"Kabootar": Towards Informal, Trustworthy, and Community-Based FinTech for Marginalized Immigrants
Notice bibliographique
Résumé
Financial technology (FinTech) platforms often exclude certain countries from their services due to global political conflicts. As a result, immigrants from these neglected countries struggle with transferring money to and from their homeland through formal mechanisms. Instead, they get involved in informal transnational transactions that, while flexible, are often risky and full of hassles. We looked into this issue through an online survey (n=127) and engaged with multiple stakeholders (n=16), including the Iranian immigrant community in Canada, to co-design an application called ?Kabootar' that matches senders and receivers of money across borders. In this application, a sender-receiver pair is matched with a pertinent pair sending money in the opposite direction. By facilitating two intra-national transactions in local currencies instead of two relatively complicated inter-national transactions, the need for money to cross borders is eliminated while staying within the boundaries of the law. Our user study (n=13) revealed several tensions in users trusting such informal transnational transactions. This work contributes to CSCW, HCI, and social computing's growing scholarship in personalized and collaborative computing technologies by advocating for a novel design approach based on collaboration and informality and extends their scope to the domain of FinTech for politically marginalized communities.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».