MétaCan
Menu
Retour à la cohorte
Enregistrement W2792013179 · doi:10.1177/1035719x1601600103

Performance measurement as precursor to organizational evaluation capacity building

2016· article· en· W2792013179 sur OpenAlexaff
Isabelle Bourgeois

Notice bibliographique

RevueEvaluation Journal of Australasia · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePublic Policy and Administration Research
Établissements canadiensNational Circus School
Organismes subventionnairesnon disponible
Mots-clésTransparency (behavior)Performance measurementBusinessCapacity buildingProcess managementOrganizational performanceKnowledge managementBridge (graph theory)Computer scienceRisk analysis (engineering)Management scienceMarketingEngineeringEconomicsComputer securityMedicine

Résumé

récupéré en direct d'OpenAlex

The widespread use of performance measurement and program evaluation in public administrations worldwide has been met with varying degrees of success, in terms of increased transparency and effectiveness. In many cases, the lack of impact of these functions is attributed to insufficient organizational knowledge and capacity to implement proper monitoring and evaluation systems. Both of these management tools are recognized in their own right as having the potential to contribute to ongoing decision-making and budgetary allocations within public organizations; however, they have complementary roles in terms of producing ongoing versus periodic information, and focusing on outputs and early outcomes versus longer-term program objectives. This paper attempts to bridge these two functions by proposing that performance measurement can act as a precursor to the development of organizational evaluation capacity, by providing some of the building blocks required to develop an evaluative culture within an organization. Five models of organizational evaluation capacity were analyzed to identify the extent to which performance measurement contributes to evaluation capacity building.

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)0,019
score de la tête « metaresearch » (Gemma)0,011
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,585
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0190,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0050,000

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 Opus0,242
Tête enseignante GPT0,434
Écart entre enseignants0,192 · 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'étudeObservationnel
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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvaluation Journal of AustralasiaMême sujetPublic Policy and Administration ResearchTravaux en français237 207