What we can learn from the international program for development evaluation training (IPDET)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 découle