博客家

我们有39%的相似度;我们怎样才能成倍地变得更好?

尚塔尔·福斯特(她,她)
2021年11月17日

来自TAG的描述随机拨款表格的图片与任何其他拨款表格的相似度为39%。

“自我反省”是2021年慈善事业的时代精神。我们反映。我们适应。我们听到了“我们服务的人民的呼声”,这是一位基金会工作人员最近提出的。有时这些声音是充满激情的个人声音,有时则是通过数据传达的指令。

其中一个数据故事是这样的:尽管长期受到怀疑,我们终于有数据证实,我们39%的资助申请在不同的资助人之间是重复的。最近来自技术资助人协会(TAG)的证据表明,资助人在不同资助人之间问的是相同的问题,只是略有不同,这浪费了非营利组织在申请过程中的大量时间。这种浪费增加了非营利组织的日常开支,分散了他们的使命所寻求的影响,增加了他们没有资金支持的运营成本。

考虑到权力和特权的问题,对非营利组织的这种浪费仍然是合理的吗?到2022年,资助者可能会做些什么来开始解决我们所宣称的价值观与我们运营的现实之间的这种不匹配?

在这篇博客文章中,我们将回顾研究结果,讨论影响,并确定需要进行的反思,以与我们的价值观保持新的一致。

想看更多?跳到视频观看Chantal Forster、Candid的C. Davis Parchment和数据科学家夸梅·波特·罗宾逊(Kwame Porter Robinson)关于研究结果、影响和下一步建议的简短对话。

夸梅·波特·罗宾逊的YouTube视频截图

分析130位资助人的资助申请

背景故事是这样的:在2021年夏天,超过130名资方与TAG分享了示例拨款申请,作为我们参与#FixtheForm运动的一部分GrantAdvisor.org.这些授权表格使TAG不仅能够确定级别的重叠问题之间(39%)也要识别共享问题组.感谢这些资助者的慷慨,我们能够识别出13组存在重复问题的小组,使用几种人工引导的机器学习技术。

以下是13个问题组以及每个问题组中授权表格字段的百分比:

  1. 组织简介和一般信息(18%)
  2. 杂项(3%)
  3. 公司授权和监督,组织结构(5%)
  4. 数据处理、概述、测量、评估和报告(4%)
  5. 项目人口统计/定位/状态(2%)
  6. 替代支持(< 1%)
  7. 《你是怎么知道我们的》(< 1%)
  8. COVID-19如何影响你的工作(< 1%)
  9. 组织预算、收入实践和预测(20%)
  10. 协作伙伴关系和社区支持(5%)
  11. 与申请拨款相关的(20%)
  12. 填写表格所花费的时间(< 1%)
  13. 组织的职能(22%)

在每个组中都有许多资助者共享的类似表单字段(即问题)。例如,在“组织传记和一般信息”组中,以下是不同资助者共同的字段:

组织传记和一般信息
提供以下关于组织和员工的信息。如果需要联系信息,请提供(如适用)姓名、职位、地址、电子邮件地址、电话号码。

  • 专业推荐信/推荐信(其他能代表机构发言的)
  • 定性员工特征(与项目相关的经验、共同的背景、高管履历等)
  • 申请人的联系信息
  • 联系方式
  • 实习生角色(如有)
  • 联系人信息
  • 关键项目员工简历
  • 组织的联系信息
  • 组织的捐款网站
  • 组织的DUNS编号和/或指南星简介
  • 公司的传真号码
  • 组织的成立日期/历史
  • 组织的法律地位
  • 组织社交媒体(Facebook页面,Instagram页面,Twitter页面等)
  • 主要申请人联系方式
  • 工作人员联系信息
  • 员工统计资料(年龄、种族、性别、入境身份)
  • 人员资格
  • 兼职工人总数
  • 全职员工总数
  • 受薪员工总数
  • 总工作时数

即使快速浏览上面的表单字段,也会发现这些信息的大部分都可以从美国非营利组织每年提交的990个表单的公共存储库中获得。因此,我们可以问这样一个问题:为什么基金会可以用技术来预填充来自公共来源的应用程序,而不是继续询问这些信息?

