Evaluation of Results-Based Management in CGIAR
Notice bibliographique
Résumé
IEA conducted a System-wide Evaluation of Results Based Management to learn lessons from the experience of introducing and implementing different aspects of RBM in CGIAR. The objectives of the Evaluation were to provide evidence and lessons and recommendations as an input to implementing an RBM framework for CGIAR Research Programs (CRPs), and for increasing the relevance, efficiency, and effectiveness of further RBM iterations. On the basis of international experiences, the evaluation team formulated ten good practice principles for RBM applicable to CGIAR’s context and proposed a Theory of Change for RBM in CGIAR (presented below). Main Findings The Evaluation found that CGIAR lacked a shared conceptual understanding of RBM. At System-level, CGIAR saw RBM mainly in relation to the SRF and results-based reporting to donors; while Centers and CRPs sought to develop performance management systems for their own purposes, and for complex research programs. As a result, there has been confusion about the purpose of RBM for CGIAR. In addition, insufficient consideration was given to the fact that CGIAR is a research for development organization with a mandate to deliver research results. The Evaluation found, however, that many Centers have embraced their own RBM approaches over the years. Following the CGIAR reform, Centers and CRPs have shown significant progress in developing their RBM-related processes, tools, and methods, and a nascent culture shift has taken place towards performance management. Some are notably providing leadership from below to be applied at System level.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,566 | 0,501 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,018 | 0,010 |
| Science ouverte | 0,009 | 0,015 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».