MétaCan
Menu
Retour à la cohorte
Enregistrement W3033086507 · doi:10.1177/0003122420920647

Elaborating on the Abstract: Group Meaning-Making in a Colombian Microsavings Program

2020· article· en· W3033086507 sur OpenAlexafffund
Laura Doering, Kristen McNeill

Notice bibliographique

RevueAmerican Sociological Review · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIslamic Finance and Banking Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Toronto
Mots-clésGovernment (linguistics)PreferenceOddsFinancial servicesDisseminationPublic relationsProcess (computing)Meaning (existential)MarketingBusinessSociologyEconomicsFinancePolitical sciencePsychology

Résumé

récupéré en direct d'OpenAlex

Access to formal financial products like savings accounts constitutes a hallmark feature of economic development, but individuals do not uniformly embrace these products. In explaining such financial preferences, scholars have focused on institutional, cultural, and material factors, but they have paid less attention to organizations and small groups. In this article, we argue that these factors are crucial to understanding financial preferences. We investigate a government-sponsored microsavings program in Colombia and find that participants became less interested in banking services over the course of the program, even as they gained access to appropriate accounts and their savings increased. Turning to qualitative data to understand this curious finding, we show that organizational efforts to disseminate abstract information about banking triggered a process of “elaboration” among group members, leading many to develop financial preferences at odds with those promoted by the government. This study integrates insights from economic sociology, organizational theory, and microsociology to advance theories of financial preference. In doing so, we reveal how organizational efforts to compress information, followed by group efforts to personalize and expand upon the information, can shape preferences and potentially undermine organizational goals.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,788
Score d'incertitude au seuil0,499

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,044
Tête enseignante GPT0,298
Écart entre enseignants0,254 · 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'étudeSans objet
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

Citations8
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Sociological ReviewMême sujetIslamic Finance and Banking StudiesTravaux en français237 207