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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».