MétaCan
Menu
Retour à la cohorte
Enregistrement W7128502261 · doi:10.64903/1480-6800.23.2.89

A Tale of Two Pillars: Emergent Geographies of Islamic Finance in Bahrain and Kuala Lumpur

2020· article· W7128502261 sur OpenAlexvenueno aff
Ryan Dicce, Michael Ewers, Jesse P.H. Poon, Yew Wah Chow

Notice bibliographique

RevueArab world geographer · 2020
Typearticle
Langue
DomaineBusiness, Management and Accounting
ThématiqueIslamic Finance and Banking Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIslamIslamic financeEphemeral keyKuala lumpurFinancial servicesFinancial crisisGeography of finance

Résumé

récupéré en direct d'OpenAlex

Although primarily concentrated in Muslim counties, Islamic banking and finance (IBF) has become a global industry representing both a decentering of the global financial architecture and the emergence of an alternative global-urban network. While geographers have identified the “Mecca’s” of IBF, there remains a need to investigate the constituent elements and processes that define Islamic finance and determine its spatial manifestation organization, as well as the factors which differentiate its global-urban landscape from conventional financial centers. This includes traditional locational factors – the presence of IBF firms and financial professionals, consumer markets, and regulators – but also more dynamic and ephemeral elements, including the significance of global shari’a scholar networks, the nature of secondary bond (sukuk) markets, and the role of governing bodies. Therefore, we examine the urban manifestation of the global IBF industry through a comparative study of leading centers in Manama, Bahrain, and Kuala Lumpur, Malaysia. By presenting results from a survey of financial firms and key-informant interviews with industry actors, it assesses both cities as separate entities to determine geographic variation between centers, while also identifying the similarities between the two, uncovering the essential elements of Islamic financial centers and the various pathways to creation and niches they occupy.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,023
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,006
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,219
Écart entre enseignants0,210 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArab world geographerMême sujetIslamic Finance and Banking StudiesTravaux en français237 207