MétaCan
Menu
Retour à la cohorte
Enregistrement W4388850232 · doi:10.1080/23303131.2023.2282592

Human Service Organizations’ Participation in the Paycheck Protection Program: A Cross-Sector Comparison

2023· article· en· W4388850232 sur OpenAlexaff
Marcus Lam, Jessica Word, Nathan J. Grasse

Notice bibliographique

RevueHuman Services Organizations Management Leadership & Governance · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésPayrollBusinessLoanService (business)ScrutinyLabour economicsFinanceMarketingAccountingEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

The Paycheck Protection Program (PPP) was passed during the COVID-19 pandemic to assist small and medium-sized organizations. However, only a fraction of eligible nonprofits applied for and received loans. Using a contract failure lens, we posit that nonprofits are more likely to have higher per-employee loan amounts and use funds for payroll than for-profits. Analyzing a sample of 174,496 first-draw loans across human service sub-fields, results suggest differences by size, particularly among single-employee organizations, and by nonprofit and for-profit recipients. Single-employee organizations represent nearly half of HSO recipients, suggesting an unintended consequence of prioritizing short processing times over more scrutiny.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,211
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,010
Études des sciences et des technologies0,0020,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,116
Tête enseignante GPT0,385
Écart entre enseignants0,269 · 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'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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Services Organizations Management Leadership & GovernanceMême sujetNonprofit Sector and VolunteeringTravaux en français237 207