MétaCan
Menu
Retour à la cohorte
Enregistrement W7097534327

THINGS TO CONSIDER WHEN SELECTING AN EXTERNAL EVALUATOR

2014· article· en· W7097534327 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOrder (exchange)Service providerService (business)Christian ministryBest practiceField (mathematics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In the field of injury prevention (IP), program funders are increasingly calling upon the organizations that they fund to demonstrate that they are engaged in “evidence-based practice”. In order to provide this required demonstration, service provider organizations must engage in the evaluation of their programs and projects (Ontario Ministry of Health & Long Term Care, 2002). However, the vast majority of organizations that are involved in the field of injury prevention do not have the benefit of having staff members who possess expertise in program and project evaluation. Most organizations in this field are from the not-for-profit sector and their staff members are primarily concerned with program development, delivery and ongoing administration. Therefore, the majority of IP organizations will need to look outside of their organizations in order to obtain needed evaluation expertise. This paper presents a brief introduction on issues to consider when engaging external evaluation expertise. KEY ISSUES & STRATEGIES: IP practitioners who are seeking to bring evaluation expertise into their organizations on a time-limited basis are faced with a number of important issues and questions including the following: 1) How much and what type of internal resources are available to contribute to this evaluation (e.g., project supervision, direct involvement of line staff in the evaluation)? 2) What type of external evaluator would be best for the evaluation in question (e.g., university-based, individual consultant, major consulting firm)? 3) What style of evaluation practice would best suit the needs of their IP organization? 4) What requirements, if any, does the program sponsor have with regard to this specific evaluation? 5) How will the evaluation findings be utilized within the IP organization and elsewhere?

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)0,228
score de la tête « metaresearch » (Gemma)0,380
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,228
Score d'incertitude au seuil0,952

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2280,380
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,003
Études des sciences et des technologies0,0080,007
Communication savante0,0190,022
Science ouverte0,0040,013
Intégrité de la recherche0,0100,009
Charge utile insuffisante (le modèle a refusé de juger)0,0240,017

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 Opus0,230
Tête enseignante GPT0,529
Écart entre enseignants0,298 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEvaluation and Performance AssessmentTravaux en français237 207