MétaCan
Menu
Retour à la cohorte
Enregistrement W3111487442 · doi:10.29173/cjnser.2020v11n2a396

The COVID Wildfire: Non-Profit Organizational Challenge and Opportunity

2020· article· en· W3111487442 sur OpenAlexvenueaboutno aff
Jeff Loomis

Notice bibliographique

RevueCanadian journal of nonprofit and social economy research · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain Resilience and Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceCoronavirus disease 2019 (COVID-19)RevenueNonprofit sectorHumanitiesManagementBusinessPublic relationsEconomicsArtFinance

Résumé

récupéré en direct d'OpenAlex

Nonprofit organizations in Canada were significantly impacted by COVID-19, including lost revenue and needing to adjustthe program delivery. The lack of technology capacity in the nonprofit sector is a key barrier for many nonprofit organizations to adapt to delivering programs online. Momentum, a Calgary-based nonprofit organization, experienced both financial and programmatic challenges due to COVID-19. Momentum pivoted program delivery to provide supports during the COVID-19 lockdown and developed innovative approaches to online programming. Since the start of the COVID-19 pandemic in Canada, Momentum was able to rapidly develop its capacity to use technology for online programming with the support of critical new funding. Many nonprofits will have to transform their business models to not only survive but thrive in the post-COVID world.Les organismes à but non lucratif (OBNL) au Canada ont été fortement touchées dans le contexte de la pandémie de laCOVID-19, notamment à cause d'une perte de revenus et de la nécessité de se réajuster afin de prêter des services enligne. Le manque de capacités technologiques dans le secteur à but non lucratif est un obstacle majeur à l'adaptation denombreux OBNL à la prestation de services en ligne. Momentum, un OBNL basé à Calgary, a connu des difficultésfinancières et de planification en raison de la COVID-19. Par contre, l'organisme a su adapter son offre de services pourfournir un soutien pendant le confinement et a développé des approches innovantes pour la prestation de services enligne. Depuis le début de la pandémie au Canada, Momentum a développé rapidement sa capacité à utiliser la technologiepour offrir des services en ligne grâce à des nouvelles sources de financement qui ont été essentielles pour cetteadaptation. De nombreux OBNL devront transformer leur modèle d'entreprise pour non seulement survivre, mais aussiprospérer dans un monde post-COVID.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,712
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,090
Tête enseignante GPT0,292
Écart entre enseignants0,202 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations7
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian journal of nonprofit and social economy researchMême sujetSupply Chain Resilience and Risk ManagementTravaux en français237 207