MétaCan
Menu
Retour à la cohorte
Enregistrement W2536372546

Factors affecting the sustainability of independent financial planners in KwaZulu-Natal Province, South Africa

2016· article· en· W2536372546 sur OpenAlexaboutno aff
Keith Miles. Peter, Muhammad Hoque

Notice bibliographique

RevueJournal of Contemporary Management · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInsurance and Financial Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLegislationCommissionQuarter (Canadian coin)SustainabilityBusinessFinancial servicesFinanceMarketingGeographyPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A large number of independent financial planners are leaving the industry permanently or joining alternative models. The aim of this article was to determine the factors affecting independent financial planners on the sustainability of independent financial planners. This was a cross-sectional study conducted among 525 independent financial planners practising in the long-term insurance industry in KwaZulu-Natal province, South Africa. A self-administered, anonymous questionnaire was distributed via QuestionPro software program. A total of 115 participants completed the questionnaire. Results had shown that legislation was a key factor affecting independent financial planners. A quarter of respondents indicated that they had considered exiting the industry within the last five years and among them 73% reported compliance legislation as the major reason. One third of respondents experienced a decrease in income over the last five years with 60% confirming that commission regulations negatively impacted on their income. Over half of the respondents agreed that clients are using alternative channels for the purchase of insurance products. Independent financial planners need to incorporate social media and other forms of technology in their practices for the marketing, distribution and sale of products and services to retain and attract new clients.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,131
Score d'incertitude au seuil0,522

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,000
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 Opus0,032
Tête enseignante GPT0,220
Écart entre enseignants0,188 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Contemporary ManagementMême sujetInsurance and Financial Risk ManagementTravaux en français237 207