Scaling the INGO: What the Development and Expansion of Canadian INGOs Tells Us
Notice bibliographique
Résumé
The literature on international non-governmental organizations (INGOs) has focused primarily on large INGOs, which capture the majority of total INGO spending but represent a small number of total INGOs. Over the past two decades, the number of INGOs has more than tripled throughout the global North, which has ushered in a decentralization of the sector as an emerging class of small- and medium-sized INGOs increasingly share the same space once occupied solely by large INGOs. This study focuses on these INGOs in transition to explore how they differ from large INGOs that receive significant government funding and their pathways to scale. Using an original dataset of 1371 Canadian INGOs, we explored comparative differences related to funding sources, overhead, organizational age, country coverage, staff, and religion between the transitioning and small-scale INGOs. Our results identified several general insights for how INGOs transition: (1) Large INGOs are less likely to articulate a religious motivation, which may impede government funding; (2) INGOs are more likely to be headquartered in Ontario, which is closer to federal government offices; (3) low overhead expenditures inhibit small-scale INGOs from transitioning to medium- and large-scale INGOs; (4) organizational age plays a critical factor to scale-up as INGOs increase their experience and expertise; (5) generous compensation to attract talented staff offers an under-valued pathway to scale. Finally, our results demonstrate the diversity among INGOs in Canada and problematizes singular scale-up pathways, while underscoring the necessity of future research to explore scaling strategies through individual case studies.
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 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 | 0,002 | 0,000 |
| 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 | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».