MétaCan
Menu
Retour à la cohorte
Enregistrement W7145419594

貧困層の社会的包摂に取り組むスペインのマイクロクレジット

2011· article· ja· W7145419594 sur OpenAlexaboutno aff
ひろみ 坪井, Hiromi Tsuboi

Notice bibliographique

RevueInstitutional Repositories DataBase (IRDB) · 2011
Typearticle
Langueja
DomaineEconomics, Econometrics and Finance
ThématiqueCommunity Development and Social Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUnemploymentFinancial institutionQuarter (Canadian coin)Focus groupInstitutionSocial assistanceImmigration
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Spanish National Statistics Institute reported that the total number of residents in Spain as of January 1, 2011 was 47,150,819 inhabitants, and out of them 5,730,667 were foreign nationals, representing 12.2% of the total number registered. It also reported that in the first quarter of 2011, the number of unemployed persons stood up 4,910,200 and the unemployment rate reached 21.29% which was the highest in the European Union. Apart from the registered population, it is said that a large number of illegal immigrants live in Spain, looking for decent jobs. Under the current situation, a lot of microcredit institutions have provided the poor with small-uncollateralized loans to alleviate poverty. Their strategies are focused mainly on the limited financial support. In 2009, one microcredit institution launched upon a new project which organized the poor and adopted an integrated approach that both financial supports and non-financial ones were implemented. This paper examines how this project tries to include the poor among the community, with a focus on financial supports and non-financial ones. First, it provides a general overview of this project. Then, it describes the relationship between the project side and the project's group members. Finally, it suggests that this project is a social business which contributes to social inclusion.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,866
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,097
Tête enseignante GPT0,250
Écart entre enseignants0,154 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstitutional Repositories DataBase (IRDB)Même sujetCommunity Development and Social ImpactTravaux en français237 207