Public relations, marketing and fundraising in Canadian nonprofits: Who is better at relationship?
Notice bibliographique
Résumé
The nonprofit landscape in Canada is extremely competitive and organizations looking to be successful for the long term will need the ability to build effective relationships with their key audiences. Over the last 30 years, the quality of organizational-public relationships (OPR) has been measured by a number of public relations scholars but it was Hon and Grunig (1999) who identified a number of indicators, including trust, commitment and control mutuality. Furthermore, scholarly literature shows there is also the potential for encroachment of public relations by other functions such as fundraising and marketing, as financial sustainability remains a great concern for nonprofits. This study examines public relations, marketing and fundraising structures in the human services nonprofit subsector in Canada against OPR indicators to explore whether there is a relationship between structure and engagement effectiveness. The researcher deployed a nationwide survey reaching 115 public relations, marketing and fundraising professionals, conducted in-depth interviews with 11 CEOs and senior leaders of nonprofit organizations and analyzed six of their corresponding organization charts in a content analysis. The research shows that generally the organizations in this subsector enjoy high levels of trust and commitment from their audiences, but control mutuality is an area of weakness. The researcher also found that encroachment of the public relations function was not occurring to a great extent. This study raises possibilities for future research of OPRs and other nonprofit subsectors as well as research that examines the relationship between organizational size and engagement effectiveness.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,095 | 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 tête enseignante, 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 ».