MétaCan
Menu
Retour à la cohorte
Enregistrement W4405547777 · doi:10.3390/jrfm17120566

Higher Education Loan Schemes Across the Globe: A Systematic Review on the Utility Derived and Burden Associated with Educational Debt

2024· review· en· W4405547777 sur OpenAlexvenueno aff
Daniel Frank, Rakshith Bhandary, K. A. V. Roossvelt Prabhu

Notice bibliographique

RevueJournal of risk and financial management · 2024
Typereview
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubsidyBeneficiaryGlobeLoanDebtActuarial scienceEconomicsPublic economicsGovernment (linguistics)FinanceBusiness

Résumé

récupéré en direct d'OpenAlex

Education is considered an investment in human capital that is gained at the cost of knowledge acquisition. This cost is borne by the beneficiary along with subsidy provided by the government, if any, that is mainly collected through tax revenues. This article aims to systematically review the utility derived and the burden experienced with educational debt borrowers across the globe as per the three types of educational loan schemes present across the globe. This study follows the PRISMA guidelines for review selection, and 47 articles published between 1994 and 2024 were included for the final review. The study results reveal that education improves the quality of life; an educational debt servicing to income ratio above 8% is considered as a financial burden. Also, the results reveal that material benefits are high after education along with an increase in the psychological burden because of repayment concerns. This study highlights the need to move towards designing a flexible repayment system in the education loan scheme based on the income contingent schemes adopted in many countries. Income contingent schemes reduce the repayment burden of the borrowers but the return to the lender is limited to the income of the borrower, and mortgage-based schemes are associated with high repayment burden. Therefore, a dynamic scheme will fix the problems associated with the repayment burden by creating a dynamic link between the benefits received and the contributions made by the borrower.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,635
Score d'incertitude au seuil0,922

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,019
Tête enseignante GPT0,283
Écart entre enseignants0,263 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207