MétaCan
Menu
Retour à la cohorte
Enregistrement W4292794396 · doi:10.29333/ajqr/12290

Meeting Needs and Seeking Peace: Experiences of Micro-Finance Loan Recipient Women of Karachi, Pakistan

2022· article· en· W4292794396 sur OpenAlexaff
Farhana Madhani, Catherine Tompkins, Susan M. Jack, Carolyn Byrne

Notice bibliographique

RevueAmerican Journal of Qualitative Research · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensMcMaster UniversityBrock University
Organismes subventionnairesnon disponible
Mots-clésLoanMicro financeBusinessPolitical scienceEconomic growthFinanceEconomicsMicrofinance

Résumé

récupéré en direct d'OpenAlex

The association between socio-economic status and health is well established. While involvement in a micro-finance program has been shown to reduce poverty among women, little is known about how this involvement impacts their mental health. Using interpretive descriptive methodology, this qualitative study explored women’s perceptions of how their participation in micro-finance programs influenced their mental health. Data were collected and analyzed through interviews with 32 urban-dwelling women from Karachi, Pakistan who have been micro-finance loan recipients for a period of 1 to 5 years. Women recognized micro-finance programs as being a major inspiration towards enhancing their mental health. The majority of participants, regardless of the number of years they held a micro-finance loan, revealed that seeking micro-loans and establishing income-generation activities assisted them to reduce tensions related to meeting their fundamental needs. Among the few participants who were not experiencing positive mental health at the time of the interview, they could foresee hope towards a better and an improved state of mental health. The need for and the importance of vocational skills training, economic stability, opportunity for education and environmental safety were echoed by these “everyday women” of Pakistan. Multiple stakeholders and micro-finance program should work collaboratively for the promotion of mental health determinants.

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)0,013
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,551

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,124
Tête enseignante GPT0,433
Écart entre enseignants0,308 · 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'étudeQualitatif
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Qualitative ResearchMême sujetMicrofinance and Financial InclusionTravaux en français237 207