Fundraising Effectiveness Project (FEP) Second Quarter Fundraising Report (2022)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Charitable giving increased significantly in Q2 2022, but gains were accompanied by a continuing steep decline in donor acquisition and retention, particularly among new and newly retained donors, according to the Fundraising Effectiveness Project's (FEP) Second Quarter Fundraising Report.The Fundraising Effectiveness Project (FEP) is a collaboration among fundraising data providers, researchers, analysts, associations, and consultants to empower the sector to track and evaluate trends in giving. The project offers one of the only views of the current year's fundraising data in aggregate to provide the most recent trends for guiding nonprofit fundraising and donor engagement. The FEP releases quarterly findings on those giving trends, released both via downloadable reports at afpfep.org and in a free online dashboard. FEP Q2 2022 Report Key TakeawaysQ2 giving data shows donor counts down steeply, driven by declines in small (sub $500) donor segments, as well as in new donor acquisition and retention. On the other hand, recaptured donors and newly retained donors, which had both dropped in Q1, rose moderately and stabilized in Q2.At the same time, dollars are up, largely due to increased giving by major donors, although this increase of 6.2% (estimated for late data) is nonetheless lower than the Q2 inflation rate of approximately 8.5%Despite decreasing overall donor counts, fundraising is up thanks to increasing recapture rates (people who donated sometime in the past, but not last year). That segment may include COVID donors being recaptured or the return of pre-COVID donors who paused their giving during the pandemic.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,156 | 0,007 |
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 découle