MétaCan
Menu
Retour à la cohorte
Enregistrement W4411618381 · doi:10.51847/wdp4ehc6a9

10.51847/wDp4EHC6a9

2000· article· en· W4411618381 sur OpenAlexvenueno aff

Notice bibliographique

RevueTime to knit · 2000
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInsurance and Financial Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRanking (information retrieval)Investment (military)Life insuranceActuarial scienceBusinessInsurance premiumComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The life insurance is considered as a means for investment as well as to overcome problems resulting from ageing and death of the householder.In many countries, insurance premiums create considerable financial resources which can be used for the development of the insurance industry or other parts and to provide people with much more services.Among the most important indices to assess the insurance industry performance, the amount of insurance premium and its growth could be stated to have the most importance from the aspect of the situation and extension of the insurance industry.The present research aims to assess key factors for demanding life insurance and investment on insurance premium.So, deducing effectual variables in this alternative could be effectual for designing a decision making model especially for manages, brokers and agencies of insurance companies.The questionnaire was designed in Likert scale and distributed among 235 residents of Tehran in Iran.Cronbach alpha is calculated as %86, which is well above the minimum desirable limit of 0.70.The study investigates 23 factors and extracts four important ones, which are econometric factors, the marketing performance factors, personal factors, and sociocultural factors.In this paper for analyzing the data, SPSS and Amos software's were used.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,044
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,9560,947

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 GPT0,165
Écart entre enseignants0,154 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 sujetInsurance and Financial Risk ManagementTravaux en français237 207