MétaCan
Menu
Retour à la cohorte
Enregistrement W3124213910 · doi:10.1080/1369183x.2020.1870443

Examining the financial knowledge of immigrants in Canada: a new dimension of economic inequality

2021· article· en· W3124213910 sur OpenAlexafffundabout
Mohammad Nuruzzaman Khan, Ilyan Ferrer, Young Tack Lee, David W. Rothwell

Notice bibliographique

RevueJournal of Ethnic and Migration Studies · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensUniversity of CalgaryUniversity of Manitoba
Organismes subventionnairesUniversity of Calgary
Mots-clésImmigrationDemographic economicsVulnerability (computing)FinanceFinancial riskFace (sociological concept)Financial literacyBusinessEconomicsPolitical scienceSociologySocial science

Résumé

récupéré en direct d'OpenAlex

Immigrant populations in developed societies face challenges to economic integration and are at high risk for financial precarity. Both structural and individual factors may contribute to the precarious financial lives of immigrants. Financial knowledge, which refers to individuals’ understanding of everyday finances, is considered one of the individual-level factors that influence individuals’ financial well-being. To date, limited work has examined the financial knowledge of immigrant populations. In this study, we used data from the 2009 and 2014 Canadian Financial Capability Survey (N = 22,204) to understand the levels of financial knowledge of immigrants. Our findings suggest that immigrants have significantly lower levels of financial knowledge than their Canadian-born counterparts. Among immigrants, those with a shorter stay in Canada have significantly lower levels of financial knowledge compared to those with a longer stay. Some other groups, such as older adults, females, and those with lower levels of education and income have lower levels of financial knowledge than other groups, which puts them at higher risk for financial fraud, abuse, and exploitation. Building financial knowledge and adopting inclusionary financial policies will help protect immigrant populations from financial vulnerability and enhance their financial well-being.

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 enseignants0,726
Score d'incertitude au seuil0,799

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 Opus0,078
Tête enseignante GPT0,302
Écart entre enseignants0,225 · 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

Citations11
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Ethnic and Migration StudiesMême sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207