MétaCan
Menu
Retour à la cohorte
Enregistrement W2406059893 · doi:10.1108/jfep-06-2015-0037

Financial exclusion and financial capabilities in Canada

2016· article· en· W2406059893 sur OpenAlexaffabout
Laura Lamb

Notice bibliographique

RevueJournal of Financial Economic Policy · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésFinanceFinancial literacyMainstreamFinancial servicesGeography of financeEconomicsLoanFinancial planOriginalityBusinessFinancial analysisSociologyPolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

Purpose The financially excluded are often denied basic financial services from mainstream banking institutions, leading them to high-cost fringe finance institutions (FFIs) such as payday loan companies and pawnshops. While strategies to address financial exclusion often include financial capabilities education, there does not appear to be evidence suggesting such education is an appropriate solution. The purpose of this study is to explore the relationship between financial capability and financial exclusion with survey data collected from the Canadian city of Kamloops located in the southern interior of British Columbia. Design/methodology/approach This exploratory research addresses the objective with survey data collected on the banking habits and financial capability levels of fringe finance users in a Canadian city. Findings The results imply that fringe finance users do not have lower levels of financial capability than those who do not use fringe finance, when education and income are controlled. Research limitations/implications Limitations include the relatively small survey sample of 105 people in one urban center in Canada. Originality/value While financial literacy is acknowledged to be an important life skill for all members of society, there is no conclusive evidence suggesting it is a solution to financial exclusion. This is the first research to examine the relationship between financial exclusion and fringe finance use in Canada by collecting data on fringe finance users with face-to-face interviews.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,174
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
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 Opus0,006
Tête enseignante GPT0,197
Écart entre enseignants0,190 · 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

Citations22
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Financial Economic PolicyMême sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207