MétaCan
Menu
Retour à la cohorte
Enregistrement W3021032006 · doi:10.1007/s11266-020-00223-8

Seeing Through the Logical Framework

2020· article· en· W3021032006 sur OpenAlexaff
Daniel E. Martínez, D. James Cooper

Notice bibliographique

RevueVOLUNTAS International Journal of Voluntary and Nonprofit Organizations · 2020
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésInscribed figureLogical frameworkReading (process)SociologyConceptual frameworkPolitical scienceEngineering ethicsManagement scienceEpistemologyKnowledge managementComputer scienceSocial scienceEngineeringLaw

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, we examine the key management and scientific traditions that inform the logical framework, a project planning and evaluation tool that is central to how many non-governmental organizations (NGOs) manage their projects and provide accounts to funders. Through an analysis of USAID reports from the 1960s and 1970s, interviews with the logical framework’s developers, and a close reading of seminal texts, we identify how systems theory, management by objectives, and scientific theory informed how USAID problematized its project planning and evaluation practices and how they came to be inscribed into the logical framework as a way to address such perceived problems. We argue that these traditions are important for understanding a particular strand of managerialization that informs international development NGOs, and, more generally, for understanding how funding agencies “see” through the logical framework.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge 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 enseignants0,584
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,122
Tête enseignante GPT0,441
Écart entre enseignants0,319 · 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

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVOLUNTAS International Journal of Voluntary and Nonprofit OrganizationsMême sujetEvaluation and Performance AssessmentTravaux en français237 207