Monitoring and Evaluation Preparedness of Public Sector Institutions in South Africa
Notice bibliographique
Résumé
In a bid to improve service delivery in South Africa, the government has created a government-wide \nmonitoring and evaluation (M&E) system that would help gauge performance across all spheres of government. This has \ncompelled public sector institutions to adopt and implement M&E systems mandatorily, even when they are not \nnecessarily ready for it. The unpreparedness inevitably perforates the ability of M&E systems to credibly support \nperformance improvement in public sector institutions and it is problematic. To some extent, the practice of M&E in the \npublic sector seems to be for purposes of compliance rather than the ideal of performance improvement. This qualitative \nstudy investigates the readiness of South African public sector institutions for M&E, through the perspectives of \nManagers primarily in the M&E space. Findings reveal mixed signals of M&E readiness. For instance, the factors \nmotivating the creation of the M&E system and the calibre of staff championing it, seem to suggest M&E readiness. \nConversely, the non-availability of capacity to support the system and the potential response of staff to negative \ninformation generated by M&E signal non-readiness. The import of this is that readiness assessments specific to \ninstitutions have to be conducted as a basis for determining areas where the prerequisites for M&E are lacking. This \nshould then inform remedial efforts that ultimately help to improve the potency of the M&E system.
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 | 0,011 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
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.
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 ».