MétaCan
Menu
Retour à la cohorte
Enregistrement W273644060 · doi:10.3138/cjpe.17.007

Evaluating Organizational Capacity Development

2002· article· en· W273644060 sur OpenAlexafffundvenue
Ronald Mackay, Douglas Horton, Luis Dupleich, Anders Andersen

Notice bibliographique

RevueCanadian Journal of Program Evaluation · 2002
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensConcordia University
Organismes subventionnairesDanish International Development AgencyInternational Fund for Agricultural DevelopmentAustralian Centre for International Agricultural ResearchMinisterie van Buitenlandse ZakenConcordia UniversityDirektion für Entwicklung und ZusammenarbeitInternational Development Research Centre
Mots-clésCapacity developmentAgricultural developmentCapacity buildingProcess managementBusinessLatin AmericansOrganization developmentAgricultureManagement scienceEnvironmental resource managementKnowledge managementPolitical scienceComputer scienceEconomic growthEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract: While substantial sums are being invested in the development of organizational and institutional capacities, the design and management of capacity development efforts leave much to be desired. Few capacity development initiatives have been systematically and thoroughly evaluated. This article describes the conceptual frameworks and methods used to evaluate a multisite, regional capacity-development project in Latin America and the Caribbean undertaken to strengthen planning, monitoring, and evaluation in agricultural research organizations. The article discusses some of the challenges facing capacity development and its evaluation, outlines the procedures employed, and illustrates these with some consolidated findings in response to four evaluation questions: What were the main contributions of the project to agricultural research management? How were the results achieved? What factors facilitated their achievement? and What lessons can we learn to improve future capacity development efforts and their evaluation?

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)0,055
score de la tête « metaresearch » (Gemma)0,140
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,289

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0550,140
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,005
Études des sciences et des technologies0,0020,003
Communication savante0,0050,004
Science ouverte0,0020,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,686
Tête enseignante GPT0,547
Écart entre enseignants0,139 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations21
Publié2002
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Program EvaluationMême sujetEvaluation and Performance AssessmentTravaux en français237 207