MétaCan
Menu
Retour à la cohorte
Enregistrement W4381586695 · doi:10.3390/jrfm16050262

Impact of Financial Inclusion on India’s Economic Development under the Moderating Effect of Internet Subscribers

2023· article· en· W4381586695 sur OpenAlexvenueno aff
Aman Pushp, Rahul Singh Gautam, Vikas Tripathi, Jagjeevan Kanoujiya, Shailesh Rastogi, Venkata Mrudula Bhimavarapu, Neha Parashar

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFinancial inclusionThe InternetSustainable growth rateInclusion (mineral)Sustainable developmentBusinessInternet accessSample (material)Economic growthDevelopment economicsEconomicsPolitical scienceFinanceFinancial servicesSocial scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Financial inclusion is an emerging economic growth paradigm, especially in developing economies like India. It is an essential barometer for the all-encompassing growth of a country and its economy. However, there is still a debate regarding the effect of Financial Inclusion (FI) on achieving sustainable development. This study aims to determine if FI helps achieve Sustainable Development Growth (SDG) in India and if internet subscribers significantly influence the connection between FI and SDG. Secondary data from 16 states and one UT in India have been collected for 2017–2019. Therefore, the sample data is recent and covers a large country span. The data source is NITI Aayog and PMFBY (“Pradhan Mantri Fasal Bhima Yojana”) reports. The findings of this research are that FI has a positively significant relationship with sustainable development goals (SDG) in India. However, when the internet subscribers are high, the FI’s positive association with SDG gets reduced. PMFBY and SDG have been used for the first time, along with internet subscribers as moderators. The outcome has direct policy implications for improving the nation’s financial inclusion and economic growth.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,013
Tête enseignante GPT0,237
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations22
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetMicrofinance and Financial InclusionTravaux en français237 207