MétaCan
Menu
Retour à la cohorte
Enregistrement W2890719073 · doi:10.1108/jima-01-2017-0002

Determinants of low adoption of Islamic banking in Pakistan

2018· article· en· W2890719073 sur OpenAlexaff
Irfan Butt, Nisar Ahmad, Amjad Naveed, Zeeshan Ahmed

Notice bibliographique

RevueJournal of Islamic marketing · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIslamic Finance and Banking Studies
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésIslamBusinessIslamic bankingBusiness administrationGeography

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to examine the reasons behind low penetration of Islamic banking in Pakistan. Specifically, the study investigates the differentiation of Islamic banks (IBs) from conventional banks, the role of religion in choosing Islamic banking and the perception of IBs amongst the consumers. Design/methodology/approach The study uses a mixed-method approach, qualitative research along with a survey of users of conventional and Islamic banking. Factor analysis identified underlying dimensions and cluster analysis ascertained the differences between users and non-users of Islamic banking. Inferential statistics were used to test purported hypotheses. Findings The study finds that the users and non-users both perceive that Islamic banking is not completely interest-free. Furthermore, consumers presume that IBs are more of eyewash and are not truly practicing Islamic banking. Moreover, religion is not a major factor that attracts new users but there are also other important factors in marketing Islamic banking, such as service quality, convenience, branch network, etc. Originality/value This is one of the sparse studies in the field of Islamic banking consumer behaviour, which uses focus groups of users and non-users, and in-depth interviews of experts, to identify the issues and factors considered relevant and important by the users rather than relying only on literature review. Furthermore, it also provides a profile of users versus non-users of Islamic banking which is very useful for segmentation and targeting of customers.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,009
Tête enseignante GPT0,254
Écart entre enseignants0,245 · 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

Citations66
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Islamic marketingMême sujetIslamic Finance and Banking StudiesTravaux en français237 207