MétaCan
Menu
Retour à la cohorte
Enregistrement W4363674723 · doi:10.1080/17530350.2023.2186918

Charitable assets: social outcomes, financial values, and the new, nonprofit funding regime

2023· article· en· W4363674723 sur OpenAlexafffund
James W. Williams

Notice bibliographique

RevueJournal of Cultural Economy · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCommunity Development and Social Impact
Établissements canadiensYork University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésBusinessFinanceFinancial systemEconomicsAccounting

Résumé

récupéré en direct d'OpenAlex

Amidst growing signs of inequality, poverty, and marginalization, there have been calls for a new approach to funding the social sector organizations tasked with addressing these challenges. Rather than paying for services, governments and philanthropists are being encouraged to fund programs based on their ‘outcomes.’ This paper explores this growing movement around ‘outcomes-based funding’ (OBF) suggesting that outcomes in this context embody a distinctly financial logic and reflect an effort to turn the work of charities and nonprofits into a type of pseudo asset. The paper teases out these dynamics and their implications based on one particular form of OBF, the social impact bond, a financial instrument which uses private capital to fund social programs and calculates returns based on program outcomes. While SIBs have struggled as a market, the operations underlying these projects and informing the production of outcomes as investable assets have been carried forward into non-SIB work informing flows of public and philanthropic capital and embodying the practices of the larger OBF ecosystem. As a window into the new, outcomes-based nonprofit funding regime, the paper offers a unique lens and set of critical tools for exploring the relationship between capital, the social sector, and poverty governance.

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)0,003
score de la tête « metaresearch » (Gemma)0,011
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,011
Communication savante0,0070,005
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,068
Tête enseignante GPT0,284
Écart entre enseignants0,216 · 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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Cultural EconomyMême sujetCommunity Development and Social ImpactTravaux en français237 207