MétaCan
Menu
Retour à la cohorte
Enregistrement W6928011325 · doi:10.34989/sdp-2023-15

Unmet Payment Needs and a Central Bank Digital Currency

2023· article· en· W6928011325 sur OpenAlexaff

Notice bibliographique

RevueEconstor (Econstor) · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensBank of Canada
Organismes subventionnairesnon disponible
Mots-clésPaymentPayment service providerCurrencyDigital currencyIncentiveCashMobile payment

Résumé

récupéré en direct d'OpenAlex

We discuss the payment habits of Canadians both in the current payment environment and in a hypothetical cashless environment. We also consider whether a central bank digital currency (CBDC) would address unmet payment needs in a cashless society. Most adult Canadians do not experience gaps in their access to a range of payment methods, and this would probably continue to be the case in a cashless environment. Some people could, however, face difficulties making payments if merchants no longer generally accepted cash as a method of payment. For a payment-oriented CBDC to successfully address unmet payment needs, the main consumer groups—who already have access to a range of payment options—would have to widely adopt the CBDC and use it at scale. This is necessary to encourage widespread merchant acceptance of CBDC, which would, in turn, encourage further consumer adoption and use. However, most consumers face few payment gaps or frictions and therefore might have relatively weak incentives to adopt and—especially—to use CBDC at scale. If that were the case, widespread merchant acceptance also would be unlikely. This suggests that addressing unmet payment needs for a minority of consumers by issuing a CBDC could be challenging under the conditions explored in this paper. The minority of consumers with unmet payment needs will only be able to benefit from a CBDC if the majority of consumers experience material benefits and therefore drive its use.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,930
Score d'incertitude au seuil0,145

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,002
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,009
Tête enseignante GPT0,209
Écart entre enseignants0,200 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconstor (Econstor)Même sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207