Fringe Banking in Canada: The Collective Economies of Toronto’s “Banker Ladies”
Notice bibliographique
Résumé
Rotating savings and credit associations (ROSCAs) are regarded as a time-honoured tradition practiced by many people around the world. African Canadians value ROSCAs because of how they have helped people adjust to Canadian life. This study examines ROSCAs and the role that African Canadians have played in Canada’s social economy. It includes interviews with 77 people, 46 of whom are “Banker Ladies”—African Canadian women who create community-driven financial cooperatives in Canada’s largest financial centre, Toronto. ROSCAs have been incubating within the Canadian diaspora for the past 70 years as a way to counteract the business exclusion. For the social economy in Canada to be reflective of society, the research and theories that drive the sector must reflect a cultural awareness of the various cooperative forms led by racialized Canadians.Plusieurs personnes dans le monde suivent la tradition vénérable des associations rotatives d’épargne et de crédit (AREC). Les Afro-Canadiens valorisent les AREC pour la manière dont celles-ci ont aidé les gens à s’adapter à la vie canadienne. Cette étude examine les AREC et le rôle joué par les Afro-Canadiens dans l’économie sociale du pays. Elle inclut des entretiens avec 77 personnes, y compris 46 femmes banquières—des Afro-Canadiennes créant des coopératives financières communautaires dans le plus grand centre financier du Canada, Toronto. Depuis 70 ans, les AREC persistent au sein de la diaspora canadienne afin de contrer les défaillances du système bancaire classique. Pour que l’économie sociale au Canada puisse refléter la société telle qu’elle est, la recherche et la théorie relatives au secteur doivent tenir compte des divers formats de coopératives menées par des Canadiens et Canadiennes racialisés.
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 | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».