MétaCan
Menu
Retour à la cohorte
Enregistrement W7070413709

Pengestrømmer i frivillig sektor : Befolkningens gaver og lokallagenes økonomi

2012· report· no· W7070413709 sur OpenAlexaboutno aff

Notice bibliographique

RevueDuo Research Archive (University of Oslo) · 2012
Typereport
Langueno
DomaineSocial Sciences
ThématiqueSocial Capital and Networks
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Financial crisisPoorhouse
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Det har vært en nedgang i antall lokale og regionale lag og foreninger fra omtrent 96 700 i 1997 til 81 100 i 2009. Tro- og livssyn har gått tilbake, mens idrettslag og grendelag og velforeninger har gått fram. Overfø-ringer direkte fra det offentlige utgjør fremdeles bare 16 – 17 prosent av inntektene som i 1997. Den ekstra «frivillighetsmilliarden» som kompensasjon for spilleautomatforbudet har imidlertid endret inntektssammen-setningen i noen organisasjonskategorier. Generelt er imidlertid lokallagene fortsatt bemerkelsesverdig flinke til å skaffe inntekter på egenhånd, enten det er gjennom dugnadsbaserte, inntektsbringende aktiviteter og arrangementer eller gjennom lotterier og innsamlinger. Dette er en viktig årsak til reell vekst i driftskost-nader og betalt sysselsetting.\n\nTre av fire norske husstander gir penger til frivillige organisasjoner i løpet av et år, omtrent like mye som i seks andre, forholdsvis rike land vi sammenligner med. Det imidlertid bare Frankrike som har litt lavere median gavebeløp. I Nederland, Canada og Australia er det dobbelt så stort, i Storbritannia er det tre gang-er så stort, og i USA fire ganger så stort. Det er dessuten stor ulikhet mellom inntektsgruppene. Både fami-liesituasjon, kulturell og sosial kapital bidrar til å forklare dette. Tros- og livssynsorganisasjoner og interna-sjonale organisasjoner appellerer i sterkest grad til de med høy og middels inntekt.

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)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,486
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,006
Communication savante0,0000,001
Science ouverte0,0030,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,118
Tête enseignante GPT0,329
Écart entre enseignants0,211 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDuo Research Archive (University of Oslo)Même sujetSocial Capital and NetworksTravaux en français237 207