LES PRINCIPAUX PROBLÈMES DE L’INEFFICIENCE DU SYSTÈME BANCAIRE TUNISIEN
Bibliographic record
Abstract
Notre article présente une analyse de l’efficience du secteur bancaire en comparant le niveau d’efficience des banques privées et des banques publiques. En effet, la situation difficile par laquelle passent les banques publiques tunisiennes nous pousse à déterminer les causes de l’inefficience de ces banques et nous oblige à chercher les solutions possibles à ce problème. Parmi les solutions possibles, on trouve trois cas : fusion, recapitalisation et privatisation. Notre échantillon est constitué de toutes les banques commerciales tunisiennes pendant la période 2005-2014. Pour mesurer l’efficience de ces banques, nous utilisons spécification translogarithmique pour la fonction de coût. Les résultats montrent que les banques publiques sont plus inefficientes que les banques privées qui ont une taille plus faible : les banques privées enregistrent des scores d’efficiences les plus élevées, avec une moyenne sectorielle de l’ordre de (81,3 %). En effet, ce sont les risques de crédits qui sont la cause principale de l’inefficience technique des banques publiques. Ce qui implique que ces dernières ont beaucoup de problèmes de gestion et en particulier de gouvernance.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".