MétaCan
Menu
Retour à la cohorte
Enregistrement W2340209373 · doi:10.1111/soc4.12362

Funding for Social Movements

2016· article· en· W2340209373 sur OpenAlexaff
Catherine Corrigall‐Brown

Notice bibliographique

RevueSociology Compass · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSocial movementMovement (music)Context (archaeology)Resource mobilizationRevenueWork (physics)SociologySocial movement theoryPublic relationsPolitical sciencePolitical economyBusinessPoliticsFinanceLaw

Résumé

récupéré en direct d'OpenAlex

Abstract Funding is critical for social movements. Our understanding of the relationship between social movements and funders has been shaped by broader theories used to understand movement dynamics. This review examines our changing understanding of the role of funding for movements, paying particular attention to the relative costs and benefits of funding from different groups of actors, such as constituents, foundations, governments, and corporations. While these groups provide critical resources to movements, they can also potentially alter movements by channeling them into less contentious actions and more bureaucratized forms. I explore three current debates in the area of social movement funding. First, current work assesses the relationships of funding, particularly how the interactions between funders and funded groups shape the types of actions in which social movements can engage. Second, social movement funding is embedded within a larger context, and current work is attempting to better understand the role of this context by engaging in comparative research. Finally, debates surrounding the rising importance of corporate funding for movements focus on how these new streams of revenue could help (or hinder) social movement activities.

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)0,016
score de la tête « metaresearch » (Gemma)0,046
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: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,046
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,010
Communication savante0,0070,005
Science ouverte0,0010,008
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0210,001

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 Opus0,095
Tête enseignante GPT0,383
Écart entre enseignants0,288 · 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
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

Citations26
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSociology CompassMême sujetNonprofit Sector and VolunteeringTravaux en français237 207