MétaCan
Menu
Retour à la cohorte
Enregistrement W2557681684 · doi:10.4102/aej.v4i1.178

Evaluation involvement of local HIV/AIDS non-governmental organisations in Benin

2016· article· en· W2557681684 sur OpenAlexaff
Maurice Agonnoudé, François Champagne, Nicole Leduc

Notice bibliographique

RevueAfrican Evaluation Journal · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésCivil societyMonitoring and evaluationHuman immunodeficiency virus (HIV)Task (project management)Political sciencePublic relationsCapacity buildingPandemicDescriptive researchBusinessEconomic growthMedicineSociologyCoronavirus disease 2019 (COVID-19)PoliticsManagementFamily medicineEconomicsSocial scienceDiseaseLaw

Résumé

récupéré en direct d'OpenAlex

Background: For some years, non-governmental organisations (NGOs) and civil society have become increasingly involved in the fight against the HIV/AIDS pandemic in Africa. But even though their role is well appreciated, their actions are perceived as ineffective because of a lack of monitoring and evaluation capacity.Objective: This paper aims to describe local HIV/AIDS NGOs’ involvement in evaluation and the characteristics of this involvement.Method: Descriptive analysis of data collected in questionnaires completed by 34 NGO executives (one per NGO).Results: Most NGOs do not have the minimal conditions required for positive and effective involvement in evaluations. In addition, funding agencies’ expectations for evaluations, total human resources as well as experience as NGO are contextual factors that explain most aspects of their involvement in evaluations.Conclusion: This study provides funding agencies, NGO leaders and all those interested in developing evaluation capacity in these NGOs to understand the extent of the task in this area. They must keep in mind that there is no solution for all, but that solutions must be adapted to the developmental level of each organisation.

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 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)0,045
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,873
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0450,003
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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0220,000

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 Opus0,157
Tête enseignante GPT0,448
Écart entre enseignants0,291 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAfrican Evaluation JournalMême sujetEvaluation and Performance AssessmentTravaux en français237 207