Perencanaan Strategi Ekspansif dalam Pengelolaan Organisasi Nirlaba Art Music Today
Notice bibliographique
Résumé
Organisasi nirlaba membutuhkan perencanaan strategis agar keberlanjutan dari organisasi tersebut tetap ada. Salah satu organisasi nirlaba di bidang seni adalah Art Music Today, yang berdomisili di Yogyakarta. Organisasi ini telah berdiri sepuluh tahun dan memerlukan perencanaan strategis untuk semakin berkembang. Penelitian ini mengevaluasi strategi yang sebelumnya dilakukan Art Music Today dengan menggunakan matriks IE dan SWOT. Hasilnya, strategi yang telah dilakukan Art Music Today bersifat ekspansif, sehingga strategi yang diperlukan selanjutnya bersifat mendukung kemajuan yang telah dilakukan. Salah satu strategi yang dapat diterapkan adalah Blue Ocean, yaitu strategi yang diterapkan di blue ocean , atau ruang pasar yang belum dimanfaatkan tetapi memiliki potensi tinggi. Strategi ini dapat diterapkan dengan implementasi yang dapat dilakukan dengan model 7-S Framework dari McKinsey. The Expansive Strategic Planning for the Management of Art Music Today as a Non-Profit Organization ABSTRACT The non-profit organization needs strategic planning to ensure the organization’s continuity. One of the non-profit organizations in the arts is Art Music Today, which is situated in Yogyakarta, Indonesia. This organization was established in 2012 and requires new strategic planning to improve. This research evaluates past strategies of Art Music Today using IE and SWOT matrixes. The result shows that Art Music Today has been using expansive strategies, so the new strategic planning is designed to boost progress. The Blue Ocean strategy can be used in this; Blue Ocean is a strategy to leverage a niche market with high potential. The strategy can be implemented using a 7-S McKinsey Framework model.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».