MétaCan
Menu
Retour à la cohorte
Enregistrement W2113968549 · doi:10.1109/picmet.2008.4599888

The role of information and communication technologies (ICT) in improving microcredit: The case of correspondent banking in Brazil

2008· article· en· W2113968549 sur OpenAlexaff
Eduardo Henrique Diniz, Marlei Pozzebon, Martin Jayo, Ewandro Araujo

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésMicrofinanceInformation and Communications TechnologyBusinessBusiness modelFinancial servicesScale (ratio)LotteryMarketingFinanceEconomic growthEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

Finding ways to efficiently downscale microfinance services is one of the current challenges of Brazilian commercial banks. As commercial banks do not have strong tradition or know-how in this market, the expansion of such operations still depends on the building of specific capabilities and creation of business and technological architectures. This paper discusses how the use of correspondent banking (CB) arrangements can help Brazilian banks to face this challenge and increase their microcredit operations in an efficient way. The particular model of CB adopted in Brazil since 2000 has created an ICT-based business structure for banks downscale financial services out of traditional branches, typically in retail stores such as supermarkets, drugstores, lottery shops, post offices, and so on. The discussion is on how this ICT-based channel can be adapted to scale microcredit delivery. To address the discussion, we focus on one particular case, involving a CB arrangement between Banco do Brasil, one of the most important Brazilian banking institutions, and Banco Palmas, an accredited microfinance institution. This specific case provides an elucidating example of how the Brazilian ICT-based CB model can be used to help scaling up microfinance services, especially microcredit.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,239
Score d'incertitude au seuil0,673

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 savante0,0000,000
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 Opus0,010
Tête enseignante GPT0,202
Écart entre enseignants0,192 · 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'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

Citations14
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrofinance and Financial InclusionTravaux en français237 207