MétaCan
Menu
Retour à la cohorte
Enregistrement W3047529065 · doi:10.2308/jogna-19-014

The Right Stuff: Are Not-For-Profit Managers Really Different?

2020· article· en· W3047529065 sur OpenAlexaff
Krista Fiolleau, Theresa Libby, Linda Thorne

Notice bibliographique

RevueJournal of Governmental & Nonprofit Accounting · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensYork UniversityUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésConscientiousnessExtraversion and introversionSocial psychologyLocus of controlAmbiguityEntitlement (fair division)PsychologyHarmPublic sectorProfit (economics)BusinessPublic relationsEconomicsPersonalityMicroeconomicsBig Five personality traitsPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT In response to public pressure for accountability in the not-for-profit (NFP) sector, attempts have been made to adopt for-profit controls. These have generated mixed results. While many have argued that employees attracted to the NFP sector are “different,” little prior empirical evidence backs up this claim. To address this gap, we review the literature to identify claimed individual characteristics that might differ and use the survey method to examine whether these differences exist between the groups of responding managers working in the NFP and for-profit sectors. NFP respondents exhibit lower levels of narcissism, lower levels of entitlement, less extroversion, and a more externally oriented locus of control than their for-profit counterparts. In exploratory multivariate analysis, best predictors of NFP membership include extroversion, locus of control, conscientiousness, and moral reasoning. Rather surprisingly, the groups did not differ on altruism or tolerance for ambiguity. Implications for control system design are discussed.

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)0,006
score de la tête « metaresearch » (Gemma)0,029
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 enseignants0,006
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,004
Communication savante0,0040,004
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,027
Tête enseignante GPT0,302
Écart entre enseignants0,274 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Governmental & Nonprofit AccountingMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207