Digital Assets in the Eyes of Generation Z: Perceptions, Outlooks, Concerns
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
The recent decade saw an explosion of digital assets and digitalisation of financial services. The present contribution poses several research questions incorporated into a survey questionnaire and grouped into two categories: (1) associations with, knowledge of, and familiarity with notions relevant to digital assets and (2) perceptions of digital assets and attitude towards investing in them. Invitations to participate were sent to a group of 570 random representatives of Generation Z with 387 correctly completed questionnaires employed in the study. The research demonstrated that it was not insufficient funds that posed the greatest barrier to the growth in digital assets investments. The respondents justified their concerns about digital assets with poor knowledge of cryptocurrencies and non-fungible tokens (NFTs). The scepticism is fuelled mostly by the nontangible nature of digital assets (approx. 23%). The respondents most commonly (123, approx. 47%) associated NFTs with digital works of art, virtual objects, and NFT graphics. Blockchain most often brought to the minds of the respondents databases, algorithms, data recording, transaction data transfer, data cloud transactions, cryptocurrencies, cryptography, and decentralised financial systems. The research seems to suggest a certain difficulty with representing (characterising) the digital ecosystem and virtual reality. The media narrative emphasises the intangible nature of the digital ecosystem, often depicting it as impalpable and unreal, which does not help with how prospective investors view it. Some recommendations emerge from the research that should be considered when drawing a strategy for presenting digital assets, cryptocurrencies, and NFT markets.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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