MétaCan
Menu
Retour à la cohorte
Enregistrement W2187087033

Non-profit Governance Models: Problems and Prospects

2007· article· en· W2187087033 sur OpenAlexaffabout
Patricia Bradshaw, Bryan Hayday

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Sciences and Governance
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceFraming (construction)NormativeNormative model of decision-makingManagement scienceContingencySociologyPositive economicsEconomicsComputer sciencePolitical scienceBusinessEpistemologyManagementEngineeringLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Drawing on our experiences in developing a new governance model for the Canadian Health Network, in this paper we argue that there is currently no agreement about a prescriptive or ideal model of non-profit governance. Rather we suggest that within the current diversity of thought about governance there is an exciting opportunity to create new models which are hybrids of existing and emerging models with the selection of the best model based on a contingency approach. The paper begins with a review and critique of the normative and academic literatures on non-profit boards looking at the assumptions which inform each. The paper then characterizes existing governance models along two dimensions: established vs. innovative and unitary vs. pluralistic. This provides us with a way of mapping current perspectives according to four different models; the Policy Governance model, the Entrepreneurial model, the Constituency model and the Emergent Cellular model. The paper briefly describes the characteristics of each model and outlines the positive and negative features of each. The paper concludes by describing a new hybrid model which embraces the strengths of each model and also capitalizes on some of the new ways of framing management in turbulent times.

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)0,014
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,131
Score d'incertitude au seuil0,261

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0060,016
Communication savante0,0100,010
Science ouverte0,0030,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,295
Écart entre enseignants0,260 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations57
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSocial Sciences and GovernanceTravaux en français237 207