MétaCan
Menu
Retour à la cohorte
Enregistrement W4312063993 · doi:10.1177/08997640221138764

Individual- and Community-Level Factors Associated With Voluntary Participation

2022· article· en· W4312063993 sur OpenAlexaff
Marcus Lam, Nathan J. Grasse, Lindsey M. McDougle

Notice bibliographique

RevueNonprofit and Voluntary Sector Quarterly · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésVoluntary associationTurnoverAttendanceCommunity organizationCommunity participationDemographic economicsPsychologyPublic relationsPolitical scienceSociologyEconomic growthSocioeconomicsEconomics

Résumé

récupéré en direct d'OpenAlex

Voluntary participation in local groups or organizations varies by individual and across communities. Few studies examine the influence of structural resources on voluntary participation, with prior studies often considering it a single, binary action. Drawing from three data sources, we examined the extent to which individual-level and community-level factors—including the presence of nonprofit organizations—were associated with voluntary participation. We model participation as two distinct actions and estimate the likelihood of respondents participating in one organization or group compared with the likelihood of participating in multiple organizations or groups. We found individual characteristics such as homeownership, marriage, and better health were associated with participation in only one group or organization. Identifying as White, having some college education, more children per household, and church attendance were positively associated with participating in one group or organization and subsequent participation. At the community level, nonprofit density was positively associated with voluntary participation.

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)0,003
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,091
Tête enseignante GPT0,295
Écart entre enseignants0,204 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNonprofit and Voluntary Sector QuarterlyMême sujetNonprofit Sector and VolunteeringTravaux en français237 207