Evaluating Efforts to Shift Power Through Listening: Defining Power and Listening to All Sides
Notice bibliographique
Résumé
There are a variety of ways funders and nonprofits are trying to shift the power dynamics between those who typically have held it (i.e., funders and organizations) to those who have unique and important expertise: those most affected by the problems the social sector is trying to solve. In this article, we share lessons from two evaluations that sought to understand how those who were being listened to experienced the listening process, exploring the degree to which people felt heard and their experiences of how, and in what ways, power shifted for them. One evaluation focused on the experiences of individuals who had given feedback to nonprofits serving them. While this evaluation focused on nonprofit organizations, we believe the lessons learned about how feedback and the act of listening itself influenced organizational change and advanced equity within organizations has relevance for funders, as well. In the second, we explicitly explored questions of power-shifting with participants in and grantees of a participatory grantmaking initiative. By looking across these two sets of evaluation findings, we elevate ways of thinking about power, as well as new considerations and implications for funders who seek to listen to the people most impacted by the problems they are working on.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,494 | 0,567 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,009 | 0,020 |
| Communication savante | 0,021 | 0,020 |
| Science ouverte | 0,004 | 0,015 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».