MétaCan
Menu
Retour à la cohorte
Enregistrement W4411459434 · doi:10.18280/ijsse.150401

Security of Personal Information in Electronic Payments: A Bibliometric Analysis and Model Extension

2025· article· en· W4411459434 sur OpenAlexvenueno aff
Yu‐Qing Guan, Andrea Tick

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiquePrivacy-Preserving Technologies in Data
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExtension (predicate logic)PaymentComputer scienceComputer securityData scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The global rise in the use of electronic payments highlights the growing importance of personal information security in this domain.Scholars have explored various aspects of this issue, including payment systems, technological implementations, user acceptance, behavior, and psychological factors.This study aims to identify research gaps and future trends in personal information security in electronic payments through bibliometric analysis.Data was sourced from the Scopus and Web of Science databases, covering the period from 1974 to 2023.The dataset was analyzed using VOSviewer and R-Bibliometrix (Biblioshiny) software.The co-occurrence network output indicates that future research should focus on clusters with lower density and central positions, such as user acceptance of new technologies, consumer behavior, user trust, and user satisfaction with electronic payments.The R-Bibliometrix (Biblioshiny) thematic map identified research gaps across four quadrants: motor themes, niche themes, emerging or declining themes, and basic themes.The study proposes potential research areas in personal information security in electronic payments and develops an extended UTAUT (Unified Theory of Acceptance and Use of Technology) model tailored to this field.The study identifies trust and technology acceptance as critical themes and extends the UTAUT model to incorporate personal information security cognition.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaBibliométrie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptBibliométrie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnelhigh
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,050
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,951
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,050
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0490,094
Études des sciences et des technologies0,0020,001
Communication savante0,0060,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 GPT0,249
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

Étiqueté directement par 2 modèles lisant le dossier complet.

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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetPrivacy-Preserving Technologies in DataCatégorieBibliométrieTravaux en français237 207