Metaverse: welcome to the new fraud marketplace
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
Purpose The purpose of this study is to examine the risks of the metaverse ecosystem. This study provides an overview of the metaverse and its evolution and discusses the various fraud risks it poses for organizations (including boards of directors, forensic accountants, auditors and accountants). Given the advantages of the metaverse and the growing interest it is attracting from organizations, this paper sheds light on the importance of mitigating its risks. Design/methodology/approach Based on a systematic review of the literature on the metaverse and analysis of the fraud triangle, this study examines the different fraud risks it poses. More specifically, this study analyzes 21 articles on the metaverse published between 2021 and 2022 and attempts to answer the following research questions: What are the risks inherent in the metaverse? What are the fraud risks associated with it? What are the opportunities and pressures it brings? What is the rationalization underlying its use? This study conducts the analysis on two levels, that of the individual (user) and that of the organization. This paper summarizes the findings of publications on the metaverse in 2021 and 2022 to discover its various definitions and the opportunities and risks it represents. Findings This paper offers an insightful discussion of the advantages and risks the metaverse can bring. Because this analysis shows that any organization could be vulnerable to metaverse risks, this study provides organizations with strategies to deter, detect and prevent fraud and reputational risks. Regulatory bodies, financial authorities, board of directors and fraud investigators should all consider these risks before investing in the metaverse. Originality/value This paper adds new insights to the scarce research on the metaverse and cybersecurity by exploring the opportunities and risks it presents. It has several implications for organizations, boards of directors, management and regulatory authorities.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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