MétaCan
Menu
Retour à la cohorte
Enregistrement W2098099463 · doi:10.2189/asqu.2009.54.2.268

The Rationalization of Charity: The Influences of Professionalism in the Nonprofit Sector

2009· article· en· W2098099463 sur OpenAlexaff
Hokyu Hwang, Walter W. Powell

Notice bibliographique

RevueAdministrative Science Quarterly · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRationalization (economics)ChampionBureaucracyPublic relationsAuditBusinessSociologyManagementPolitical scienceAccountingEconomicsPoliticsLaw

Résumé

récupéré en direct d'OpenAlex

This paper analyzes how professional values and practices influence the character of nonprofit organizations, with data from a random sample of 501 (c)(3) operating charities in the San Francisco Bay Area collected between 2003 and 2004. Expanded professionalism in the nonprofit world involves not only paid, full-time careers and credentialed expertise but also the integration of professional ideals into the everyday world of charitable work. We develop key indicators of professionalism and measure organizational rationalization as expressed in the use of strategic planning, independent financial audits, quantitative program evaluation, and consultants. As hypothesized, charities operated by paid personnel and full-time management show higher levels of rationalization. While traditional professionals (doctors, lawyers, and the clergy) do not differ significantly from executives with no credentialed background in eschewing business-like practices, managerial professionals champion such efforts actively, as do semi-professionals, albeit more modestly. Management training is also an important spur to rationalization. We assess what is gained and lost and the tension that can arise when nonprofits become professionalized and adopt more methodical, bureaucratic procedures.

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)0,007
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0030,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,085
Tête enseignante GPT0,421
Écart entre enseignants0,336 · 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'étudeObservationnel
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

Citations866
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdministrative Science QuarterlyMême sujetNonprofit Sector and VolunteeringTravaux en français237 207