Does volunteering impact refugee women's life satisfaction, empowerment, and wellbeing? Experimental evidence, local knowledge, and causal reasoning
Notice bibliographique
Résumé
BACKGROUND: There are gaps in the evidence base addressing whether volunteering programs enhance the wellbeing, empowerment, and life satisfaction of individual volunteers. Program impacts are seldom rigorously evaluated, whilst construct meanings remain largely unspecified, especially in the Middle East. This study tested the impacts of We Love Reading, a program training volunteers to read aloud in their local communities. It also mapped local knowledge representation. METHODS: We conducted a mixed-method program evaluation based on a randomized cluster trial with 105 Syrian refugee women from poor households in Amman, Jordan. At three time points (baseline, 5-month and 12-month-follow-up), we implemented a survey to measure levels of life satisfaction (Cantril), psychological empowerment (PE), and psychological wellbeing (PWB). We used regression models on panel data to estimate individual-level impacts, adjusting for women's characteristics and the moderating effects of their social networks. We also conducted net-mapping sessions to clarify local concepts and their causal connections, generating thematic analyses and fuzzy cognitive maps (FCMs) to represent local knowledge and causal influences. RESULTS: Life satisfaction was the only outcome variable showing a significant impact for We Love Reading (Cantril, β = 3.00, p = 0.002). Thematic analyses and FCMs made explicit the multi-dimensional aspects of lived experiences: emphasis was placed on reaching goals, having "the full right to act," the freedom to take decisions, willingness and determination. Women explained that building their empowerment and agency was a main driver of life satisfaction, and that volunteering boosted the resolve of "not giving up" on life goals. CONCLUSION: This program evaluation integrates scientifically-rigorous and culturally-relevant methodologies to identify impacts, local knowledge systems, and causal pathways of influence. This helps clarify how and why volunteering works in real-life situations across cultural contexts, calling attention to what programs seek to achieve, how they avoid volunteer burden, and why they generate social change.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».