MétaCan
Menu
Retour à la cohorte
Enregistrement W2754486029 · doi:10.1177/0309132517739142

The geographies of social finance: Poverty regulation through the ‘invisible heart’ of markets

2017· article· en· W2754486029 sur OpenAlexaff
Emily Rosenman

Notice bibliographique

RevueProgress in Human Geography · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCommunity Development and Social Impact
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCapitalismPovertyGeography of financeSocial studies of financeTypologyPrivate finance initiativeFinanceEconomicsFinancial marketSociologyPolitical scienceEconomic growthPrivate sector

Résumé

récupéré en direct d'OpenAlex

The global financial and anti-poverty industries are embracing an investment philosophy called social finance, which claims that private profit-making can create positive benefits for society. Attempting to resolve the problems of capitalism from within the system, social finance reframes finance as a force for engendering, rather than disrupting, the public good. This article argues that social finance raises theoretical concerns for geographical research on finance, poverty, and neoliberalizing capitalism. I outline a typology of social finance’s forms and propose a geographical research agenda, arguing that social finance practitioners’ simplistic framings of geography belie many other geographies that constitute what is both an emerging financial marketplace and a logic of poverty regulation.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,036
Communication savante0,0070,009
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,037
Tête enseignante GPT0,292
Écart entre enseignants0,255 · 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'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

Citations95
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProgress in Human GeographyMême sujetCommunity Development and Social ImpactTravaux en français237 207