MétaCan
Menu
Retour à la cohorte
Enregistrement W3154361730 · doi:10.24908/iqurcp.9846

A Different Kind of Subprime: Risk Management in Microcredit Lenders and their Implications on Debtors

2018· article· en· W3154361730 sur OpenAlexvenueno aff
Graeme Mckinnon-Nestman

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMicrofinanceMainstreamFinancial inclusionBusinessEntrepreneurshipFinancial servicesStatus quoScope (computer science)Small businessRisk managementFinancial innovationFinanceEconomicsEconomic growthMarket economyPolitical science

Résumé

récupéré en direct d'OpenAlex

Microfinance is a movement which aims to promote financial inclusion and empower individuals through small loans (as well as other services) to finance business ventures in the developing world and beyond. Microfinance aims to meet the financial needs of individuals who are left out of the scope of more mainstream financial services, while avoiding the perceived shortfalls of traditional aid such as dependence. Along with the expansion of microfinancial institutions (MFIs) since the turn of the century and the proliferation of the internet, diligent and prudent management of these institutions has never been of greater importance. Though there is a lot of research on entrepreneurship, business, finance, andmanagement concerning more mainstream practices, it is clear that microfinance is at a frontier of modern commerce. Risk is basic to all business (as well as life in general) and in order for the microfinance movement to maintain its growth, it must be self-sustaining while maintaining its ability to assist meaningful development. This presentation will compare the risk management practices standard to MFIs now, as well as look at how risk is fundamentally different to small entrepreneurship in developing regions in comparison to developed economies. In doing so, it should shed light on the financing needs and realities of target individuals and see how MFIs in the status quo are able to meet them. From this we should seewhere the shortfalls currently lie and where things may be improved.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,103
Tête enseignante GPT0,327
Écart entre enseignants0,224 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference ProceedingsMême sujetMicrofinance and Financial InclusionTravaux en français237 207