Turning the Impossible into the Possible
Notice bibliographique
Résumé
An overview of the concepts of changemaking-for good (C4G) and social entrepreneurship is provided. Changers-for-good are individuals who want to change dysfunctional social situations to improve the conditions of the addressees. C4G are not only empathetic with their target population, but also compassionate. As empathy may be also used for negative acts (e.g., manipulation), and compassion per se may have no cognition of the feelings of the other, there emerges a need for a blended phenomenon: empassion. The Empassion Scale (ES) demonstrates good reliability and validity; it also correlates significantly with empathy and compassion scales. An example is Elisabeth Fry of the British Victorian era. She visited prisons for women and introduced changes in the system, providing better care for inmates and the accompanying children. The most representative kind of changemaking-for-good is social entrepreneurship; the term was coined in 1980 by William Drayton, the founding CEO of the global organization Ashoka: Everyone a Changemaker. There seem to be several paradoxes embedded in social entrepreneurs’ approach: First, they merge in-the-air dreaming with down-to-earth ways of implementation. Second, they successfully address protracted, insurmountable problems. Third, they find innovative methods to make it happen. Examples from Kenya, USA, Canada, and Bangladesh are provided.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,056 |
| Communication savante | 0,014 | 0,017 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,004 |
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 ».