MétaCan
Menu
Retour à la cohorte
Enregistrement W2967538235 · doi:10.5430/ijfr.v10n6p42

Do Enforcement, Religiosity and Peer Influence Zakah Compliance Behavior?

2019· article· en· W2967538235 sur OpenAlexvenueno aff
Saeed Awadh Bin‐Nashwan, Hijattulah Abdul-Jabbar, Saliza Abdul Aziz

Notice bibliographique

RevueInternational Journal of Financial Research · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIslamic Finance and Banking Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Utara Malaysia
Mots-clésIslamPovertyReligiosityCornerstoneEnforcementBusinessCompliance (psychology)ShariaEconomic growthDevelopment economicsPolitical sciencePsychologyEconomicsLawSocial psychologyGeography

Résumé

récupéré en direct d'OpenAlex

Although Zakah (Islamic tax) is considered to be a cornerstone of Islamic social system and mechanism for eradicating poverty among Muslim communities, the realization of noble socio-economic objectives of Zakah in most Muslim countries have so far remained a mirage. They are unable to bring out the destitute poor from the poverty trap and help the oppressed to be a self-reliant as possible. Low Zakah collection is one of the most crucial reasons behind this phenomenon. Yemen, for instance, is one of the poorest low-income countries in the world. In such a hard situation, Zakah has failed to appropriately fit as a fiscal instrument in fighting the plight of poverty. Therefore, this study aims to examine the determinants of Zakah payers’ decision to comply with Zakah laws. A Survey questionnaire was administered to 500 business owners (Zakah payers) out of which 274 usable questionnaires for further analysis. Based on PLS-SEM outcomes, the study revealed that Islamic religiosity and peer influence are significantly related to business Zakah compliance, while law enforcement had no influence on compliance. The findings are relevant to Zakah authorities in Yemen and Muslim countries to focus their attention on formulation of policies to further boost Zakah collection.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,326
Score d'incertitude au seuil0,327

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,061
Tête enseignante GPT0,371
Écart entre enseignants0,310 · 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

Citations23
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetIslamic Finance and Banking StudiesTravaux en français237 207