Investigating Factors Related to Fear, Uncertainty, and Doubt (FUD) in End-User Cryptocurrency Behaviours
Notice bibliographique
Résumé
Fear, Uncertainty, and Doubt or FUD, is relatively understudied in relation to cryptocurrency.It is a feeling derived from negative cryptocurrency-related information and it prompts adverse sentiment.This thesis addresses knowledge gaps on FUD by exploring its relationship with trust, and cryptocurrency information-seeking practices.We conducted 23 semi-structured interviews with cryptocurrency adopters and non-adopters to investigate triggers of FUD, FUD-induced behaviours, and how people form trust assessments of cryptocurrency information.Using thematic analysis, we classified FUD triggers found in our data across the personal, societal, and systemic level.Furthermore, we identified how participants make either cursory, extensive, or negative trust assessments of cryptocurrency information using attachment and depth.To illustrate this process, we proposed a model of trust assessment pathways.We then provide four recommendations on combating FUD, and suggest areas of future work.I am extremely thankful to my wonderful supervisor Dr. Sonia Chiasson.This thesis would not have been possible if not for her encouragement, guidance, and flexibility in helping me navigate a master's program fully online.I don't think I could have asked for a better mentor to work with and learn from.I am also very thankful for my co-workers at D2L and Visa -two wonderful places I had the pleasure of working at during my master's.I'd like to give a quick shout-
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 | 0,011 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».