MétaCan
Menu
Retour à la cohorte
Enregistrement W7135956987

Ökonomisierung und Managerialisierung

2018· book-chapter· de· W7135956987 sur OpenAlexaff
Michael; id_orcid 0000-0002-4253-0064 Meyer, Florentine Maier

Notice bibliographique

RevueWU Research · 2018
Typebook-chapter
Languede
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceSound (geography)Sound system
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In der Sozialwirtschaft werden Ökonomisierung und Managerialisierung meist skeptisch beobachtet, versteht man darunter doch die Übernahme von Praktiken, die vorher bloß für gewinnorientierte Unternehmen in der Marktwirtschaft typisch waren. Vor allem bei Nonprofit-Organisationen (NPOs), die in korporatistischen Wohlfahrtsstaaten das Rückgrat der Sozialwirtschaft bilden, wird mit kritischem Unterton die Kolonialisierung und Verdinglichung eines gesellschaftlichen Feldes beklagt, das von Nächstenliebe und Solidarität geprägt sein sollte. Auch die Verdrängung inhaltlicher Professionalität durch Management und Betriebswirtschaftslehre ist Teil dieses Diskurses. Wir wollen zu dieser Diskussion in drei Schritten beitragen: Zuerst klären wir die Begriffe Ökonomisierung und Managerialisierung vor dem Hintergrund ähnlicher Konzepte, dann präsentieren wir theoretische Erklärungen zu ihrer Verbreitung. Im nächsten Schritt vermitteln wir eine Zusammenschau empirischer Befunde zu den Auswirkungen. Während die frühere Forschung Anlass zur Skepsis gab, zeigen neuere Befunde ein optimistisches Bild der Wirkung von Ökonomisierung und Managementpraktiken. Schließlich argumentieren wir, warum die Governance von Organisationen entscheidend ist, um das Potenzial (betriebs-) wirtschaftlicher Praktiken für die Ziele und Zwecke von Nonprofit-Organisatio Organisationen (NPOs) in der Sozialwirtschaft zu nutzen.

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)0,009
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, 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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,905
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,003
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0420,030

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 Opus0,182
Tête enseignante GPT0,448
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWU ResearchMême sujetNonprofit Sector and VolunteeringTravaux en français237 207