MétaCan
Menu
Retour à la cohorte
Enregistrement W3197797740 · doi:10.3390/jrfm14090422

The Determinants of PayTech’s Success in the Mobile Payment Market—The Case of BLIK

2021· article· en· W3197797740 sur OpenAlexvenueno aff
Joanna Błach, Monika Klimontowicz

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinTech, Crowdfunding, Digital Finance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMobile paymentPaymentPayment cardScope (computer science)Mobile bankingBusinessPayment service providerExploratory researchMarketingIndustrial organizationFinanceComputer science

Résumé

récupéré en direct d'OpenAlex

FinTech and its interaction with banking is widely discussed today as a new phenomenon notwithstanding the relationship between technology and financial services is not a new topic. Most of the research focuses on innovations and determinants of their adoptions including among other innovations in the payment system. The studies dedicated directly to PayTechs as a special kind of a FinTech entity and its market activity are a relatively new field of research. This paper aims to fill this gap. The multidimensional character of this exploratory research causes the necessity to apply various research methods, including both inductive and deductive methods, together with comparative analysis. The theoretical analysis conducted in the paper for defining PayTechs from the perspective of business model and market behavior was based on an in-depth literature review. In this section, the inductive method and comparative analysis were mostly applied. The empirical part of the paper includes the analysis of quantitative data published by the National Bank of Poland (NBP), Central Statistical Office (GUS), and Bank for International Settlements (BIS). The subject of the case is the Polish Payment Standard referred to as BLIK implemented in Poland in 2015 for mobile payments. The BLIK diffusion is measured by the number of entrants and acceptants as well as the scope of transactions while the adoption by the number of customers using BLIK in everyday transactions. The results present the market behavior of BLIK as an open business model and the key success factors of BLIK adoption and diffusion and the determinants for further open payment innovations’ development. The newly developed definition of PayTechs, the identification of the major components of the PayTech open business model, as well as the indication of the key success factors of adoption and diffusion of m-payments, constitute the original contribution of the paper.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,831
Score d'incertitude au seuil0,333

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,225
Écart entre enseignants0,218 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations25
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetFinTech, Crowdfunding, Digital FinanceTravaux en français237 207