MétaCan
Menu
Retour à la cohorte
Enregistrement W2034211783 · doi:10.1177/1098214015578731

Merging Developmental and Feminist Evaluation to Monitor and Evaluate Transformative Social Change

2015· article· en· W2034211783 sur OpenAlexaboutno aff
Laura Haylock, Carol Miller

Notice bibliographique

RevueAmerican Journal of Evaluation · 2015
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTransformative learningTheory of changeSociologySocial transformationSocial changeMonitoring and evaluationParticipatory evaluationProgram evaluationPolitical sciencePedagogySocial sciencePublic administrationLaw

Résumé

récupéré en direct d'OpenAlex

Programs seeking to challenge and change gender and power relationships require a nimble, evolving monitoring, evaluation, and learning (MEL) system that helps make sense of how nonlinear complex social change happens. This article describes efforts by Oxfam Canada to develop such a system for a women’s rights and gender equality program. The system, which we call a feminist learning system (FLS), is an interconnected, nonlinear system that emerged over the program life cycle and responded to evaluative challenges and information needs we encountered along the way. The learning-oriented focus of the system differentiates it from more standard approaches to monitoring and evaluation. We situate the system within current evaluation thinking and research, arguing that it represents a merging of developmental evaluation and feminist evaluation. The synergistic fit of the two approaches provided an evaluative framework that strengthened Oxfam Canada’s ability to monitor, evaluate, and learn from our highly complex program. It also provided a lens that viewed MEL activities as part of a continuum of social transformation that reinforced programmatic goals related to women’s rights and gender equality.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,139
score de la tête « metaresearch » (Gemma)0,099
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,861
Score d'incertitude au seuil0,737

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1390,099
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0080,004
Études des sciences et des technologies0,0050,015
Communication savante0,0110,006
Science ouverte0,0030,011
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,368
Tête enseignante GPT0,537
Écart entre enseignants0,170 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
DomaineÉvaluation
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of EvaluationMême sujetEvaluation and Performance AssessmentTravaux en français237 207