Knowledge theories can inform evaluation practice: What can a complexity lens add?
Notice bibliographique
Résumé
Abstract Programs and policies invariably contain new knowledge. Theories about knowledge utilization, diffusion, implementation, transfer, and knowledge translation theories illuminate some mechanisms of change processes. But more often than not, when it comes to understanding patterns about change processes, “the foreground” is privileged more than “the background.” The foreground is the knowledge or technology tied up with the product or program that prompted the evaluation. The background is the ongoing dynamics of the context into which the knowledge is inserted. Complex adaptive system thinking encourages greater attention to this context and the interactions and consequences that result from the intervention, making these the forefront of attention. For the evaluator, there are implications of this shift in thinking. Process evaluations should be designed to capture the fluidity of the change process. Impact and outcome evaluations will require long time frames. Complex adaptive system thinking also encourages multilevel measures, a focus on structures, and capacity to assess the possibility of whole system transformation (whole school, whole organization) as a result of the newly introduced program or policy. For the people involved in the innovation, there is a corresponding shift from a focus on their knowledge (and competence) to assessment of their learning (and system‐level capability). New ways to interpret fidelity in these situations should therefore be developed. © Wiley Periodicals, Inc., and the American Evaluation Association.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,352 | 0,499 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,031 | 0,013 |
| Études des sciences et des technologies | 0,008 | 0,068 |
| Communication savante | 0,047 | 0,084 |
| Science ouverte | 0,007 | 0,023 |
| Intégrité de la recherche | 0,011 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».