OVERLOOKED: Foundation Support for Native American Leaders and Communities
Notice bibliographique
Résumé
Recent years have seen increased attention from philanthropic leaders to questions about race, systemic racism, and systemic inequities. This increased attention was heightened by the ways that the COVID-19 pandemic exacerbated existing inequities and the national protests in the wake of the murder of George Floyd by police. Since early 2020, some foundations have made greater efforts to address systemic inequities by increasing their funding to nonprofits serving communities of color. More than 40 percent of foundations report increasing their funding to nonprofits serving Black communities, and a little more than a quarter report doing so for nonprofits serving Latino communities. However, other communities affected by systemic inequities, including Asian American and Pacific Islander (AAPI) and Native American communities, appear to have been overlooked. These communities have not received much increased support from foundations during the same period. Across four research studies the Center for Effective Philanthropy (CEP) has conducted in the past two years, we've noticed two concerning trends emerge for AAPI and Native American nonprofit leaders and communities (trends that we do not see for nonprofit leaders and communities of other races/ethnicities):1. AAPI and Native American nonprofit leaders report having less positive experiences with their foundation funders than nonprofit leaders of other races/ethnicities. This has been the case during, as well as prior to, the pandemic.2. Despite the significant challenges facing AAPI and Native American people, most foundations continue to overlook nonprofits that serve these communities.We are sharing these results in a two-part series. The first report in the series focuses on findings about AAPI communities and leaders. This second report focuses on findings about Native American communities and leaders. Both reports include stories of nonprofit leaders from these communities, in their own words.
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 | 0,005 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,003 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,002 |
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 ».