MétaCan
Menu
Retour à la cohorte
Enregistrement W2964082811 · doi:10.12737/article_5d3984b69e9df5.62802502

The evaluation of cryptocurrency

2019· article· en· W2964082811 sur OpenAlexaboutno aff
Александра Шмырева, Pavel P. Baranov, Сергей Самохвалов, Sergey Samohvalov

Notice bibliographique

RevueAuditor · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Issues in Ukraine
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCryptocurrencyLegislatureBusinessValue (mathematics)Money launderingGoods and servicesEconomicsCommerceComputer scienceComputer securityFinanceEconomyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

The article estimate some aspects of the functioning of cryptocurrency, as a relatively new financial market instrument, the main participants in this market segment, cryptocurrency exchanges, taking into account key criteria: accessibility, mobility, operational efficiency. The aspects of regulation at the world and national levels are investigated. The authors give an assessment of the mechanism for regulating cryptocurrencies in separate countries ,which recognize this instrument and actively regulate it (Ar-gentina, Canada, Japan, Malazia, Switzerland),as well as countries, which reject (Vi-etnam) or just tolerate cryptocurrency, but do not have the regulatory framework for it use. Obviously, cryptocurrency is a relatively new instrument of the financial market, but its value not depend with amount of labour invested, as it is traditionally charac-teristic for conventional goods and services. The research shows that bitcoin still remains the most widespread type between other different kinds of cryptocurrencies. A significant aspect of cryptocurrencies functioning is their regulation. In our country there is no legislative certainty yet, but some steps have been made in this di-rection. In the long term, cryptocurrencies will be regulated at the international level, and the emphasis will be on preventing the use of their illegal financial transactions and for money laundering.

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)0,006
score de la tête « metaresearch » (Gemma)0,028
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,028
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,006
Études des sciences et des technologies0,0010,002
Communication savante0,0050,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,048
Tête enseignante GPT0,271
Écart entre enseignants0,222 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAuditorMême sujetEconomic Issues in UkraineTravaux en français237 207