Privacy in E‐Commerce: Development of Reporting Standards, Disclosure, and Assurance Services in an Unregulated Market
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Government regulation of financial reporting by publicly listed firms, coupled with a punitive regime for violation of generally accepted accounting principles (GAAP), has been in place in the United States for seven decades. Whether this regime is effective or useful is an open question, especially in the absence of data on the behavior of unregulated economies. Privacy disclosure in e‐commerce is essentially an unregulated environment with some parallels to financial disclosure. A study of privacy standards, disclosures practices, and demand for audits can help accountants and security regulators project the consequences of a competitive regime sans regulation for accounting standards, disclosure and audit practices. In this article we set up a framework for such a study, gather data from the field, and analyze privacy standards, privacy disclosure practices, and the effectiveness of opt‐out practices of 100 high‐traffic e‐commerce Web sites. We observe four diverse sets of privacy standards (TRUSTe, BBB Online, WebTrust, and PWC Privacy) competing in this market, attracting clienteles of their own as reflected in privacy policies and the disclosure of such policies. With a few exceptions, actual disclosure and opt‐out practices correspond reasonably well to stated policies in e‐commerce. There is little evidence that the prevailing competitive regime induces a race to the bottom with respect to privacy standards and disclosures. We explore the implications of these results for the consequences of a competitive regime for regulation of financial reporting.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,045 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle