Building for the future: Best practices and lessons learned from community foundations in establishing, managing, and cultivating donor support for an endowment
Notice bibliographique
Résumé
Due to the recent recession, many foundations and charities are struggling. Interest payments from investments are at an all-time low. Donors are wary of their contributions sitting in unsuccessful funds for the future, when they could be put to work through grants today. These factors lend urgency to the ever-present issue of sustainability among Third Sector organizations around the world. In this paper, Francesca Aguiar Carson investigates current trends, best practices and lessons learned from community foundations and diaspora giving organizations in establishing, managing, and cultivating donor support for an endowment within today's philanthropic and economic climate. Ms. Carson is tasked with developing recommendations for a suitable endowment strategy for BrazilFoundation, a grant-making and fundraising public charity with a young donor base which generates resources to support community-based projects across Brazil. The Foundation has invested more than $18 million over the past 12 years, mostly in comparatively small one-year grants, supporting the work of more than 300 social projects in Brazil. Ms. Carson draws on lessons from community foundations in order to gain perspective on how a public diaspora foundation like BrazilFoundation might best organize an endowment campaign. Ever aware of balancing the demands of short-term need and long-term planning, and drawing on lessons learned from community foundations in the U.S., Canada, and Kenya, Ms. Carson concludes that BrazilFoundation is an example of an organization that could benefit from developing and introducing a "soft" (or incremental) endowment strategy. The author emphasizes the importance of analyzing an organization's current capacity together with other factors that might influence an endowment campaign -- including knowledge about the age and cultural practices of a foundation's potential donor base. In her recommendations she also points out that long-term sustainability may be achieved through means other than endowment building, including social enterprise and annual fundraising campaigns for pass-through funding.
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 | 0,071 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,016 | 0,023 |
| Communication savante | 0,016 | 0,020 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,005 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».