MétaCan
Menu
Retour à la cohorte
Enregistrement W2319861733 · doi:10.1177/1098214014542100

Insights on Using Developmental Evaluation for Innovating

2014· article· en· W2319861733 sur OpenAlex
Chi Yan Lam, Lyn M. Shulha

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAmerican Journal of Evaluation · 2014
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésConceptualizationProcess (computing)Knowledge managementProcess managementRendering (computer graphics)Computer sciencePsychologyManagement scienceBusinessEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This article contributes to research on evaluation by examining the capacity and contribution of developmental evaluation for innovating. This case study describes the preformative development of an educational program (from conceptualization to pilot implementation) and analyzes the processes of innovation within a developmental evaluation framework. Developmental evaluation enhanced innovation by (a) identifying and infusing data primarily within an informing process toward resolving the uncertainty associated with innovation and (b) facilitating program cocreation between the clients and the developmental evaluator. Analysis into the demands of innovation revealed the pervasiveness of uncertainty throughout development and how the rendering of evaluative data helped resolve uncertainty and propelled development forward. Developmental evaluation enabled a nonlinear, coevolutionary program development process that centered on six foci—definition, delineation, collaboration, prototyping, illumination, and reality testing. This article concludes by encouraging evaluators to understand the demands of innovation and the value of design thinking when innovating.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,029
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,957
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0290,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,357
Tête enseignante GPT0,554
Écart entre enseignants0,197 · 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