Créditos Microfinancieros no Supervisados por SBS y Rentabilidad de los Comerciantes del Supermermodh – 2017
Bibliographic record
Abstract
Las instituciones microfinancieras (IMF) han crecido notablemente en nuestro país, son\nrelativamente nuevos. Es por ello que podemos considerar a las microfinancieras que aún es un\ncampo poco explorado, existen pocos estudios de estos temas sobre todo en el Perú. Se observa\nuna cantidad de pequeñas microfinancieras que vienen trabajando en la informalidad, al no estar\nsupervisadas por la Superintendencia de Banca y Seguros (SBS), a la vez observamos que\ngracias a estas microfinancieras los comerciantes del Mercado Modelo de Huancayo –\nSUPERMERMODH, han podido incrementar sus ganancias y tener una rentabilidad con su \nnegocio, gracias a las facilidades que le otorgan estas IMF. \n \nDebido a que muchos de los comerciantes no tienen la facilidad para acceder a créditos bancarios \nestas pequeñas microfinancieras han sido una fuente de financiamiento de bastante ayuda, como\nbien lo mencionan los mismos comerciantes. Por otro lado, observamos que en un futuro podría\ntraer un perjuicio económico en los comerciantes que desconocen el correcto funcionamiento de\nestas, los comerciantes no solo solicitan créditos también tienen ahorros a corto y largo plazo.\nMuchos de los clientes de las microfinancieras no supervisados por SBS son pequeños\ncomerciantes que desconocen la informalidad de estas IMF. \n \nEl presente trabajo de investigación tiene por objetivo determinar la relación que tiene, el \nCRÉDITO MICROFINANCIERO NO SUPERVISADO POR SBS CON LA \nRENTABILIDAD DE LOS COMERCIANTES DEL SUPERMERMODH DURANTE EL \nPERIODO 2017.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.002 |
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; both teacher heads agree on what is shown here.
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".