Understanding who volunteers globally through an examination of demographic variation in volunteering across 22 countries
Notice bibliographique
Résumé
Volunteering has been associated with enhanced individual and societal well-being around the world. While some prior research has assessed cultural and sociodemographic differences in volunteering, we know little about how volunteering differs across sociodemographic indicators cross-nationally. Using data from the Global Flourishing Study, a diverse and international sample of 202,898 individuals across 22 countries, we examined the distribution of volunteering across demographic factors (age, gender, marital status, employment status, religious service attendance, education, and immigration status) and across countries. We found variation in volunteering across demographic groups and countries. Unadjusted proportions of volunteering varied between countries: Nigeria showed the highest proportion (0.51) followed by Indonesia (0.46) and Kenya (0.40), while Japan (0.09), Poland (0.08), and Egypt (0.04) showed the lowest proportions of volunteering. Random effects meta-analyses showed that the proportion of people who volunteered differed between demographic groups (e.g., volunteering was higher among those with more education and religious service attendance). Because of the growing evidence of substantial contributions of volunteering to individual as well as societal well-being, it is increasingly important for organizations, governments, and public health officials alike to consider ways to ensure accessibility for able and willing volunteers.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».