O capital social é crucial em comunidades pequenas, facilitando transações econômicas e arranjos de empréstimos solidários, como Associações Rotativas de Poupança e Crédito (ROSCAs) e empréstimos peer-to-peer. Estudos recentes, focalizando empréstimos peerto-peer em fintechs como Prosper e Lending Club, indicam que empréstimos dentro de redes pessoais têm maiores taxas de adimplência do que os convencionais.Os Sistemas de Confiança e Reputação, essenciais na ciência da computação, são utilizados para avaliar a confiabilidade em diversas redes, tais como em redes de comércio eletrônico e mais recentemente incluindo redes sociais. Esses sistemas operam com dados explícitos e implícitos para estabelecer medidas de confiança. A presente pesquisa analisou algoritmos voltados para a computação de confiança e reputação, representando o capital social em redes. Foram escolhidos algoritmos como eigentrust e tidaltrust para aplicação em estudos de caso reais de crédito solidário, incluindo um ROSCA e dois empréstimos ponto a ponto.O estudo buscou entender a eficácia desses algoritmos e os desafios de coletar dados sobre confiança e reputação. Adicionalmente, investigou-se como esses algoritmos poderiam prever solidez de crédito em redes sociais de aldeias indianas, utilizando dados do estudo "A Difusão da Microfinança".Este trabalho visa contribuir para o desenvolvimento de métodos de pontuação (escore) de crédito mais inclusivos, focados em populações menos privilegiadas. Através de uma abordagem interdisciplinar, o estudo destaca o potencial de utilizar capital social e mecanismos de confiança para fomentar a inclusão financeira e empoderamento econômico em comunidades pequenas.