MétaCan
Menu
Retour à la cohorte
Enregistrement W3040178787 · doi:10.5267/j.ac.2020.6.022

Demographic characteristics, personality characteristics, and the level of student’s financial literacy

2020· article· en· W3040178787 sur OpenAlexvenueno aff
Gatot Nazir Ahmad, Sholatia Dalimunthe, Siti Thahirah, Hania Aminah

Notice bibliographique

RevueAccounting · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueGrit, Self-Efficacy, and Motivation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFinancial literacyResidencePersonalityPsychologyLogistic regressionPopulationSample (material)LiteracyFinanceDemographic economicsDemographySocial psychologyEconomicsPedagogySociologyMedicine

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to analyze the demographic and personality characteristics toward the level of student's financial literacy. We use gender, age, parental income, pocket money, and place of residence as the proxies of demographic characteristics. In addition, financial attitude, and financial behavior are considered as proxies of personality characteristics. The population of this research is the students of business/management department of Universitas Negeri Jakarta. We use 194 students as the sample which represents twenty percent of population. The result of this study shows that the level of financial literacy of the students is in middle category. We use logistic regression as the statistical tool and also found that several proxies like age, pocket money, and financial behavior had positive effects toward the level of student's financial literacy. However, other proxies like residence and financial attitude had a negative sign on financial literacy. While gender and parental income had no significant effect on financial literacy.

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 enseignants0,068
Score d'incertitude au seuil0,510

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 savante0,0000,000
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 Opus0,063
Tête enseignante GPT0,320
Écart entre enseignants0,257 · 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

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccountingMême sujetGrit, Self-Efficacy, and MotivationTravaux en français237 207