National sport organization governance design archetypes for the twenty-first century
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Research question: This paper revisits our knowledge of sport organization governance design archetypes. To do so, we focus on Canadian national sport organizations (NSOs) and pose three research questions: (1) what governance design archetypes exist based on the use of more contemporary criteria; (2) how easily can an NSO’s archetype be determined; and (3) what are the implications of these new archetypes for researchers and practitioners? Research methods: We undertook a landscape study of 32 Canadian NSOs with data from an online survey, publicly-available information, and clarification calls. Archetypes were derived from 47 organizational and governance characteristics using a k-means cluster analysis. Results and Findings: Our empirically-derived archetype design taxonomy showed the best fit to be four clusters (Board-led, Executive-led, Professional, and Corporate) based on key organizational values, complexity, capacity, revenue sources, and governance variables. Implications: Besides knowing NSOs are more heterogenous than in the past, researchers and practitioners can use capacity, efficiency, horizontal differentiation, broadcast revenue, political accountability, and social media information to derive an NSO’s governance archetype. These findings imply researchers can (1) examine non-profit sport organizations’ changes over time based on a set of archetypes reflecting contemporary realities, and (2) compare and contrast NSOs’ governance more holistically. In turn, managers can better compare their NSO with other NSOs to optimize their organization’s performance. Finally, national sport agencies/funders should support NSOs’ governance improvement efforts through flexible guidelines and resources because of NSOs’ governance heterogeneity.
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.
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 | 0,001 | 0,000 |
| 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 découle