MétaCan
Menu
Retour à la cohorte
Enregistrement W4364366840 · doi:10.1142/9789811266539_0011

Social Stock Exchange: The Way Forward for India

2023· book-chapter· en· W4364366840 sur OpenAlexaboutno aff
Priyanka Marwah, Anshi Goel, Saloni Arora

Notice bibliographique

RevueWORLD SCIENTIFIC eBooks · 2023
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStock exchangeBusinessFinancial economicsEconomicsFinance

Résumé

récupéré en direct d'OpenAlex

Social entrepreneurs have the potential to make a significant impact on the socio-economic development of the nation, but they struggle to find sustained funding. Social Stock Exchange can aid such for-profit social enterprises by bridging the funding gap and creating an investment ecosystem. A Social Stock Exchange (SSE) is a regulated platform to bring together social organizations to raise capital and impact investors to make financial returns while ensuring social and environmental sustainability at large. Globally, SSEs are already instituted in a handful of countries including Canada, Singapore, South Africa and the United Kingdom. In India, the vision of SSE was first floated by Union Finance Minister Nirmala Sitharaman in her budget speech in July 2019 to achieve various social welfare objectives related to inclusive growth and financial inclusion. Thereafter, in September 2019, the Securities Exchange Board of India (SEBI) constituted a working group to propose a feasible architecture for setting up the SSE mechanism. On September 28, 2021, SEBI approved the creation of the SSE under its regulatory ambit, providing a renewed impetus to social entrepreneurs and impact investors in the country. There is a dearth of research on SSEs in the public domain; therefore, this chapter attempts to do exploratory research striving to evaluate India’s framework of SSE approved by SEBI in contrast to the global models of SSEs.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,409
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,003

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 Opus0,080
Tête enseignante GPT0,258
Écart entre enseignants0,178 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWORLD SCIENTIFIC eBooksMême sujetMicrofinance and Financial InclusionTravaux en français237 207