LES PRINCIPAUX PROBLÈMES DE L’INEFFICIENCE DU SYSTÈME BANCAIRE TUNISIEN
Notice bibliographique
Résumé
Notre article présente une analyse de l’efficience du secteur bancaire en comparant le niveau d’efficience des banques privées et des banques publiques. En effet, la situation difficile par laquelle passent les banques publiques tunisiennes nous pousse à déterminer les causes de l’inefficience de ces banques et nous oblige à chercher les solutions possibles à ce problème. Parmi les solutions possibles, on trouve trois cas : fusion, recapitalisation et privatisation. Notre échantillon est constitué de toutes les banques commerciales tunisiennes pendant la période 2005-2014. Pour mesurer l’efficience de ces banques, nous utilisons spécification translogarithmique pour la fonction de coût. Les résultats montrent que les banques publiques sont plus inefficientes que les banques privées qui ont une taille plus faible : les banques privées enregistrent des scores d’efficiences les plus élevées, avec une moyenne sectorielle de l’ordre de (81,3 %). En effet, ce sont les risques de crédits qui sont la cause principale de l’inefficience technique des banques publiques. Ce qui implique que ces dernières ont beaucoup de problèmes de gestion et en particulier de gouvernance.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».