‘Don't make my people beggars’: a developing world house of cards
Notice bibliographique
Résumé
Recent years have seen increasing participation in short-term international volunteering. These volunteer teams usually engage individuals from high-income countries to travel and provide charitable services for host communities in low- and middle-income countries for a period of 3 months or less. The economic impacts arising from this phenomenon often vary; while volunteers introduce a new revenue that may support local job creation, they may also inadvertently disrupt the local workforce with their contributions, and thereby drive up unemployment. In addition, there may be a shift of economic focus towards attracting and supporting volunteers, rather than developing meaningful capacity in needed developmental areas. There also exist expected tensions with the direct and indirect goals and impacts of visiting volunteer teams, such as intended evangelism, unintended cultural colonialism, or education over service. Weighed against the desirability of additional community revenue, these tensions raise numerous ethical concerns. This paper examines a medium-sized city in Latin America, which receives many well-meaning international volunteers annually, who serve disadvantaged local populations. Specifically, this paper examines a faith-based volunteer team that was primarily composed of non-skilled youth. Using participant observation and interviews with relevant stakeholders, we identified an unsustainable growth model in place at the local hospital, which directs resources to support and promote the flow of foreign volunteers despite ethical concerns around perpetuating poverty, skills mismatch, and limited beneficial impacts on the target population. We highlight future concerns for this community associated with a financial dependence on international volunteers, and present solutions to potentially mitigate this issue.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,028 | 0,008 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,002 |
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 ».