Understanding the disparity in financial capability across individuals' social locations: A new dimension of inequality
Notice bibliographique
Résumé
In recent years, social work scholars have focused on financial capability to help individuals and families experiencing increasing disparities in wealth and income. Although a number of studies have examined the association between individuals' levels of financial knowledge and their financial behaviour and practices, we know little about how financial knowledge varies across individuals living in different social locations, including age, gender, and income statuses. In this dissertation, I used quantitative data from the 2009 and 2014 Canadian Financial Capability Survey and qualitative data collected from key informants to examine the disparity in financial knowledge and confidence and to identify groups that are disadvantaged. Findings suggest that older adults significantly overestimate their levels of financial knowledge, which implies vulnerability to financial fraud, exploitation, and abuse. Findings also suggest that individuals living in low-income have significantly lower levels of financial knowledge than their non-low-income counterparts. But no gender gap in financial knowledge was found within both low-income and non-low-income groups. The findings of the qualitative inquiry complemented the findings of the quantitative studies. In addition, the findings of the qualitative inquiry suggest that financial knowledge is contextual and driven by financial practices. Findings also suggest that financial knowledge alone is not sufficient to make informed financial decisions; individuals need financial confidence, access to financial products and services, and sufficient income to achieve financial wellbeing.Building financial knowledge among vulnerable groups such as older adults and those in poverty needs to be a policy and practice priority. Because social workers work closely with vulnerable and disadvantaged groups, they can help older adults, and individuals and families in poverty enhance financial wellbeing through building awareness, financial knowledge, and confidence and advocate for policies.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,005 | 0,010 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».