Contextual design choices and partnerships for scaling early child development programmes
Notice bibliographique
Résumé
to implement ECD programmes at national and regional scale. We completed a literature review and participatory mixed-method evaluation of projects in Saving Brains®, Grand Challenges Canada® funded ECD portfolio across 23 low- and middle-income countries (LMIC). Using an adapted programme cycle, findings from evaluation related to partnerships and leadership, situational analyses, and design for scaling ECD were considered. 39 projects (5 'Transition to Scale' and 34 'Seed') were evaluated. 63% were delivered through health and 84% focused on Responsive Caregiving and Early Learning (RCEL). Multilevel partnerships, leadership and targeted situational analysis were crucial to design and adaptation. A theory of change approach to consider pathways to impact was useful for design, but practical situational analysis tools and local data to guide these processes were lacking. Several RCEL programmes, implemented within government services, had positive impacts on ECD outcomes and created more enabling caregiving environments. Engagement of informal and private sectors provided an alternative approach for reaching children where government services were sparse. Cost-effectiveness was infrequently measured. At small-scale RCEL interventions can be successfully adapted and implemented across diverse settings through processes which are responsive to situational analysis within a partnership model. Accelerating progress will require longitudinal evaluation of ECD interventions at much larger scale, including programmes targeting children with disabilities and humanitarian settings with further exploration of cost-effectiveness, critical content and human resources.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,097 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».