MétaCan
Menu
Retour à la cohorte
Enregistrement W4416001919 · doi:10.5465/amproc.2025.413bp

Home is Where the Heart Is: Work-from-Home Prevalence and Community Engagement with Nonprofits (WITHDRAWN)

2025· article· en· W4416001919 sur OpenAlexaff
Michelle Benson, Chao Guo, Daniel Neely, Gregory D. Saxton

Notice bibliographique

RevueAcademy of Management Proceedings · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésSocial capitalCensusGovernment (linguistics)Community engagementCommunity organizationLocal governmentWork (physics)Civic engagementPoliticsPolitical capital

Résumé

récupéré en direct d'OpenAlex

At a time when social capital and social fabric are eroding in local communities, could the tremendous growth in work-from-home (WFH) practices in recent years be a game changer for community engagement? We address this question by examining the relationship between the county-level prevalence of WFH and community engagement in local nonprofit organizations. Analyzing a comprehensive dataset that combines annual Census data with 1.9 million IRS Form 990 e-filings by 291,032 charitable organizations between 2011 and 2022, we find strong and consistent evidence that nonprofit organizations in counties with higher percentages of remote workers experience both increased charitable donations and higher volunteer participation. Additional analyses reveal that the impact of WFH varies significantly across nonprofit sub-sectors and the organizations’ reliance on donor versus government funding. Our findings suggest that remote work arrangements can strengthen community bonds through increased charitable giving and volunteering. However, these benefits vary across the nonprofit sector, highlighting the need for tailored political and organizational strategies to boost community engagement in an increasingly digital workplace.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
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 savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,033
Tête enseignante GPT0,298
Écart entre enseignants0,266 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetNonprofit Sector and VolunteeringTravaux en français237 207