MétaCan
Menu
Retour à la cohorte
Enregistrement W2006604175 · doi:10.1080/04419057.2003.9674315

Volunteering for nature: Motivations for participating in a biodiversity conservation volunteer program

2003· article· en· W2006604175 sur OpenAlexaffabout
Linda T. Caissie, Elizabeth Halpenny

Notice bibliographique

RevueWorld Leisure Journal · 2003
Typearticle
Langueen
DomainePsychology
ThématiqueRecreation, Leisure, Wilderness Management
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAltruism (biology)Context (archaeology)Public relationsPsychologyQualitative researchSocial psychologyPerspective (graphical)SociologyPolitical scienceSocial scienceGeography

Résumé

récupéré en direct d'OpenAlex

Understanding volunteer motivations for participating in nature conservation programs is an important element in the design and provision of programs intended to harness the increasingly important talents and labour that volunteers bring to conservation programs. The purpose of this paper is to highlight the motivations of participants in Volunteer for Nature, an Ontario-based nature conservation program. The study was framed within a social psychology theoretical perspective and qualitative methods were used. The participants were female and male volunteers ranging in age from 17 to 63 years old. Key motives for participating in the volunteer conservation vacation program included: 1) pleasure seeking, 2) program “perks,” 3) “place” and nature-based context, 4) leaving a legacy, and 5) altruism. The study reinforces much of the theoretical literature already existing on volunteers including volunteering as a leisure activity and motives associated with volunteering. However two unique points are explored: 1) the distinctive nature-based volunteering context, and 2) the “value-added” nature of volunteering vacations. Further, conceptual linkages with concepts such as serious leisure are discussed. An increased understanding of volunteer tourists who participate in nature conservation programs is the greatest contribution of this study.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,044
Tête enseignante GPT0,350
Écart entre enseignants0,307 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations85
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWorld Leisure JournalMême sujetRecreation, Leisure, Wilderness ManagementTravaux en français237 207