Practitioner Niches in the (Penal) Voluntary Sector: Perspectives from Management and the Frontlines
Notice bibliographique
Résumé
Abstract Voluntary sector and non-profit studies require theoretical frameworks facilitating better understandings of what occurs on the ground. Following Lipsky’s (Street-level bureaucracy: dilemmas of the individual in public service, Russell Sage Foundation, New York, 1980) formulation of street-level bureaucracies, scholars have emphasized workplace hierarchies, reproducing dichotomous ‘top-down’ and ‘bottom-up’ conceptualizations of practice which can obscure the full complexity of practitioners’ workplace relationships. In this paper, we offer a thematic model of (collective) action that centres the ‘division of labour’ across, and relations between, professional niches that are differentiated by their ‘helping’ orientations, workplace tasks, and responsibilities to service users rather than their organizational status or salaries. We mobilize qualitative research undertaken in the penal voluntary sectors of Canada and England to highlight the mutually constitutive efforts of frontline and management work with criminalized service users. Drawing on and extending Alinsky’s ‘river dilemma’, we conceptualize practice in the (penal) voluntary sector as organized according to the differing choices practitioners make about whom to ‘help’ and how to intervene, which have consequences for social policy, service delivery, and advocacy work.
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 | 0,020 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,027 | 0,057 |
| Communication savante | 0,018 | 0,009 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».