MétaCan
Menu
Retour à la cohorte
Enregistrement W2889584377 · doi:10.1111/dech.12454

The Truncated Commercialization of Microinsurance and the Limits of Neoliberalism

2018· article· en· W2889584377 sur OpenAlexfundno aff
Nick Bernards

Notice bibliographique

RevueDevelopment and Change · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing, Finance, and Neoliberalism
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésMicroinsuranceCommercializationCommodificationNeoliberalism (international relations)BiopowerEconomicsSecuritizationEconomic growthPovertySociologyBusinessPolitical economyPolitical scienceMarket economyMarketingLawFinance

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Microinsurance — defined as low‐cost insurance products targeting low‐income populations — exemplifies key themes in contemporary neoliberalism, and has figured prominently in neoliberalism's turn to discourses such as ‘risk management’ and ‘financial inclusion’. The development of commercial markets for microinsurance, however, has in practice been highly variable and often very limited. This article considers the implications of this process of ‘truncated commercialization’. It draws on a Polanyian analytical framework that emphasizes the contradictory regulatory dynamics involved in the commodification of labour. The article applies this approach by tracing multiscalar efforts to promote microinsurance, examining the emergence of the concept in the efforts of the International Labour Organization to promote social security for informal workers in the 1980s and 1990s, looking at the adoption of explicitly commercializing imperatives in the work of the International Association of Insurance Supervisors in the 2000s, and, finally, considering a case study of South Africa. The truncated commercialization of microinsurance, it is argued, provides a useful lens through which to see the practical impossibility of neoliberal development strategies.

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)0,007
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,038
Communication savante0,0060,007
Science ouverte0,0010,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,061
Tête enseignante GPT0,233
Écart entre enseignants0,171 · 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'étudeThéorique ou conceptuel
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDevelopment and ChangeMême sujetHousing, Finance, and NeoliberalismTravaux en français237 207