MétaCan
Menu
Retour à la cohorte
Enregistrement W1579217778 · doi:10.1002/nvsm.1537

Knowledge is power: why public knowledge matters to charities

2015· article· en· W1579217778 sur OpenAlexafffundabout
Maureen Bourassa, Abbey C. Stang

Notice bibliographique

RevueInternational Journal of Nonprofit and Voluntary Sector Marketing · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCustomer Service Quality and Loyalty
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesMuttart Foundation
Mots-clésAccountabilityTransparency (behavior)DonationPublic relationsPublic sectorBusinessPublic trustPerceptionAccountingPolitical sciencePsychologyLaw

Résumé

récupéré en direct d'OpenAlex

The nonprofit sector is grappling with public perceptions of trust, accountability, and transparency. From the perspective of the sector, public ratings of accountability and transparency are often lower than expected, and as a result, the public's trust and its ensuing support may be dwindling. What appears to be missing from these discussions, however, is the role of knowledge. Drawing on theories and frameworks from consumer behavior and advertising, this study anticipates knowledge will moderate the effects of trust, transparency, and accountability on public support. Using telephone survey data from 3853 members of the Canadian public, the findings of this study demonstrate that knowledge does in fact have a moderating effect—for those respondents who reported high levels of knowledge about the sector, measures of trust, accountability, and transparency reliably predicted donation amount and volunteer status over and above the effect of demographic variables. For those respondents who reported low levels of knowledge, donation amount and volunteer status were predicted by demographic variables alone. Copyright © 2015 John Wiley & Sons, Ltd.

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)0,019
score de la tête « metaresearch » (Gemma)0,112
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,112
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0130,023
Communication savante0,0160,017
Science ouverte0,0020,007
Intégrité de la recherche0,0060,006
Charge utile insuffisante (le modèle a refusé de juger)0,0200,002

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 Opus0,054
Tête enseignante GPT0,288
Écart entre enseignants0,234 · 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
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

Citations27
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Nonprofit and Voluntary Sector MarketingMême sujetCustomer Service Quality and LoyaltyTravaux en français237 207