Cash and COVID-19: The impact of the second wave in Canada
Notice bibliographique
Résumé
"We use consumer surveys conducted in April, July and November 2020 to study how the COVID-19 pandemic affected the demand for cash and the use of various methods of payment. Continuing from Chen et al. (2020, 2021), we use data from the Bank Note Distribution System (BNDS) to track how the amount of cash in circulation changed throughout 2020. The November 2020 survey included a three-day payment diary. We compare this diary with similar diaries from 2009, 2013 and 2017 to study long-term trends in cash use and payment methods. Our key findings are as follows: - Cash in circulation increased from $83 billion before the pandemic to more than $100 billion by the end of 2020. We find that the large-denomination bank notes ($50 and $100) contributed the most of this increase over this period. - Canadians’ cash-on-hand holdings in November (median $80) were comparable to levels seen in the first wave of the pandemic in April 2020 (median $85). Use of all payment methods (measured by the percentages of Canadians using them) was stable or increasing in November compared with July. Cash use saw the largest increase, with 59 percent of Canadians reporting that they used cash for transactions in November, up from 54 percent in July. - A large majority of Canadians (80 percent) in the November survey reported that they have no plans to go cashless in the next five years. This is similar to findings obtained in July (78 percent). - The shares of the volume (number) and value of transactions paid with cash declined between November 2017 and November 2020. At the same time, shares of contactless payments increased significantly. Nevertheless, cash continues to be used for a significant portion of low-value transactions. More specifically, in - - November 2020, cash was used for 40 percent of the volume of low-value transactions (below $15). - Cash use tends to be more prevalent in certain demographic groups. Older, less-educated and low-income individuals use cash for more of their transactions than other Canadians do."
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».