Barriers to informal social protection in Uganda: insights from beneficiaries of Village Savings and Loan Associations
Notice bibliographique
Résumé
Purpose While the success of Village Savings and Loan Associations (VSLAs) has been documented, little is known about the factors affecting their performance, particularly in Uganda. This study investigated the barriers to informal social protection interventions witnessed by beneficiaries of VSLAs in Kampala District and Alebtong District, Uganda. Design/methodology/approach This study employs a quantitative approach using a questionnaire survey to collect data from a sample of 130 beneficiaries. Descriptive statistics were used to analyse the data. Findings The empirical results identified several barriers to informal social protection interventions with reference to VSLAs, with financial, structural and implementation challenges emerging as the most prominent. Statistical analysis confirmed that these challenges are significant, underscoring their critical impact on the effectiveness of the VSLAs. Practical implications These results are essential for policymakers, development practitioners and community leaders seeking to enhance the effectiveness in fostering economic resilience, social cohesion and community empowerment. Originality/value This study’s insights into the differing dynamics between on-farm and non-farm VSLAs provide a foundation for designing context-specific interventions that address the unique challenges faced by each group. Further, by informing targeted strategies to overcome these barriers, the findings contribute to strengthening informal social protection systems in Uganda and other similar contexts. Peer review The peer review history for this article is available at: https://publons.com/publon/10.1108/IJSE-08-2024-0639.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».