Strategies to Improve Capacity for Policy Monitoring and Evaluation in the Public Sector
Notice bibliographique
Résumé
Scholars around the globe have contested the inadequate infrastructure and tools used by public sector agencies to monitor and evaluate public policies and programmes.Some of the urgent issues of concern deal with the inadequate human capacity in public agencies and departments to conduct fair and credible evaluations in the public sector.South Africa is not the only country that has adopted a government wide monitoring and evaluation system, other countries like Ghana, Kenya, Benin and Uganda have also endorsed formal monitoring and evaluation practice in the public sector.This article argues that monitoring and evaluation must not just measure the effectiveness and efficiency of public programmes and processes, but it must create a sustainable process whereby participants and evaluators can learn from the process.Capacity building in monitoring and evaluation must be fairly and continuous conducted to offer credible and valid information and knowledge on M&E by training agencies and institutions like universities.This theoretical paper adopted document analysis strategy to review and evaluate documents used as data source.Lessons learnt from this article contribute towards the existing strategies to enhance monitoring and 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 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 | 0,524 | 0,553 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,036 | 0,023 |
| Études des sciences et des technologies | 0,008 | 0,021 |
| Communication savante | 0,039 | 0,056 |
| Science ouverte | 0,013 | 0,032 |
| Intégrité de la recherche | 0,013 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,004 |
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 ».