HallMeasurement Issues Measurement Issues in Surveys of Giving and Volunteering and Strategies Applied in the Design of Canada’s National Survey of Giving, Volunteering and Participating
Notice bibliographique
Résumé
Despite the frequent use of surveys to study charitable giving and volunteering, little is known about the quality of the data collected. This article discusses the challenges associ-ated with designing giving and volunteering surveys, suggests strategies for improving measures of giving and volunteering, and shows how they were applied in the design of Canada’s 1997 National Survey of Giving, Volunteering and Participating. Surveys are frequently used to collect data about giving and volunteering; however, the quality of the data is seldom known, and the measurement chal-lenges inherent in such surveys are not well recognized. For example, the inability of respondents to accurately recall past behaviors introduces both random errors and probable downward biases to estimates of giving and vol-unteering. On the other hand, the tendency of some respondents to provide socially desirable responses may lead to an overreporting of giving and volun-teering. The extent to which these two potential sources of bias may offset one another is seldom known and varies from survey to survey according to the particular way in which giving and volunteering are measured. Such threats
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 | 0,494 | 0,581 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,011 |
| Études des sciences et des technologies | 0,007 | 0,015 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».