Beyond giving, alumni participation in university foundations in Canada: a cross-cultural comparison
Bibliographic record
Abstract
• Objectifs Nous nous intéressons à la participation des alumni au fonctionnement des Universités et à ses déterminants. Notre objectif est de montrer que l’effet de certains déterminants varie en fonction du contexte culturel. En prenant appui sur un cadre conceptuel mêlant une approche par le don et une approche « management », les déterminants testés sont l’altruisme, le sentiment d’appartenance, le besoin de réputation, la norme sociale et l’image de la fondation. • Méthodologie Un questionnaire a été administré en ligne auprès d’un échantillon de 330 alumni d’Universités canadiennes (144 francophones et 186 anglophones). Le Canada a été choisi parce qu’il rassemble deux communautés culturelles différentes dans un contexte historique, politique, juridique et économique, commun. Les données ont été analysées au moyen d’une modélisation par équation structurelle (PLS-PM). • Résultats Les résultats montrent que pour les anglophones la participation est guidée par l’altruisme et le besoin de réputation, tandis que l’image de la fondation est le principal moteur des francophones. La norme sociale injonctive joue également un rôle sur la participation, mais son intensité est modérée et ne varie pas selon la communauté culturelle. Le sentiment d’appartenance n’a pas d’effet sur la participation. • Implications managériales Les fondations universitaires doivent tenir compte des origines culturelles de leurs alumni en différenciant leurs stratégies relationnelles avec ces derniers. Faire appel à l’altruisme ou valoriser a posteriori la participation des alumni semble bien fonctionner avec les Canadiens anglophones, tandis que mettre en avant la réputation de la fondation serait plus efficace auprès des Canadiens francophones. En revanche, une communication fondée sur la norme sociale n’aurait pas besoin d’être différenciée. • Originalité L’une des originalités est la focalisation sur le contexte canadien : deux cultures, un seul pays. Une deuxième est le recours à la participation, et pas simplement à l’intention de don. La troisième est le choix de déterminants non encore étudiés dans un contexte de comparaison interculturelle.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".