Notice bibliographique
Résumé
• Objectives/Research questionsThis research seeks to better understand giving behavior by alumni to their former university, in a context of the progressive expansion of university foundations. We identify motivations for and impediments to giving and, more specifically, raise the question of attachment to the university and its effects on donation.• Methodology/approachAfter exploring the literature on factors influencing donation to higher education institutions and on attachment theory, we conducted a qualitative study based on interviews with 25 alumni.• FindingsThis research highlights factors of attachment and non-attachment to the university, linked to identity, nostalgia, geographical location, the education received, and a feeling of community. It shows that an alumnus who is attached to his or her university will be willing to support it to a greater extent financially. Finally, we explain that various motivations (reciprocity, support for education and professional integration, tax exemptions) and disincentives (dissatisfaction, limited financial resources, high tax bracket, other priorities) influence giving behavior.• Managerial/societal implicationsEncouraging cohesion through project-based teaching, helping and supporting students in their schooling and professional integration or involving them more in university life are possible ways of increasing attachment and favoring donation.• OriginalityWe carried out a literature review on the factors contributing to giving to universities and, for the first time in marketing research in France, identify attachment factors and their link to donation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,979 | 0,989 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».