Effectmeting Servicepunt Vrijwilligerswerk Enschede : in opdracht van de Gemeente Enschede, afdeling Dienst Maatschappelijke Ontwikkeling
Bibliographic record
Abstract
De gemeente Enschede - specifiek de Dienst Maatschappelijke Ontwikkeling (DMO) - heeft een nieuw ondersteuningspunt voor vrijwilligerswerk opgezet, namelijk het Servicepunt Vrijwilligerswerk Enschede (SVE). De DMO wil weten in hoeverre zijn verwachtingen waargemaakt zijn. Om die reden is er binnen dit onderzoek antwoord gezocht op de vraag: ‘In hoeverre heeft het Servicepunt Vrijwilligerswerk Enschede de beoogde effecten bereikt?’. Door de historie van ondersteuning van vrijwilligerswerk kort te beschrijven, is gebleken dat er enkele ontwikkelingen zijn geweest die invloed hebben gehad op de functies van het SVE. De historie en de ontwikkelingen samen zijn de basis voor de verwachtingen van de DMO. Doordat de verwachtingen de functieomschrijvingen reflecteren, zijn de verwachtingen als doelstellingen meegenomen binnen het onderzoek. Daarbij zijn de doelstellingen gekoppeld aan de functies en de functieomschrijvingen. Niet alle functies konden gekoppeld worden aan de doelstellingen. Dit betekend dat ook niet alle functies en werkzaamheden van het SVE beoordeeld zijn binnen dit onderzoek. Door de koppeling is duidelijk geworden welke criteria - gesteld in de werkplannen door de gemeente Enschede - bij welke doelstelling horen. De criteria zouden de doelstellingen beter meetbaar en realiseerbaar maken. Het is echter gebleken dat de criteria de doelstellingen niet volledig dekken. Er ontbraken criteria en enkele criteria leverden geen relevante bijdrage aan de beoordeling van de doelstellingen.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.337 | 0.131 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".