MétaCan
Menu
Retour à la cohorte
Enregistrement W2588308553 · doi:10.1017/s147474641700001x

The Prevalence and Distribution of High Salaries in English and Welsh Charities

2017· article· en· W2588308553 sur OpenAlexfundno aff
John Mohan, Stephen McKay

Notice bibliographique

RevueSocial Policy and Society · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensnon disponible
Organismes subventionnairesEconomic and Social Research CouncilQueen's UniversityResearch Councils UK
Mots-clésWelshSalaryReceiptDistribution (mathematics)Demographic economicsCommissionPopulationSample (material)PaymentBusinessLabour economicsAccountingEconomicsPolitical scienceDemographyFinanceGeographySociologyLaw

Résumé

récupéré en direct d'OpenAlex

There has recently been public discussion of the rewards available to senior staff in English and Welsh charities. However, that discussion is usually based on examples of individual salaries, or on unrepresentative and small subsets of the charity population. To provide a robust and informed basis for debate, we have conducted analyses of evidence on the payment of high salaries (defined as the numbers of people paid above £60,000 p.a., a reporting threshold used by the Charity Commission) in: (a) a representative sample of c.10,000 English and Welsh charities, and (b) surveys of individuals regarding comparative salary levels in different sectors of the economy. Overall, survey data show that the proportion of staff in receipt of high salaries is lower than average in the third sector than in other sectors. Information from charity annual accounts is used to demonstrate which charities are more likely than others to pay such salaries, and to relate the likelihood of paying high salaries to charity characteristics (income, location and subsector). We show that the distribution of high pay in the charitable sector is largely a function of the size and complexity of organisations, and is generally unrelated to subsector or income mix.

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 candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,777
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,002
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,019
Tête enseignante GPT0,313
Écart entre enseignants0,293 · 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial Policy and SocietyMême sujetNonprofit Sector and VolunteeringTravaux en français237 207