MétaCan
Menu
Retour à la cohorte
Enregistrement W4408688947 · doi:10.69554/vhqx3574

From theory to reality: The varied and often unintended consequences of card payment surcharging

2025· article· en· W4408688947 sur OpenAlexaff
Maja Milosavljević

Notice bibliographique

RevueJournal of payments strategy & systems · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueDigital Platforms and Economics
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésUnintended consequencesPaymentPayment cardBusinessComputer scienceEpistemologyWorld Wide WebPhilosophy

Résumé

récupéré en direct d'OpenAlex

This paper examines the practice of surcharging card payments, which is designed to increase transparency and reduce the cost of card acceptance for merchants. However, the theory behind surcharging does not always align with its outcomes in practice. Despite its intended benefits, such as encouraging cost-effective payment methods and reducing merchant service fees, the global implementation of surcharging has produced mixed results. While surcharging is legal in certain markets, like Australia and the USA, it often leads to overcharging by small merchants, a lack of consumer benefits, and regulatory challenges. This paper explores the current state of surcharging across key markets, identifies the main beneficiaries of the practice, and highlights the need for stronger regulation of payment acceptance costs. Ultimately, it argues that surcharging has failed to meet its goals and that a more competitive and regulated payment ecosystem is necessary to achieve genuine transparency and cost reductions.

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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,201
Score d'incertitude au seuil0,650

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,029
Tête enseignante GPT0,253
Écart entre enseignants0,223 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of payments strategy & systemsMême sujetDigital Platforms and EconomicsTravaux en français237 207