对TAG的研究发现的13个组中的每一个进行检查,得到的结果是类似的模式:每个组包含的共享字段是减少、标准化和自动化的主要候选字段。查看完整的结果集在这里。

在2022年激活我们的价值观

在过去两年中,慈善事业提出了一些重要的问题,包括公平获取——获得足够的资金、获得数字工具、获得权力。TAG进行的研究强调了一个重要的推论:在操作层面开始回答这些问题是什么样子的?

长期以来,人们一直在质疑如何解决慈善领域的低效流程,包括拨款申请和报告流程,这些流程占用了非营利组织做重要工作的宝贵时间。幸运的是,这项研究表明有一些常识性的补救措施。资助人可以开发一个应用/报告问题的“共同核心”,可以从共享的数据存储库中自动填充,不需要非营利组织付出太多努力。麦克阿瑟基金会(MacArthur Foundation)首席信息官约翰•莫尔(John Mohr)表示:“现在是我们挑战我们为一个行业设置的壁垒的时候了。”“现在是我们开发创造性解决方案的时候了,比如慈善数据共享平台和工具,它们将减轻非营利组织的负担,增加获得资金的渠道,并消除机会的障碍。”

然而,实施这些解决方案需要慈善领域从根本上做出改变,具体来说,我们需要更多:

  1. 谦卑认识到系统和流程,如重复和繁重的拨款申请和报告表格,是非营利组织的结构性障碍。
  2. 合作的意愿与其他资助者、信息中介和产品供应商一起寻找共享的技术解决方案,减轻非营利组织的负担。
  3. 投资需求共享解决方案和基础设施。

现在如何开始

如果你是一个信息中介……考虑将这里标识的公共字段映射到公共数据库中通过应用程序编程接口(Application Programming Interface, API)可用的任何数据字段。将地图公开发布,以鼓励产品供应商和可能有定制解决方案的资助人采用该地图。

如果你是一个产品供应商…与您的团队一起进行头脑风暴,以使您的软件能够从990个数据库或资助者自己的数据存储中预填充并自动化赠款应用程序。考虑为您的客户创建一个基线授权模板,该模板利用应用程序中至少40%的共享问题,并使用来自公共数据源的api预填充数据。

如果你是非营利组织……与你的资助者分享你的研究发现,尽可能坦诚地讲述你在申请过程中的经历。

如果你是资助人……考虑在您的组织中成立一个跨职能工作组(包括来自项目、管理和IT部门的成员)来审查这项研究,并确定是否愿意参与一致的跨部门行动。例如,资助人可以承诺与他们的资助管理系统提供商合作,利用包含非营利数据的现有数据存储库。

加入一个工作会议在1月26日讨论这些发现的影响以及部门主导回应的可能性。

关于TAG研究

我非常感谢来自美国、加拿大、欧盟和英国的133位资助人,他们与TAG分享了范例资助申请。这些表格是TAG和GrantAdvisor.org开展的“100天100个表格”活动的一部分。查看参与组织的完整名单在这里以及下面对组织类型的概述。

按组织类型划分的参与条形图。图1资助机构类型的参与情况

资助人预算参与的条形图。图2年度拨款预算的参与情况

数据科学家夸梅·波特·罗宾逊(Kwame Porter Robinson)对这些表格进行了数据分析,他是密歇根大学信息学院专门研究人工智能(HAII)和自然语言理解(NLU)人类交互的博士生。在他的四部分分析中,Robinson结合了人类引导的机器学习、聚类技术和基于语料库的相似度分析,这些相似度分析来自长期以来的语义相似度和信息检索研究。得出的分析结果表明,“通常情况下,一份随机的拨款表格与其他任何拨款表格的相似性为39%,”罗宾逊说,“尽管可能存在很大的差异,根据所比较的表格的相似性从0%到93%不等。”您可以在此分析中找到使用的Robinson脚本在这里

研究经费

这项研究由约翰·d·和凯瑟琳·t·麦克阿瑟基金会以及罗伯特·伍德·约翰逊基金会提供资金。

标签:基金会和grantmaking股本数据