PROFILING: A STRATEGY FOR SUCCESSFUL VOLUNTEER RECRUITMENT IN CREDIT UNIONS
Notice bibliographique
Résumé
Credit unions are non‐profit financial organisations that provide financial services to their members. They are located in 97 countries across the world. All credit unions are governed by a volunteer board and many are reliant on volunteers for all their labour requirements. However, recruiting volunteers is a problem. The literature on recruitment issues in volunteering in general, suggests that the not‐for‐profit sector looks to the private sector for guidance on recruitment policies and approaches. One such approach which is considered in this paper is ‘market segmentation’ wherein the potential volunteer body is profiled to determine if an individual is likely to volunteer and if they are, to identify the type of role they are most likely to be attracted to. Prior literature on volunteering in non‐profit organisations suggests that certain types of individual (dominant individuals) are more likely to volunteer. This paper investigates whether this dominant status profile is evident amongst volunteers in credit unions in Northern Ireland (NI). The study finds that people with dominant characteristics are more likely to be attracted to volunteering to the board of directors and individuals who have less dominant traits overall should be offered more social/participative type roles. This information can be used by credit union governing boards for volunteer recruitment, retention and management purposes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,035 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,014 | 0,003 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,006 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».