MétaCan
Menu
Retour à la cohorte
Enregistrement W3135076305 · doi:10.3390/jrfm14030101

Financial Sustainability of Cultural Heritage: A Review of Crowdfunding in Europe

2021· review· en· W3135076305 sur OpenAlexvenueno aff
Daniela Angelina Jelinčić, Marta Šveb Dragija

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typereview
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinTech, Crowdfunding, Digital Finance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSustainabilityCultural heritageSubsidyCitizen journalismBusinessEuropean unionPublic fundingCultural heritage managementPublic relationsPolitical scienceFinancePublic administrationEconomic policy

Résumé

récupéré en direct d'OpenAlex

Most cultural heritage projects strive in ensuring financial sustainability, mainly relying on public subsidies. At the same time, they lack fund management policies which directly affects their financial sustainability. European Union heritage policies focus on sustainability but after investments have been made, there are rare cases which can boast about it. A number of heritage funding mechanisms exist which are explained in this review paper, while the focus is on crowdfunding as an alternative mechanism. The study used literature review method based on PRISMA guidelines to analyze new trends and suitability of crowdfunding for cultural heritage projects, and to detect possible factors influencing its success. The purpose was to add to the existing knowledge while offering a systematic review which can be applied in practice. Findings indicate the trend of participatory approach to heritage, which is in line with the participatory nature of crowdfunding campaigns. Further, crowdfunding suitability for cultural heritage projects was confirmed while its success factors majorly depend on the policy framework, heritage project nature and management of the campaign itself.

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)0,006
score de la tête « metaresearch » (Gemma)0,018
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: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0100,012
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,019
Tête enseignante GPT0,279
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'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

Citations45
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetFinTech, Crowdfunding, Digital FinanceTravaux en français237 207