Reflecting on an impact evaluation of the Grade R programme: Method, results and policy responses
Notice bibliographique
Résumé
This paper describes the expansion since 2001 of a public pre-school programme in South Africa known as ‘Grade R’, summarises the findings from an impact evaluation of the introduction of Grade R, discusses the policy recommendations flowing from the evaluation and reflects on the process of implementing the recommendations. The Grade R programme has expanded dramatically, to the point where participation is nearly universal. Although a substantial literature points to large potential benefits from pre-school educational opportunities, the impact evaluation reported on in this article demonstrated that the Grade R programme, as implemented until 2011, had a limited impact on later educational outcomes. Improving the quality of Grade R, especially in schools serving low socio-economic status communities, thus emerges as a key policy imperative. Recommended responses include professionalising Grade R teachers, providing practical in-service support, increasing access to appropriate storybooks, empowering teachers to assess the development of their learners, and improving financial record-keeping of Grade R expenditure by provincial education departments. The impact evaluation was initiated by the Department of Planning, Monitoring and Evaluation (DPME) and the Department of Basic Education (DBE), and was conducted by independent researchers. The move towards increased evaluation of key government programmes is important for shifting the focus of programme managers and policymakers towards programme outcomes rather than only programme inputs. Yet the process is not without its challenges: following a clear process to ensure the implementation of the lessons learned from such an evaluation is not necessarily straightforward.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,046 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».