MétaCan
Menu
Retour à la cohorte
Enregistrement W4411731238 · doi:10.1177/29768624251355164

The incentives of PayPay against the convenience of cash: On the conveniencing of cashless payments in Japan

2025· article· en· W4411731238 sur OpenAlexaff
Marc Steinberg

Notice bibliographique

RevuePlatforms & Society · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueDigital Platforms and Economics
Établissements canadiensConcordia University
Organismes subventionnairesAustralian Research Council
Mots-clésPaymentIncentiveCashBusinessCommerceFinanceMonetary economicsEconomicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

This article offers a two-decade overview of digital payments in Japan, with a focus on the role of convenience stores in the rollout of new payment systems. The aim is both to follow the recent development of code-based payment apps such as SoftBank's PayPay, while also interrogating the appeal to convenience by both the apps themselves and by academic literature on digital payments. The assumption of convenience as a default explanation for the adoption of digital payments in much literature must be resisted in view of Japanese government policy and large-scale incentive campaigns by payment providers encouraging users and retailers to adopt app-based payment systems. In Japan in particular, these incentives were meant to combat the default convenience of cash or other tap-to-pay prepaid cashless options introduced in the early 2000s. The role of convenience stores in the 2018–2019 “cashless payment wars” period under investigation here is to allow the perceived convenience of the retail forms to inflect the experience of the apps themselves. The article further uses this case as an opportunity to reflect on the temporality of convenience itself, as a retrospective explanatory framework for social shifts, and as a process of becoming-default of a new payment system. I term this process conveniencing. The conveniencing of otherwise inconveninent payment apps is the process under analysis here.

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 enseignants0,593
Score d'incertitude au seuil0,272

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 savante0,0000,001
Science ouverte0,0010,000
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 Opus0,015
Tête enseignante GPT0,212
Écart entre enseignants0,197 · 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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlatforms & SocietyMême sujetDigital Platforms and EconomicsTravaux en français237 207