MétaCan
Menu
Retour à la cohorte
Enregistrement W4378223570 · doi:10.1002/ev.20540

What we can learn from the international program for development evaluation training (IPDET)

2023· article· en· W4378223570 sur OpenAlexaboutno aff
Linda Morra Imas, Ray C. Rist

Notice bibliographique

RevueNew Directions for Evaluation · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProgram evaluationTraining (meteorology)Monitoring and evaluationDiversity (politics)Medical educationCorporate governancePolitical sciencePsychologyBusinessMedicineGeographyPublic administrationFinance

Résumé

récupéré en direct d'OpenAlex

Abstract The International Program for Development Evaluation Training, IPDET, ran in its first chapter from 2001–2016 in Ottawa, Canada. In 2018, it began its second chapter in Bern, Switzerland and continues today – an almost unheard‐of longevity for a summer short‐term training program. Over its first 16 years, IPDET trained more than 4000 persons in evaluation from more than 80 countries. During the time we report on in this chapter, IPDET consisted of a mix and match basic 2‐week core program in development evaluation and two subsequent weeks of 2‐ and 3‐day workshops for more in‐depth specialized evaluation training. Workshop topics were updated annually to remain current but included, for example, Cost‐Benefit Analytic Tools for Development Evaluation, Logic Models in Evaluation, Sampling Techniques I and II, Monitoring and Evaluating Governance in Africa, and Assessing the Outcomes and Impacts of Complex Programs. IPDET graduates have made many contributions to the field, such as establishing national evaluation associations, establishing and leading monitoring and evaluation units, producing country evaluation plans and national evaluation policies, and advancing evaluation in non‐profits, foundations, and the private sector. This reflective chapter examines IPDET's successes by identifying good practices for short‐term evaluation training programs. We review nine major factors contributing to IPDET's longevity in increasing the availability and diversity of evaluators worldwide and examine research on good training practices for short‐term adult evaluation training. Based on IPDET's experience, we suggest additional good practices for evaluation training programs.

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)0,141
score de la tête « metaresearch » (Gemma)0,223
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,748

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1410,223
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0050,009
Communication savante0,0230,031
Science ouverte0,0040,013
Intégrité de la recherche0,0070,016
Charge utile insuffisante (le modèle a refusé de juger)0,0170,007

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 Opus0,530
Tête enseignante GPT0,570
Écart entre enseignants0,039 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNew Directions for EvaluationMême sujetEvaluation and Performance AssessmentTravaux en français237 207