MARC

 008250123s2024        us                              c    eng  d
■001000017161718
■00520250211151435
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798382784441
■035    ▼a(MiAaPQ)AAI31295568
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a004
■1001  ▼aGreen,  Chelsea  Cristen.▼0(orcid)chelseacgreen
■24510▼aThe  Great  Divide  Between  the  Wealth  of  Nonprofits  and  Their  Communities
■260    ▼a[Sl]▼bHarvard  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a225  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-12,  Section:  B.
■500    ▼aAdvisor:  Frieden,  Jeffry  A.
■5021  ▼aThesis  (Ph.D.)--Harvard  University,  2024.
■520    ▼aAmidst  the  confluence  of  rising  inequality  and  increasing  nonprofit  wealth,  is  this  increasing  institutional  wealth  making  a  meaningful  impact  on  communities?  Furthermore,  are  nonprofit  institutions  in  more  marginalized  communities  more  likely  to  receive  funding,  or  less  likely? To  address  these  questions,  Chapter  1  begins  by  investigating  which  nonprofit  organizations  receive  more  financial  resources  -including  grants  from  government  sources-and  why.  Drawing  on  three  original  datasets,  the  findings  highlight  a  curious  phenomenon:  community-related  factors  explain  little  additional  variation  in  nonprofit  organizational  wealth,  particularly  when  controlling  for  their  organizational  purposes.  However,  Stochastic  Gradient  Descent  learning  was  applied  to  the  models,  revealing  noteworthy  results.  First,  a  positive  relationship  between  community  inequality  and  nonprofit  organizational  wealth  exists.  Second,  different  forms  of  racism  (structural  v.  institutional)  experienced  by  nonprofits'  surrounding  communities  predict  different  effects  on  the  wealth  of  nonprofit  organizations  themselves.  This  chapter  notably  contributes  1)  the  first  research  to  quantify  the  effects  of  historical  redlining  policies  on  modern-day  nonprofit  wealth,  and  2)  the  largest  ever  original  dataset  -and  subsequent  empirical  investigation  -of  government  grant  contributions  to  nonprofits.Chapter  2  then  examines  the  relationship  between  the  structure  of  organizational  landscapes  and  community  level  wealth.  Deploying  two  additional  original  datasets,  nonprofit  presence  and  power  are  found  to  explain  very  little  additional  variation  in  community  wealth  when  controlling  for  other  community-related  factors.  However,  they  do  explain  additional  variation  in  community  inequality  among  the  most  marginalized  American  communities,  but  in  a  perhaps  counterintuitive  direction:  for  some  organizational  types,  increased  nonprofit  power  and  presence  is  associated  with  greater  community  inequality.  Furthermore,  nonprofits  explained  greater  variation  in  inequality  where  they  were  most  scarce,  but  also  where  they  possessed  the  most  resources.  Finally,  nonprofits  representing  a  wide  and  surprising  array  of  functions-far  beyond  what  might  seem  immediately  relevant  to  community  wealth-  seem  connected  to  community  inequality  at  the  most  granular  geographical  levels. In  light  of  these  striking  findings,  Chapter  3  proposes  a  new  theory  of  action  to  bridge  the  divide  between  nonprofit  organizations  and  their  communities.  I  argue  that  the  way  individuals  navigate  organizations-  often  multiple  of  them-are  key  to  how  people  can  get  what  they  want.  Using  Hirschman's  exit,  voice,  and  loyalty  as  a  starting  point,  this  chapter  leaps  beyond  the  traditional  confines  of  choice  sets  available  to  individuals  and  expands  upon  them.  Emphasizing  how  individuals  navigate  multiple  institutions,  rather  than  just  one,  to  advance  their  interests  offers  a  theoretical  lens  through  which  to  view  the  interactions  between  community  members  and  the  organizations  that  surround  them.
■590    ▼aSchool  code:  0084.
■650  4▼aComputer  science
■650  4▼aPublic  administration
■653    ▼aInequality
■653    ▼aMachine  learning
■653    ▼aNonprofit  organizations
■653    ▼aOrganizational  wealth
■653    ▼aCommunity-related  factors
■690    ▼a0703
■690    ▼a0984
■690    ▼a0800
■690    ▼a0617
■71020▼aHarvard  University▼bGovernment.
■7730  ▼tDissertations  Abstracts  International▼g85-12B.
■790    ▼a0084
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17161718▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books