Digital Nudging for Accelerating the Take Up of Electronic Payment in the Moroccan Port Ecosystem
Notice bibliographique
Résumé
In Morocco's port and foreign trade ecosystem, new electronic payment methods, such as online payments, have been introduced by public decision makers to speed up the payment process and thus the transit and clearance of goods.Despite their variety and availability, as well as their increased security, these new payment methods are not yet fully accepted by users in the port community, which makes the use of checks and cash still one of the most used payment methods.The proposed approach aims to encourage customers to use electronic payment methods in an ecosystem dominated by traditional payment methods by designing adaptive nudges from the three main domains: artificial intelligence, humancomputer interaction, and user experience, in order to support this strategic decision towards electronic payment adoption.In fact, several studies have consistently shown that digital nudges are effective strategies for leveraging cognitive biases to positively influence user behavior and decision-making (Behavioral improvements ranging from 10% to 30% depending on the context and type of nudge).This article provides an illustration of the implementation of digital nudges through a well-defined process, drawing on evidence from other studies that have demonstrated the effectiveness of nudging.This approach is expected to influence user decisions in digital environments, particularly in the adoption of electronic payment methods, with the objective of achieving behavioral change of up to 30%.These insights offer a valuable foundation for researchers and practitioners focused on studying or designing information systems and interventions that support user decisionmaking in digital environments.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».