Questioning Bangladesh's Microcredit
Notice bibliographique
Résumé
Abstract The microcredit (MC) program of Bangladesh has been a well-known success story for generation of self-employment, and poverty alleviation. Variants of this MC model are being implemented in more than 60 different countries of the world. It has become almost a universal antidote for poverty especially from 2006 when Professor Muhammad Yunus the founder of the Grameen Bank (GB) and the bank itself shared the Nobel peace prize. Although the GB is the pioneer of MC program in Bangladesh, there are many other nongovernmental organizations (NGO)s that offer the same program in Bangladesh in different forms and names. The providers of MCs claim that the overwhelming majority of the borrowers are using the loan funds profitably for productive purposes, repaying the loans and interest regularly, and thus improving their socio-economic conditions steadily.The findings of the present study are somewhat contrary and disturbing to the claim of the MC programs. This study finds that a bulk of the MC is borrowed for non productive purposes. About one quarter of the borrowers use the credit exclusively for consumption and debt repayment purposes. Nearly half of them use the credits entirely for investment purposes. For all, the return on investment is very meager. About two-third of the borrowers, on average have an impressive 83% net return on investment available for payment of interest and dividend in addition to the principal. But in case of as high as one third of them, average return on investment is not enough even to cover the most minimum or tolerance level of wages for family labors, let alone paying any interest and making any profit after keeping aside the principal.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,211 | 0,821 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».