How to improve research capacity strengthening efforts: learning from the monitoring and evaluation of four research consortia in Africa
Notice bibliographique
Résumé
Recent efforts to shift the control and leadership of health research on African issues to Africa have led to increased investments for scientific research capacity strengthening (RCS) on the continent and a greater demand for accountability, value for money and demonstration of return on investment. There is limited literature on monitoring and evaluation (M&E) of RCS systems and there is a clear need to further explore whether the M&E frameworks and approaches that are currently used are fit for purpose. The M&E approaches taken by four African RCS consortia funded under the Developing Excellence in Leadership, Training and Science in Africa (DELTAS) I initiative were assessed using several methods, including a framework comparison of the M&E approaches, semi-structured interviews and facilitated discussion sessions. The findings revealed a wide range in the number of indicators used in the M&E plans of individual consortium, which were uniformly quantitative and at the output and outcome levels. Consortia revealed that additional information could have been captured to better evaluate the success of activities and measure the ripple effects of their efforts. While it is beneficial for RCS consortia to develop and implement their own M&E plans, this could be strengthened by routine engagement with funders/programme managers to further align efforts. It is also important for M&E plans to consider qualitative data capture for assessment of RCS efforts. Efforts could be further enhanced by supporting platforms for cross-consortia sharing, particularly when trying to assess more complex effects. Consortia should make sure that processes for developmental evaluation, and capturing and using the associated learning, are in place. Sharing the learning associated with M&E of RCS efforts is vital to improve future efforts. Investing and improving this aspect of RCS will help ensure tracking of progress and impact of future efforts, and ensure accountability and the return on investment. The findings are also likely applicable well beyond health research.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Méthodes · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Qualitatif | low |
| gpt | Métarecherche Domaine: Évaluation · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | medium |
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 | 0,124 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».