Community-Based Rehabilitation Programme Evaluations: Lessons Learned in the Field
Notice bibliographique
Résumé
Purpose: There is limited guidance available on the best ways to evaluate community-based rehabilitation (CBR) programmes. In this paper, we share lessons learned on suitable evaluation strategies for CBR through a South African programme evaluation.Method: An empowerment evaluation of an early childhood development programme was conducted in April 2012. At the end of the field visit, parents, staff members and managers provided feedback anonymously about what they liked and disliked about the evaluation, and offered their suggestions. The principal investigator documented the evaluation process in a journal, recording the barriers and facilitators encountered, the participation of the 3 groups and the effectiveness of the different strategies used. The data analysis followed the principles of grounded theory.Results: The main lessons learned about CBR programme evaluation are associated with strategies to: 1) foster active participation, 2) collect accurate and credible information, 3) build local capacity, and 4) foster sustainable partnerships. Time spent to promote a positive learning spirit and the use of participatory tools with all groups appeared critical to active engagement in evaluation activities. Sharing tools and experiences in context built more local capacity than was achieved through a formal workshop. The findings also highlight that a flexible model, multiple data collection methods, and involvement of all relevant stakeholders maximise the information gathered. Sensitivity to the impact of culture and to the reactions generated by the evaluation, along with ongoing clarifications with local partners, emerged as core components of sustainable partnerships.Conclusion: CBR evaluators must use a variety of strategies to facilitate active engagement and build local capacity through the evaluation process. Many of the strategies identified relate to the way in which evaluators interact with local stakeholders to gain their trust, understand their perspectives, facilitate their contribution, and transfer knowledge. Further research is needed on how to conduct empowering CBR programme evaluations.
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 | 0,308 | 0,295 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,011 | 0,012 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».