Notice bibliographique
Résumé
Abstract This book offers a close examination of the ethical, political, and practical dimensions of donation-based online crowdfunding for basic needs including medical treatment, housing, food, and education. Crowdfunding uses online platforms and social networks to raise money from friends, family, and complete strangers for a variety of projects and needs. This practice has grown massively worldwide in recent years in terms of the numbers of crowdfunding campaigns and donors, money raised, visibility, and cultural influence. While the money raised through crowdfunding has helped millions of recipients, there is also reason for concern around how it may undermine campaigners’ privacy and dignity, mirror and exacerbate social inequities, mask and deepen social injustice, defraud donors, and spread misinformation and hate. The author places this discussion of crowdfunding in the wider historical context of giving practices and shows that crowdfunding can repeat and exacerbate ethical and political problems with traditional giving practices while creating other, new problems. While crowdfunding is often held up as a more democratic and less mediated giving practice than giving through philanthropies, crowdfunding platforms have a substantial role in mediating the relationship between donor and recipient, including determining what information is required in crowdfunding campaigns, influencing how viral crowdfunding campaigns are created, and deciding what kind of campaigns will be hosted. The author concludes by presenting nine values that should guide donation-based crowdfunding. These values can help crowdfunding donors, campaigners, recipients, platforms, and policy makers preserve the good that can come from crowdfunding while addressing some of its many negative aspects.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,051 |
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».