MétaCan
Menu
Retour à la cohorte
Enregistrement W4386223539 · doi:10.3390/jrfm16090382

REA, Triple-Entry Accounting and Blockchain: Converging Paths to Shared Ledger Systems

2023· article· en· W4386223539 sur OpenAlexvenueno aff
Juan Ignacio Ibañez, Chris N. Bayer, Paolo Tasca, Jiahua Xu

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLedgerBlockchainDistributed ledgerBookkeepingResource (disambiguation)AccountingComputer scienceBusinessComputer security

Résumé

récupéré en direct d'OpenAlex

During the last half century, the concept of shared ledger systems that offer a single source of truth has challenged traditional bookkeeping, leading to innovations such as the resource-event-agent (REA) accounting framework, triple-entry accounting (TEA), and blockchain. Despite these advancements, the historical development of shared ledger systems remains under-researched and unclear, with the influence of REA on TEA particularly overlooked. This study aims to fill this gap by conducting a genealogical analysis of shared ledger systems, with a focus on tracing the development of TEA and its historical byproduct of the REA framework designed by McCarthy. Through a comprehensive literature review and interviews with pioneers in REA, TEA, and blockchain, we uncover the missing link between REA and TEA. Our findings suggest that the current explosion of shared ledger systems results from the convergence of three parallel research streams, occasionally interacting with each other. We correct common misconceptions, acknowledge the influence of key individuals, and map out the overlapping paths of REA, TEA, and blockchain. By elucidating the historical evolution of shared ledger systems, this study contributes to the academic debate and fosters further discourse among researchers in REA, TEA, and blockchain, thereby enhancing the potential applications within these fields.

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)0,001
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 enseignants0,776
Score d'incertitude au seuil0,371

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 GPT0,216
Écart entre enseignants0,208 · 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

Citations22
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetBlockchain Technology Applications and SecurityTravaux en français237 207