MétaCan
Menu
Retour à la cohorte
Enregistrement W4390928757 · doi:10.5539/ibr.v17n1p19

Investigating Financial Literacy Knowledge, Attitude, and Practice of Malaysian Secondary School Students

2024· article· en· W4390928757 sur OpenAlexvenueno aff
Davamalar Arivalagan, Pavithran Ilangko

Notice bibliographique

RevueInternational Business Research · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFinancial literacyLikert scaleFinanceCurriculumPsychologyMedical educationTest (biology)PopulationBusinessPedagogyMedicineSociologyDemographyDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

Youths are more likely to achieve financial independence and prevent intergenerational poverty with adequate knowledge about finance management. Adequate financial literacy is pertinent to enhance financial knowledge, behaviours, and overall well-being in managing finance from a young. This study aims to assess the financial knowledge, attitude, and practice among 150 high school urban students aged 13 to 17 years. The participants (N=150) completed an online survey questionnaire. The financial knowledge was assessed with 20 knowledge-based questions and 15 attitude and practice-based questions respectively using the Likert scale. Data was analysed using the chi-square test and median value. Results show a significant association between financial knowledge and financial literacy. The higher secondary students had higher scores in the three variables due to the exposure to financial literacy subjects, parental support, and peer influence in financial practices. Financial literacy was also associated with the age of the study population. The study shows that there is a need to implement a formalised curriculum to increase financial literacy among secondary students to have a more robust and positive implication on the students’ financial practices for the future. The study is significant in creating awareness and empowering the students with the necessary financial literacy skills.

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)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,218
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0020,004
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,043
Tête enseignante GPT0,400
Écart entre enseignants0,356 · 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'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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207