MétaCan
Menu
Retour à la cohorte
Enregistrement W7044264890

ПОТРЕБИТЕЛЬСКОЕ КРЕДИТОВАНИЕ В РОССИИ: ОСНОВНЫЕ ПРОБЛЕМЫ НА СОВРЕМЕННОМ ЭТАПЕ

2022· article· en· W7044264890 sur OpenAlexaboutno aff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSocioeconomic and Demographic Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDebtSolvencyConsumer debtQuarter (Canadian coin)LoanPopulationConsumer confidence indexConsumption (sociology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This article is devoted to the current state and problems of consumer lending in Russian commercial banks. As a result of the research, it was found that during the analyzed period, the volume of consumer lending in Russia increased, reaching the level of 17 475 billion rubles in December 2019. Almost half of the working population of Russia has consumer loans. In January - February 2020, 2.61 million consumer loans were issued. The identified problems in the sphere of consumer lending included: unsecured loans, a decrease in the solvency of the population, a fairly rapid spread of Express lending (from January 2018 to January 2019, the growth in the volume of issued POS loans amounted to 8.8%), high interest rates on consumer loans, and as a result, a high percentage of non-repayment of loans. The share of overdue debt on consumer loans is still quite high, although it has a reduction dynamics. in the 4th quarter of 2019, the decrease in the share of overdue debt on consumer loans is typical for almost all regions. In January 2020, the reduction of consumer loan debt (15.5%) continued.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,313
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0050,005
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,3130,000

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 Opus0,166
Tête enseignante GPT0,512
Écart entre enseignants0,346 · 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 tête enseignante, pas un consensus.

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetSocioeconomic and Demographic AnalysisTravaux en français237 207