Knowledge needs in the non-profit sector: an evidence-based model of organizational practices
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose – This paper aims to present findings from a study of non-profit organizations (NPOs), including a model of knowledge needs that can be applied by practitioners and scholars to further develop the NPO sector. Design/methodology/approach – A survey was conducted with NPOs operating in Canada and Australia. An analysis of survey responses identified the different types of knowledge essential for each organization. Respondents identified the importance of three pre-determined themes (quantitative data) related to knowledge needs, as well as a fourth option, which was a free text box (qualitative data). The quantitative and qualitative data were analyzed using descriptive statistical analyses and a grounded theory approach, respectively. Findings – Analysis of the quantitative data indicates that NPOs ' needs are comparable in both countries. Analysis of qualitative data identified five major categories and multiple sub-categories representing the types of knowledge needs of NPOs. Major categories are knowledge about management and organizational practices, knowledge about resources, community knowledge, sectoral knowledge and situated knowledge. The paper discusses the results using semantic proximity and presents an emergent, evidence-based knowledge management (KM)-NPO model. Originality/value – The findings contribute to the growing body of literature in the KM domain, and in the understudied research domain related to the knowledge needs and experiences of NPOs. NPOs will find the identified categories and sub-categories useful to undertake KM initiatives within their individual organizations. The study is also unique, as it includes data from two countries, Canada and Australia.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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