MétaCan
Menu
Retour à la cohorte
Enregistrement W6957638015 · doi:10.60566/gdt6y-g6749

Guidance Document On Good Practices For Designing, Implementing, And Evaluating Capacity Development Interventions In GEOGLAM

2024· article· en· W6957638015 sur OpenAlexaff

Notice bibliographique

RevueGEO Knowledge Hub · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Social Impact Assessments
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésScope (computer science)StakeholderPsychological interventionPerspective (graphical)Section (typography)Key (lock)Target audience

Résumé

récupéré en direct d'OpenAlex

This document details good practices for designing, implementing, and evaluating CapDev relationships, based on a co-development process. It also includes case study narratives from GEOGLAM's members and stakeholders that exemplify successful engagement. This Guidance Document consists of 6 sections: Section A: Describes the scope and target audience of the document Section B: Describes CapDev from GEOGLAM's perspective and our Guiding Principles Section C: Explains useful models and frameworks for approaching CapDev. e.g., the Theory of Change for defining how and why a change/impact will occur, and the Strategic Pathway as a framework for understanding the necessary steps to achieve the desired change/impact Section D: Presents several tools that can foster impactful CapDev interventions and describes how to develop and deploy a continuous Monitoring, Evaluation, and Learning framework Section E: Presents a series of GEOGLAM Case Studies, highlighting successful examples of GEOGLAM CapDev interventions Section F: Summarises next steps future priorities for the GEOGLAM CapDev Team to ensure GEOGLAM continues to effectively support stakeholder needs for Capacity Development Note on contributors This Guidance Document was written by GEOGLAM for GEOGLAM with input from members of the GEOGLAM Capacity Development (CapDev) Team, key stakeholders, and interested parties. It was created to provide the GEOGLAM community with a common understanding of CapDev principles and processes. This guide will be a living document. We encourage you, the reader, to contribute to the following content by sharing observations and/or comments for improvement with GEOGLAM's CapDev Team. Sharing new insights, proven tools, good practices, and case studies is highly appreciated

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)0,059
score de la tête « metaresearch » (Gemma)0,174
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil0,313

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0590,174
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0050,004
Communication savante0,0090,008
Science ouverte0,0040,007
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,0730,038

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 Opus0,114
Tête enseignante GPT0,427
Écart entre enseignants0,313 · 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
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGEO Knowledge HubMême sujetEnvironmental and Social Impact AssessmentsTravaux en français237 207