MétaCan
Menu
Retour à la cohorte
Enregistrement W4412615791 · doi:10.3390/jrfm18080408

Social Preference Parameters Impacting Financial Decisions Among Welfare Recipients

2025· article· en· W4412615791 sur OpenAlexvenueno aff
Jorge N. Zumaeta

Notice bibliographique

RevueJournal of risk and financial management · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensnon disponible
Organismes subventionnairesFlorida International University
Mots-clésPreferenceWelfareSocial WelfareEconomicsPsychologyActuarial scienceBusinessPublic economicsPolitical scienceMicroeconomics

Résumé

récupéré en direct d'OpenAlex

This research study focuses on the social preference parameters and financial decisions among welfare populations receiving social benefits in Miami, Florida. Understanding the attitudes and primary motivations that shape financial decision-making is of great interest to economists, marketers, and other social scientists. The implications of developing a solid understanding of these attitudes and motivations are vast in terms of erecting tangible and sensitive workforce development policies to assist the specific population studied. This study is designed to determine whether significant differences exist in the strength of preference parameters between welfare participants and other populations. The preference parameters assessed in this paper were self-interest, altruism, trust, and reciprocity, both positive and negative. The control group in this study is college students. The results from the experiments show that welfare recipients exhibit similar behavioral patterns and make financial decisions in a manner similar to the general population. In other words, the control group and the experimental group did not differ significantly in their financial decision processes. This finding has several implications for how economists and policymakers assess and approach policymaking; nevertheless, the question remains whether or not there are other preference parameters that differ between the two groups.

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)0,009
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,037
Tête enseignante GPT0,322
Écart entre enseignants0,284 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207