MétaCan
Menu
Retour à la cohorte
Enregistrement W4389134943 · doi:10.1080/03155986.2023.2287997

Is blockchain technology desirable? When considering power structures and consumer preference for blockchain

2023· article· en· W4389134943 sur OpenAlexvenueno aff
Zhongmiao Sun, Qi Xu, Jinrong Liu

Notice bibliographique

RevueINFOR Information Systems and Operational Research · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Education Key Projects of Philosophy and Social Sciences ResearchNational Social Science Fund of China
Mots-clésBlockchainPreferenceHide and seekComputer scienceComputer securityEconomicsMicroeconomicsInternet privacy

Résumé

récupéré en direct d'OpenAlex

Blockchain technology is very useful for combating counterfeits and verifying the authenticity of products for consumers. This paper studies blockchain adoption in a two-level supply chain consisting of a brand supplier and a retailer. Our contribution using the game-theoretic framework is to consider the various preferences that consumers may have for blockchain-supported products and to investigate the value and effects of blockchain in a traditional wholesale channel with different power structures and a platform-based-agent selling channel. We confirm that consumer aversion to blockchain will lower retailer incentive to adopt blockchain, while the opposite will occur if consumers are interested in blockchain. We find that the market leader with power advantage is more motivated to adopt blockchain while the follower has less motivation. We also find that the brand supplier will be willing to move to the agent selling channel if the unit cost of the blockchain is low and the platform commission rate is medium. Moreover, an interesting finding is that blockchain can achieve a win–win-win outcome for the brand supplier, retailer, and consumers under a certain critical threshold, which may cause unfair distribution of supply chain profit and may also be detrimental to the establishment of agent selling.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,932
Score d'incertitude au seuil0,502

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
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 Opus0,078
Tête enseignante GPT0,320
Écart entre enseignants0,242 · 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'étudeThéorique ou conceptuel
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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINFOR Information Systems and Operational ResearchMême sujetEnergy, Environment, and Transportation PoliciesTravaux en français237 207