Bespreking van: J.E. Furobo, R.C. Rist & S. Speer (Eds.), Evaluation and turbulent times. Reflections on a discipline in disarray, New Brunswick/London: Transaction Publishers 2013
Bibliographic record
Abstract
Bespreking van: J.E. Furobo, R.C. Rist & S. Speer (Eds.), Evaluation and turbulent times. Reflections on a discipline in disarray, New Brunswick/London: Transaction Publishers 2013 Dit artikel bevat een uitvoerige samenvatting en een beoordeling van een nieuw boek van Furubo, Rist en Speer met als (in het Nederlands vertaalde) titel: ‘Evaluatie in turbulente tijden. Reflecties op een discipline in verwarring’. De aanleiding voor dit boek is dus de opvatting dat de meeste politieke en bestuurlijke contexten voor beleidsevaluatie zo sterk in beweging zijn geraakt dat ex-post beleidsevaluatie als discipline en vanzelfsprekend onderdeel van het proces van beleidsondersteuning in crisis is geraakt en bedreigd wordt. In het kort geeft dit boek als antwoord op deze dreiging: relativeer het ideaal van ‘evidence-based’ beleid, en ga voor ‘real-time’ evaluatie; verleg uw aandacht van ex-post evaluatie ten behoeve van verantwoording achteraf naar ex-ante evaluatie tijdens de beleidsformulering en ex-durante evaluatie parallel aan de beleidsimplementatie, met als doelen: ‘early warning’, beleidsleren, en flexibel reageren op snel veranderende omstandigheden. Natuurlijk heeft dat gevolgen voor rolopvattingen en taakverdelingen in de procesarchitectuur van het beleidsproces.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.016 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.003 | 0.009 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.018 | 0.024 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.006 | 0.008 |
| Insufficient payload (model declined to judge) | 0.057 | 0.025 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".