Essais de développement financier axés sur les technologies financières naissantes (Fintech)
Notice bibliographique
Résumé
Il est de plus en plus évident que le secteur des paiements (la manière dont les consommateurs et les entreprises choisissent de payer pour les biens et les services) est à la pointe du développement financier dans de nombreuses régions du monde. Les technologies financières naissantes sont en train de modifier la façon dont les économies fonctionnent, et le nombre d'innovations de paiement à lui seul est impressionnant : Bitcoin, m-Pesa, Venmo, Apple Pay, applications de paiement mobile, e-Transfer et bien d'autres. Sous oublier qu’on n’a pas mentionné les avancées technologiques des méthodes de paiement plus connues qui rendent ces dernières plus sécurisées et plus faciles à utiliser (par exemple, le paiement sans contact par cartes bancaires). Même les espèces ont fait l'objet d'innovations techniques. Dans le cadre de la lutte contre la contrefaçon, les billets en papier sont remplacés dans de nombreux pays par des billets en polymère dotés de fonctions de sécurité à la pointe de la technologie.Bitcoin est un excellent cas d'étude de la vitesse d'adoption et de l'impact des technologies de paiement naissantes, et ce, pour plusieurs raisons. L'objectif initial de Bitcoin était d'éliminer le besoin de banques centrales et de leur argent en fonctionnant comme une plateforme de paiement décentralisée. Au lieu de recourir aux espèces des banques centrales ou aux services des institutions financières traditionnelles, Bitcoin se sert de la cryptographie pour sécuriser les transactions. Bien entendu, les intentions ne reflètent pas toujours la réalité et la trajectoire de Bitcoin a été pour le moins compliquée. Bien qu'il puisse certainement être (et soit) utilisé pour les transactions, beaucoup y ont vu un « crypto-actif » plus qu'une cryptomonnaie.Cette thèse contribue à deux questions importantes sur les technologies financières naissantes soulevées dans les publications académiques traitant de l'économie des paiements : 1] Quelle est la manière la plus efficace de collecter des données qui peuvent nous aider à comprendre et à évaluer l'impact des nouvelles technologies de paiement sur l'économie ? (Méthodologie) 2] Quels sont les compromis pertinents pour les consommateurs lorsqu'ils décident d'adopter et d'utiliser de nouvelles formes de technologies de paiement ? (Modélisation économique). Par conséquent, cette thèse est organisée en deux parties.La partie 1 (chapitres 1 et 2) traite des préoccupations méthodologiques. Les dites données sont essentielles à l'étude des technologies émergentes, car habituellement, il y a souvent peu de consensus ou de données accessibles qui pourraient guider les chercheurs. Souvent, la collecte de données utiles constitue une grande partie de l'effort. Malgré un long historique d'enquêtes sur les paiements menées auprès des consommateurs (et des commerçants) par les banques centrales, le chapitre 1 offre une occasion unique d'éclairer le choix de paiement en testant et en validant une méthodologie basée sur des enquêtes (en particulier les paiements en espèces en comparaison avec les paiements par carte électronique ; le tout en utilisant un nouvel ensemble de données provenant de la Hongrie et extraites de toutes les transactions du commerce de détail. Quant au chapitre 2, il donne un aperçu des travaux en cours pour mesurer les changements que connaissent la notoriété et l'utilisation de Bitcoin au Canada. Nous passons en revue les résultats de l'enquête Bitcoin Omnibus 2018 menée par la Banque du Canada, tout en soulignant les efforts visant à améliorer l'instrument d'enquête, les données et l'exactitude des estimations.Dans la partie 2 (chapitres 3 et 4), nous abordons la modélisation économique des décisions des consommateurs. Le chapitre 3 remet en question le postulat selon lequel l'adoption des nouvelles technologies de paiement numérique entraînera nécessairement une baisse de l'utilisation des espèces. (...)
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 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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,004 | 0,006 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».