Agent bankers and customer victimization in Ado City, Nigeria
Notice bibliographique
Résumé
Criminal victimization against agent bankers and their customers has recently been on the increase, and the multiplier effect is a major socio-economic problem that could cause a downturn in the economy. This study examines the exposure of agent bankers and their customers to criminal victimization in Ado city, Nigeria. Specifically, the study explores the forms of criminal victimization against agent bankers and their customers, examines the consequences of criminal victimization, looks into the cases of agent bankers and customer victimization, and determines the preventive measures adopted by agent bankers and their customers against victimization. Lifestyle-routine activity theory was deployed as the conceptual framework. An exploratory research design and snowball and purposive sampling with key informant and in-depth interviews were used to interview 12 victimized and non-victimized agent bankers and their customers. Interviews were conducted in Fayose market, King market, Bisi market, and Irona market. Findings reveal that agents’ bankers and their customers were being targeted by criminals who use non-violent tactics. The eagerness of the agent bankers to transact business brings a measure of carelessness to their business dealings. This carelessness and lack of security measures exposes them to motivated offenders. Victimization through fake alert, fraudulent transfer, withdrawal under false pretense, fraudulent alteration, intentional criminal patronage, fake identity, and urgent withdrawal under duress represent the themes found. It is imperative for agent bankers and their customers to set up security measures that could protect them against being victimized.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».