MétaCan
Menu
Back to cohort
Record W7000301183

Evolución de la Cobertura del del Sistema de seguros y Pensiones en el Perú en Términos de Inclusión y Profundidad periodo : 2012 - 2017

2021· dissertation· es· W7000301183 on OpenAlexaboutno aff

Bibliographic record

Venuerenati · 2021
Typedissertation
Languagees
FieldBusiness, Management and Accounting
TopicFinancial Literacy, Pension, Retirement Analysis
Canadian institutionsnot available
Fundersnot available
KeywordsValue (mathematics)Quarter (Canadian coin)
DOInot available

Abstract

fetched live from OpenAlex

La presente investigación tiene como objetivo determinar la evolución de la cobertura \nde los sistemas de Seguros y Pensiones, en términos de la inclusión y profundización \nfinanciera en el Perú, la delimitación temporal abarca los años 2012 al 2017. La hipótesis \nplantea que “El mayor acceso y uso de los servicios de seguros y pensiones en el Perú ha \ngenerado la mayor profundidad financiera en la economía peruana”. El estudio es de tipo \ndescriptivo longitudinal, en donde se contrasta las teorías de la inclusión financiera, para \ncomprender la evolución de los seguros y pensiones, ello implicó en analizar la cantidad \nde asegurados en el Perú y cómo evolucionó para luego confirmar si hubo mayor \ninclusión de peruanos en el los sistemas de seguros y pensiones. Los resultados \ncorroboran la relación planteada en la hipótesis, el signo positivo de la pendiente del \nmodelo estimado determina que la mayor inclusión financiera medida por los nuevos \nafiliados influye positivamente en la mayor tasa de aportantes en relación a la PEA. En \ntal sentido se acepta la hipótesis como válida. La tesis concluye por el lado de la inclusión \nfinanciera que la tasa de crecimiento en el periodo fue de 26.20%; respecto a la \npenetración financiera la tasa de crecimiento de los aportantes/PEA que registró un \n14.41% determinando la mejor posición del sistema de seguro y pensiones; de igual modo \nel modelo estimado es coherente con la teoría referida a que la mayor inclusión financiera \ngenera mayor penetración financiera, al observar el valor de R2 = 0.8329 se determina \nque dicha correspondencia es alta, afirmando que las variables inclusión de la penetración \nfinanciera se encuentran altamente interrelacionadas evidenciando la importancia que \ntiene la mayor incorporación de nuevas personas al sistema de pensiones y seguros para \nel sistema financiero, para la población y la economía en general.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.004
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.080
Threshold uncertainty score0.159

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.004
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0020.003
Science and technology studies0.0010.000
Scholarly communication0.0020.001
Open science0.0010.002
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0080.001

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.

Opus teacher head0.008
GPT teacher head0.282
Teacher spread0.273 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2021
Admission routes1
Has abstractyes

Explore more

Same venuerenatiSame topicFinancial Literacy, Pension, Retirement AnalysisFrench-language works237,207