La gestion philanthropique : Guide pratique pour la collecte de fonds
Bibliographic record
Abstract
Le secteur de la philanthropie se developpe et se professionnalise. L’improvisation cede la place a des strategies et a des tactiques qui ont fait leur preuve. Des methodes eprouvees de collecte de fonds sont dorenavant appliquees, et leur rendement est mesure en fonction du retour sur l’investissement. Les attentes des donateurs sont par ailleurs plus elevees que jamais: ils s’attendent a ce que les organismes caritatifs gerent avec competence l’argent qu’ils leur confient, maintiennent les frais d’administration a leur minimum et consacrent la plus grande part de leurs ressources aux activites charitables. Par son ouvrage, Daniel Lapointe veut aider les professionnels et les benevoles des organismes de bienfaisance a atteindre ce haut niveau d’efficacite et d’efficience dans leurs demarches de sollicitation. Presentant les rudiments des principaux programmes de collecte de fonds et donnant des conseils pour favoriser la reussite des activites de financement, l’auteur repond aux nombreuses questions que se posent les personnes engagees en philanthropie. Quelles sont les cles du succes de chacune des methodes de sollicitation? Comment aborder les chefs d’entreprise? Quels sont les elements de base d’une demande de financement adressee a une fondation privee? Quels roles doivent jouer les membres du conseil d’administration, les employes et les benevoles au sein des organismes caritatifs? Toutes les dimensions relatives a la gestion philanthropique sont traitees, de l’organisation d’un evenement-benefice a la preparation d’une demande de financement aupres d’une fondation privee, en passant par la mise en place d’un programme de dons planifies. Avec des temoignages de Michele Thibodeau-DeGuire, presidente et directrice generale, Centraide du Grand Montreal Jici Lauzon, comedien-humoriste Lorraine Palardy, directrice generale, Les Impatients Marie-Josee Coutu, presidente, Fondation Marcelle et Jean Coutu
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.008 | 0.010 |
| Scholarly communication | 0.009 | 0.008 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.006 | 0.009 |
| Insufficient payload (model declined to judge) | 0.028 | 0.013 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".