MétaCan
Menu
Retour à la cohorte
Enregistrement W3176995025 · doi:10.1111/auar.12346

Management of Charitable Program Expense Ratios in the Charity Sector

2021· article· en· W3176995025 sur OpenAlexaffabout
Dominic Cyr, Suzanne Landry, Anne Fortin

Notice bibliographique

RevueAustralian Accounting Review · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensHEC MontréalUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésReputationGovernment (linguistics)Position (finance)Expense ratioBusinessAsk pricePerceptionMarketingPublic relationsAccountingEconomicsFinanceLawPsychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract We examine factors likely to influence charity managers’ propensity to manage their charitable program expense ratios. To this end, we survey 202 Canadian charities. First, we ask managers whether they think a high charitable program expense ratio is important. The results suggest that managers are less concerned with charitable program expense ratios when there are no regulatory restrictions for this figure, but they are more (less) inclined to post a high charitable program expense ratio when the charity depends on private donations (relies on government grants). We also find a positive relationship between education level and managers’ perception of the importance of having a high charitable program expense ratio. Second, for managers who believe having a high charitable program expense ratio is important, we use a logit model to analyse their propensity to manage the ratio upward. We show that improving the management team's reputation, avoiding losing the organisation's charitable status and retaining or obtaining government grants propel charity managers to alter the ratio. However, managers with more experience in a management position in charities and those with higher levels of education are less likely to engage in this practice.

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)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil0,342

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,027
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,077
Tête enseignante GPT0,387
Écart entre enseignants0,310 · 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'étudeObservationnel
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

Citations8
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAustralian Accounting ReviewMême sujetNonprofit Sector and VolunteeringTravaux en français237 207