MétaCan
Menu
Retour à la cohorte
Enregistrement W3175963584

사이버무역에 대비한 전자결제시스템에 관한 연구

2000· article· ko· W3175963584 sur OpenAlexaboutno aff
서동균

Notice bibliographique

Revue기업경영연구 · 2000
Typearticle
Langueko
DomaineBusiness, Management and Accounting
ThématiqueLaw, logistics, and international trade
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInternational tradeBusinessLegislatureSettlement (finance)Trade barrierService (business)FinancePolitical sciencePaymentMarketingLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cybertrade is regarded as an international B2B EC, one of e-commerce, which is expected to replace the typical trade practice in the future. In our nation, the trade industry`s cybertrade is just in the beginning stage to make an on-line contract and build EDI. However, large businesses are gradually taking the initiative in introducing cybertrade, and among the nations worldwide, there is an evident movement to prepare both legislative and feasible cybertrade systems to take the lead. One example is a TradeCard, which is dealt with in this study. TradeCard is an e-commerce system that has been developed since 1994 by the World Trade Center Association(WTCA) as an alternative to the existing inefficient L/C, in an effort to ensure safe on-line international trade and settlement between importer and exporter. The entire procedure from document transmission, trade finance, insurance and settlement to logistics, is automated, which contributes to lowering the required time by maximum 80 percent. However, the availability of TradeCard is currently limited, as just six nations, including the United States, Canada, Hong Kong, Taiwan, Singapore and South Korea, provide on-line trade service. Its security and authentication are not yet perfect, and there is no international standard legal system, either. But TradeCard will be able to serve as the best on-line automatic solution for the world trade industry, provided that those problems are fixed.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,192

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,002
Communication savante0,0080,005
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0570,018

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 Opus0,024
Tête enseignante GPT0,233
Écart entre enseignants0,208 · 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'étudeSans objet
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
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue기업경영연구Même sujetLaw, logistics, and international tradeTravaux en français237 207