MétaCan
Menu
Retour à la cohorte
Enregistrement W4392742050 · doi:10.1017/flw.2024.2

Crypto and financial literacy of cryptoasset owners versus non-owners: The role of gender differences

2023· article· en· W4392742050 sur OpenAlexafffundabout
Daniela Balutel, Walter Engert, Christopher S. Henry, Kim P. Huynh, Doina Rusu, Marcel Voia

Notice bibliographique

RevueJournal of Financial Literacy and Wellbeing · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensBank of CanadaYork University
Organismes subventionnairesUniversità degli Studi di Urbino Carlo BoUniversité d'OrléansYork University
Mots-clésFinancial literacyMicrodata (statistics)LiteracyBusinessCryptocurrencyAccountingFinanceEconomicsEconomic growthDemographySociologyComputer scienceComputer securityCensus

Résumé

récupéré en direct d'OpenAlex

Abstract We measure crypto and financial literacy using microdata from the Bank of Canada’s Bitcoin Omnibus Survey. Our crypto literacy measure is based on three questions covering basic aspects of Bitcoin. The financial literacy measure we use is based on three questions covering basic aspects of conventional finance (the “Big Three”). We find that a significant share of Canadian Bitcoin owners have low crypto knowledge and low financial literacy. We also find gender differences in crypto literacy among Bitcoin owners, with female owners scoring lower in Bitcoin knowledge than male owners. We do not, however, find significant gender differences in financial literacy amongst Bitcoin owners. In contrast, non-owners show gender differences in both crypto and financial literacy.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,918

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
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 Opus0,012
Tête enseignante GPT0,242
Écart entre enseignants0,230 · 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'étudeObservationnel
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

Citations13
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Financial Literacy and WellbeingMême sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207