MétaCan
Menu
Retour à la cohorte
Enregistrement W4366382532 · doi:10.3138/cjpe.31132

Moving Beyond the Buzzword: A Framework for Teaching Culturally Responsive Approaches to Evaluation

2017· article· en· W4366382532 sur OpenAlexvenueaboutno aff
Ayesha S. Boyce, Jill Anne Chouinard

Notice bibliographique

RevueCanadian Journal of Program Evaluation · 2017
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConceptual frameworkCompetence (human resources)Cultural competenceSociologyDomain (mathematical analysis)Knowledge managementComputer scienceEngineering ethicsPsychologyPedagogySocial psychologySocial scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract: The terms cultural responsiveness and cultural competence have become ubiquitous in many fields of social inquiry, including in evaluation. The discourse surrounding these issues in evaluation has also increased markedly in recent years, and the terms can now be found in many RFPs and government-based evaluation descriptions. We have found that novice evaluators are able to engage culturally responsive approaches to evaluation at the conceptual level, but are unable to translate theoretical constructs into practice. In this article we share a framework for teaching culturally responsive approaches to evaluation. The framework includes two domains: conceptual and methodological, each with two interconnected dimensions. The dimensions of the conceptual domain include locating self and social inquiry as a cultural product. The dimensions of the methodological domain include formal and informal applications in evaluation practice. Each of the dimensions are linked to multiple domains within the Competencies for Canadian Evaluation practice. We discuss each and provide suggestions for activities that align with each of the dimensions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,079
score de la tête « metaresearch » (Gemma)0,054
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,968
Score d'incertitude au seuil0,416

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0790,054
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,004
Études des sciences et des technologies0,0090,036
Communication savante0,0150,014
Science ouverte0,0050,008
Intégrité de la recherche0,0050,011
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,641
Tête enseignante GPT0,560
Écart entre enseignants0,081 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Program EvaluationMême sujetEvaluation and Performance AssessmentTravaux en français237 207