Bangladeshi Experience in Adapting Financial Services to Cope with Floods.” Study supported by USAID
Notice bibliographique
Résumé
Project, contract number PCE-C-00-96-90004-00. Warren Brown has worked with the Research and Policy Unit at Calmeadow since May 1999. During his time at Calmeadow, Mr. Brown has been responsible for managing and conducting research for the Ford Foundation and USAID's MBP Project on the current state of the practice in microinsurance. Prior to Calmeadow, he worked as a consultant for Monitor Company, an international strategy consultancy. While at Monitor, Mr. Brown worked with Canadian financial services clients in areas such as new market assessment, customer research and product development. Geetha Nagarajan works for Calmeadow in Washington, D.C, where she manages the microbanking standards project that establishes performance standards and benchmarks for the microfinance industry. She has been researching microfinance and institutional risk management focusing on areas affected by conflicts and natural disasters for the past four years. Dr. Nagarajan has consulted with the ILO, IDB, and USAID on these projects, and her reports have been widely disseminated among policy makers and practitioners. In addition, Dr. Nagarajan has been engaged in research on Africa and Asia on rural financial issues for the past 10 years. She is the author of the MBP publication “Microfinance in the Wake of Natural Disasters: Challenges and
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».