Civic Engagement, Social Cohesion and Social Integration in Toronto,Canada
Notice bibliographique
Résumé
The voluntary sector has long been seen as the foundation of a healthy civil society (DeTocqueville, 1961; Leonard & Onyx, 2003). Yet, substantial growth in the last two decades in demand for voluntary sector services in Canada has been accompanied by a significant reduction in government resources supporting the sector’s activities (Browne, 1996). This confluence of demand growth and decreased governmental support has resulted in increased competition among voluntary organizations for both capital and human resources (Meinhard & Foster, 2000). Furthermore, the ethnic transformation of Canadian society has raised knowledge, policy and practical issues across all sectors, including the voluntary sector. These conditions have pushed many in the voluntary sector to reach beyond their traditional bases of support to consider hitherto untapped segments of society, and have pushed governments to rely more and more on the voluntary sector for the development of social integration. However, research on the Canadian voluntary sector, particularly with a cross-cultural lens, is a relatively new research domain, with many gaps in the knowledge base. As a starting point, Berger (2004) and Berger & Azaria (2004) have proposed, tested and supported a framework that traces the relationship between sub-group identity and volunteering, as mediated by attitudes, norms and social barriers. In this paper we extend this framework and consider the role of civic engagement in processes of social cohesion and social integration. We use the 2002 Ethnic Diversity Survey (EDS) to investigate how engagement in the voluntary sector contributes to the development of both bonding and bridging social cohesion, and thereby, social integration. Keywords: CVSS, Centre for Voluntary Sector Studies, Working Paper Series, TRSM, Ted Rogers School of Management
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,016 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».