MétaCan
Menu
Retour à la cohorte
Enregistrement W1510422117 · doi:10.1111/cag.12167

Does geographic context influence employability‐motivated volunteering? The role of area‐level material insecurity and urbanicity

2015· article· en· W1510422117 sur OpenAlexafffundvenueabout
Antony Chum, Sara Carpenter, Eddie Farrell, Laurie Mook, Femida Handy, Daniel Schugurensky, Jack Quarter

Notice bibliographique

RevueCanadian Geographies / Géographies canadiennes · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensInstitute for Christian StudiesUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésEmployabilityOddsContext (archaeology)Social capitalSample (material)Human capitalPsychologyDemographic economicsSocial psychologySociologyGeographyLogistic regressionEconomic growthEconomicsMedicineSocial science

Résumé

récupéré en direct d'OpenAlex

There is a growing public discourse that volunteering increases the likelihood of finding a better job because it improves social and human capital. While previous studies have largely treated volunteers' motivations as individualistically determined, contextual determinants of volunteers' motivations are relatively neglected. The purpose of this study is to understand the individual and contextual characteristics in which individuals are more likely to volunteer as a means of improving their employability. Using a random sample of 768 volunteers across Canada, we estimate the independent effects of a) municipal‐level material insecurity, b) urbanicity, and c) individual characteristics on the odds of “volunteering to improve employability.” Our findings show that living in municipalities with high economic insecurity and in urban settings independently increases the odds of volunteering to improve employability. Our study points to evidence of model misspecification, by omission of unobserved geographical covariates, in previous studies of volunteers' motivations.

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
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,128
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,006
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,014
Tête enseignante GPT0,217
Écart entre enseignants0,203 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations8
Publié2015
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Geographies / Géographies canadiennesMême sujetNonprofit Sector and VolunteeringTravaux en français237 207