Notice bibliographique
Résumé
As a result of monumental improvements in technology, a significant amount of currency is spent across the globe in daily transactions made on the internet. A recent trend in American culture is brick and mortar businesses shutting down in favor of online counterparts.1 Some of the many possible reasons behind this online movement may be a decrease in overhead, a convenience factor for consumers, and a drastically expanded market of consumers. In the third quarter of 2015, Americans spent an estimated $87.5 billion dollars on online shopping.2 These e-commerce transactions comprise an impressive 7.4% of total retail sales made in the United States.3 This figure has increased dramatically from the 2.6% of total retail sales made in the first quarter of 2006 and continues to steadily rise.4 Aside from the major financial implication from online purchases made in America, the global market for e-commerce is astronomical. Since it is next to impossible to pay on the internet with cash, bank-issued credit cards are the predominate method of payment. With credit cards, currency can be exchanged on the internet in the blink of an eye. However, there are several drawbacks associated with the global use of these credit cards including fees imposed by major credit card companies and the high risk of credit card fraud. With a continually growing global economy that is largely fueled by internet transactions, the world could benefit tremendously from a safe and inexpensive globally accepted method of payment
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 | 0,006 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,020 |
| Communication savante | 0,013 | 0,029 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,007 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».