MétaCan
Menu
Retour à la cohorte
Enregistrement W4409151675 · doi:10.2478/irfc-2024-0007

What does numeracy add? Exploring financial literacy, numeracy and other skills amongst low-income adults in Canada and the UK

2024· article· en· W4409151675 sur OpenAlexaffabout
Adèle Atkinson, Jerry Buckland, Emily Harle

Notice bibliographique

RevueInternational Review of Financial Consumers · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensCanadian Mennonite University
Organismes subventionnairesnon disponible
Mots-clésNumeracyFinancial literacyLow incomeLiteracyAdult literacyPsychologyMedical educationDemographic economicsBusinessFinancePedagogyEconomicsMedicine

Résumé

récupéré en direct d'OpenAlex

ABSTRACT There has been surprisingly little research about the role of numeracy in adult financial literacy, and the few existing studies available lead to contradictory findings. This paper takes a qualitative approach to explore the extent to which low-income adults in high-income economies use financial literacy and numeracy in their financial lives. Financial literacy is assessed in terms of three domains -- ‘keeping track’; ‘making ends meet’ and ‘staying informed’ -- via semi-structured interviews and background information on participants. Participants are also categorised into three groups based on discussion about their numeracy: ‘formally capable’, ‘informally capable’, and ‘uncomfortable’. Some participants exhibit elements of financial literacy but little or numeracy. There is no evidence that numeracy is essential, but having a variety of skills to draw on, potentially including numeracy, appears to be beneficial for low-income adults. The research contributes to the literature in two ways. It provides deeper understanding of the role of numeracy and also identifies two additional skillsets which appear to benefit low-income adults: digital skills and the ability to communicate clearly and advocate for oneself.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,215

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0050,003
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,007
Tête enseignante GPT0,235
Écart entre enseignants0,228 · 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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Review of Financial ConsumersMême sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207