MétaCan
Menu
Retour à la cohorte
Enregistrement W2898290628 · doi:10.1108/jmlc-09-2017-0049

Time required to move cash through slot machines

2018· article· en· W2898290628 sur OpenAlexaff
Karen R. Kelly, Carl J. Schwarz, Ricardo J. Gomez, Kim Marsh

Notice bibliographique

RevueJournal of Money Laundering Control · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueGambling Behavior and Treatments
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésCashTicketValidatorValue (mathematics)Computer scienceControl (management)FinanceComputer securityEconomicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to present an empirical study on the time needed to load and disburse cash using bill validators on slot machines and stand-alone cash dispensers in casinos in British Columbia under a Ticket In Ticket Out (TITO) system. Design/methodology/approach Testing took place over two days, using 18 machines. The results were extrapolated to estimate the approximate time required to process $1,000,000 with different average bill amounts in the cash mix and three different bill validator machines in common use. The average value per bill using the cash mix used by the public in the casino was $33.11 [standard error (SE) $2.11]. Findings The mean time/accepted note ranged from 4.12 to 9.65 s, depending on bill validator type. This implies that the time needed to load $1,000,000 onto credit slips using bill validators on slot machines ranges from 35 to 81 h, excluding rest breaks and other breaks. The time needed to redeem $1,000,000 is estimated to be 3 h. Practical/implications The implications of these finding for illicit actors to successfully launder large amounts of cash are discussed. Given the time needed to physically handle the cash, and other control systems currently in use in casinos in British Columbia, processing large amounts of cash using bill validators on slot machines would require a highly organized team that would find it difficult to elude detection. Originality/value The trial results provide a baseline estimate to be used going forward when investigating or proposing money laundering methodologies that include slot machines.

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)0,001
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,041
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,024
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0210,004

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 Opus0,063
Tête enseignante GPT0,376
Écart entre enseignants0,313 · 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'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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Money Laundering ControlMême sujetGambling Behavior and TreatmentsTravaux en français237 207