MétaCan
Menu
Retour à la cohorte
Enregistrement W4411618291 · doi:10.51847/tj59bi78um

10.51847/tJ59bi78Um

2000· article· en· W4411618291 sur OpenAlexvenueno aff

Notice bibliographique

RevueTime to knit · 2000
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMicro financeReduction (mathematics)Scale (ratio)Training (meteorology)BusinessFinanceAgricultural economicsMedicineSocioeconomicsEconomicsGeographyEconomic growthMicrofinanceCartographyMathematics

Résumé

récupéré en direct d'OpenAlex

Capacity building through training is now considered a vital component in maintaining competitiveness in the agricultural sector of less developed country like Pakistan.The study is conducted on beneficiary farmers at grass root level interested in getting loans from banks for crop production techniques and financial management inter alia.This was aimed at improving the loan repayment performance of the project beneficiary farmers.The sub-urban area of district Lahore and Kasur has been used as a pilot study to mainly assess the effects of training on loan repayment among the beneficiary small scale farmers regarding Agricultural and Micro Financing facilities from Banks & Specialized Financial Institutions.Questionnaires were administered to collect data from 150 respondents, sampled using the Judgmental or Purposive Sampling Technique.The data collected were analyzed using the SPSS-20 software and the descriptive statistical tools of frequency, regression and correlation for relationships of variables have been applied.The results showed that farmers obtained higher crop yields resulting from the application of the crop production methods trained in the SBP also needs to improve upon its frequency and timing of monitoring and recovery of the funds disbursed under the project.The SBP should also consider including in its training regime effective marketing strategies to enable the farmers sell their produce and pay off the loan in time to minimize Non-Performing Loans.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,916
Score d'incertitude au seuil0,691

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,9880,995

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 Opus0,011
Tête enseignante GPT0,167
Écart entre enseignants0,155 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTime to knitMême sujetMicrofinance and Financial InclusionTravaux en français237 207