Enhancing Data-Driven Decisions by Improving Nonprofit Transparency and Collaboration: A Study of the Accessibility of Nonprofit Data in the Global Landscape
Notice bibliographique
Résumé
This paper addresses the pressing need for enhanced transparency of nonprofit data to improve nonprofit collaboration, emphasizing the development of a global nonprofit database. Globally, there is a lack of transparency and accessibility to nonprofit data, which reduces the ability to make better decisions 1) between nonprofits as they work to collaborate and improve outcomes, 2) with nonprofit resource providers (foundations, volunteers, donors, company CSR programs, governments, grantees, etc.) when making decisions about who to support, and 3) with nonprofits as they attempt to reach those who need their services. By analyzing 34 nonprofit databases from the European Union, the United States, and Canada, this study explores the variation in data availability, quality, and transparency measures. Preliminary findings suggest that standardized and accessible nonprofit data can significantly improve decision-making, resource allocation, and strategic planning across these three groups. The study also highlights the potential of such a database to address the Sustainable Development Goals (SDGs) by identifying service provision gaps, optimizing collaboration, and informing data-driven advocacy and policy making. Through a comprehensive review of existing literature and a comparative case study methodology, this research aims to provide actionable recommendations for creating a more transparent, accountable, and collaborative global nonprofit sector. By creating a global nonprofit database that increases nonprofit transparency and makes data more accessible to decision makers, there will be 1) increased trust, 2) increased collaboration, 3) better decisions being made, and 4) better outcomes.
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 | 0,057 | 0,127 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,006 | 0,009 |
| Communication savante | 0,013 | 0,014 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».