012· article· en· W1977342432 sur OpenAlexaff
Mahmud Akhter Shareef, Vinod Kumar

Notice bibliographique

RevueInformation Resources Management Journal · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpam and Phishing Detection
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésIdentity theftControl (management)Identity (music)BusinessPerceptionIdentity managementData breachMarketingComputer securityPublic relationsInternet privacyComputer scienceAccess controlEconomicsPsychologyPolitical scienceManagement

Résumé

récupéré en direct d'OpenAlex

This study provides an application framework toward measures to prevent/control identity theft in conjunction with sources. It also identifies the impact of overall protection of identity theft on consumer trust, the cost of products/services, and operational performance, all of which in turn contribute to a purchase intention using E-commerce (EC). For the first objective, this study proposes a matrix of sources and measures to prevent and control identity theft. From this matrix, using knowledge from a literature review and judgment based on plausibility, the authors identify global laws, controls placed on organizations, publications to develop awareness, technical management, managerial policy, risk management tools, data management, and control over employees are the potential measuring items to prevent identity theft related to EC. A case study in banking sector through a qualitative approach was conducted to verify the proposed relations, constructs, and measuring items. For the second objective, this research paper conceptualizes a model based on literature review and validates that based on the case study in the financial sector. The model reflects the effects of preventing and controlling identity theft on the costs of products/services, operational performance, and customers’ perception of trust, which would lead to purchase intention in EC.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,039
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,002
Études des sciences et des technologies0,0030,004
Communication savante0,0060,007
Science ouverte0,0020,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,007
Tête enseignante GPT0,217
Écart entre enseignants0,211 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations8
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInformation Resources Management JournalMême sujetSpam and Phishing DetectionTravaux en français237 207