MétaCan
Menu
Retour à la cohorte
Enregistrement W4212948317 · doi:10.1111/lasr.12586

When altruism is remunerated: Understanding the bases of voluntary public service among lawyers

2022· article· en· W4212948317 sur OpenAlexafffund
Fiona M. Kay, Robert Granfield

Notice bibliographique

RevueLaw & Society Review · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensQueen's University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésAltruism (biology)Compensation (psychology)Work (physics)DutyService (business)Public service motivationIncentivePublic servicePublic relationsSociologyPolitical scienceLaw and economicsLawBusinessEconomicsSocial psychologyPublic sectorPsychologyMarket economyMarketing

Résumé

récupéré en direct d'OpenAlex

Abstract The legal profession claims a duty of public service that calls on lawyers to volunteer their time through “pro bono” work (i.e., free legal service). And increasingly law firms strongly endorse pro bono and even remunerate time that is provided to clients without charge. But what happens when pro bono is mandated by the law firm, even compensated? Is altruism undermined? Drawing on a survey of 845 lawyers, we develop an integrated theoretical model to account for how volunteering takes place in the course of legal work. The analysis reveals psychological traits, collective norms, economic exchanges, and organizational dimensions shape lawyers' pro bono work in intriguing ways with marked distinctions emerging when pro bono is remunerated by firms. Collective norms known to foster altruistic behavior appear most relevant to pro bono that is outside the job (i.e., unpaid), while organizational supports and constraints as well as economic exchange factors appear most salient to pro bono that is compensated within firms. We argue that a theory of pro bono work requires a more refined understanding of the forces promoting helping behaviors across several dimensions: whether to help, how much to help, and with or without compensation.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,723
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,099
Tête enseignante GPT0,310
Écart entre enseignants0,211 · 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'étudeSans objet
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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLaw & Society ReviewMême sujetNonprofit Sector and VolunteeringTravaux en français237 207