Fidélisation des donateurs : modélisation comportementale du parcours philanthropique en milieu universitaire
Bibliographic record
Abstract
Cette recherche s’intéresse au concept de fidélisation des donateurs. Elle explore le parcours philanthropique de donateurs fidèles au secteur de l’éducation universitaire. Deux objectifs sont poursuivis dans le cadre de cette étude. Le premier vise à comprendre comment et pourquoi ces individus sont devenus fidèles et le deuxième à développer des outils concrets et des recommandations pratiques pour les professionnels du domaine philanthropique. \n \nUne revue de littérature exhaustive sur le sujet a permis de recenser les composantes et les variables liées à fidélisation. Sept thématiques se sont dégagées des écrits ainsi que 70 variables. Grâce à cette recension des écrits, nous avons élaboré un modèle intégrateur qui illustre les différentes phases du comportement philanthropique menant vers la fidélité. Des sept thèmes dégagés, cinq sont étudiés plus en profondeur, soit les antécédents et facteurs prédisposants, les déclencheurs et motivations, les comportements, les bénéfices et la fidélisation. \n \nDans une approche qualitative et une perspective ethnosociologique, la méthode récit de vie a servi pour tester le modèle. En collaboration avec l’Université du Québec à Trois-Rivières ainsi que l’Université du Québec à Chicoutimi, huit entretiens semi-structurés ont été réalisés auprès de donateurs fidèles. Pour être considérés comme fidèles, les individus devaient donner, de façon récurrente au secteur universitaire, depuis au moins trois ans et ressentir un sentiment d’appartenance envers l’institution. \n \nL’originalité de cette recherche repose entre autres sur le recensement des thèmes liés à la philanthropie illustré sous forme d’une cartographie. Cette figure met en relief les sujets afférents à la fidélisation des donateurs selon les résultats de nombreux scientifiques oeuvrant dans ce domaine. La nomenclature des thèmes, l’ordonnancement temporel des phases du parcours philanthropique ainsi que la catégorisation des 70 variables répertoriées se révèlent aussi comme des contributions théoriques utiles tant pour les professionnels du domaine que les recherches à venir. \n \nÀ la lumière de nos résultats, nous proposons une modélisation comportementale du parcours philanthropique en milieu universitaire. Aussi, la richesse des données a fait émerger du corpus de nouvelles variables, une sous-variable et une phase intitulée « fidélité continue ». Également, nos tableaux de fréquences exposent les variables les plus influentes. Enfin, des pistes de réflexion et des recommandations pratiques, pour les professionnels et les chercheurs, sont dévoilées au dernier chapitre.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.002 |
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; both teacher heads agree on what is shown here.
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".