Monitoring, Evaluation, Accountability, and Learning (MEAL); rapid-cycle and formative evaluation; mixed-methods evaluation design; utilization-focused evaluation; adaptive management and learning agendas; evidence use for decision-making; qualitative and quantitative data collection and analysis; rapid assessments; performance monitoring systems; equity, gender, and social inclusion (GESI); capacity strengthening for evaluation; development and humanitarian programming.
I have over 19 years of experience designing, managing, and using evaluations to support timely decision-making and program adaptation across Canada, the Caribbean, Latin America, and West and Central Africa. My work includes building organization-wide M&E frameworks, developing learning agendas, leading and overseeing evaluations, and supporting implementers and decision-makers to use evidence effectively. I have worked with international NGOs and partners such as DAI, MEDA, Cuso International, Catholic Relief Services, and World Vision across sectors including governance, livelihoods, youth, health, education, WASH, and emergency response.
Canada
Rhode Early Charles
Publicado el 01/04/2026
En los sistemas de salud africanos y de escasos recursos, la evaluación suele servir con demasiada frecuencia como un ejercicio de rendición de cuentas a posteriori, en lugar de como una herramienta para la transformación sistémica. Tras décadas de experiencia en el fortalecimiento de los sistemas de salud, el primer y más crucial cambio debe producirse en la mentalidad: cómo percibimos el propósito y la apropiación de la evidencia. Los evaluadores y los responsables de la toma de decisiones suelen actuar con una mentalidad de mero cumplimiento, elaborando informes que satisfacen a los donantes externos pero que no logran captar las realidades matizadas sobre el terreno. Recientemente, en el estado de Lagos (Nigeria), el seguimiento rutinario del programa de salud materna se había centrado exclusivamente en los partos en centros sanitarios. Sin embargo, al adoptar un enfoque orientado al aprendizaje —que examinaba la calidad de la atención, la experiencia de las pacientes y los patrones de derivación—, se descubrió que el 42 % de las mujeres evitaba acudir a las clínicas locales debido a la percepción de que los servicios eran de baja calidad. La formación específica del personal y la reasignación de recursos aumentaron posteriormente los partos en centros sanitarios en un 17 % en el plazo de un año.
De manera similar, el seguimiento dirigido por la comunidad en otro distrito nigeriano reveló una barrera del 40 % debida a los costes de transporte ocultos, a pesar de que los informes mostraban una «satisfacción» de las pacientes del 95 %. Estas observaciones ponen de relieve aquellos métodos y criterios que, por muy sólidos que sean técnicamente, solo se aplican de manera efectiva una vez que la mentalidad evoluciona para dar prioridad al aprendizaje adaptativo y basado en la información local, en lugar de a la presentación de informes extractivos.
Las pruebas de los recientes diálogos «Vida y Salud» del primer trimestre de 2026 de la Asociación Afrihealth Optonet (AHOA) muestran que los distritos que utilizan plataformas digitales integradas y la evaluación participativa lograron un aumento del 15 % en la cobertura de vacunación, lo que demuestra que integrar la evaluación en la resolución de problemas en tiempo real, y no solo en la presentación de informes retrospectivos, produce un impacto tangible en la salud.
La sostenibilidad y el desarrollo a largo plazo dependen de esta alineación. La evaluación transformadora no consiste en hojas de cálculo mejores o paneles de control más sofisticados; se trata de descolonizar la intención, garantizar que los datos sirvan a las soluciones locales y fomentar una cultura de indagación crítica. En los limitados sistemas de salud africanos, el cambio de mentalidad es el punto de apoyo sobre el que giran todos los métodos, criterios y reformas institucionales hacia un cambio sistémico y duradero.
Canada
Rhode Early Charles
Publicado el 25/03/2026
Encuentro esta discusión particularmente relevante. En mi trabajo, utilizo con frecuencia el análisis de series temporales y la modelización predictiva para estimar tendencias futuras a partir de datos históricos.
Quisiera añadir que, si bien los enfoques prospectivos que no dependen del desempeño pasado son esenciales —especialmente en contextos caracterizados por una elevada incertidumbre o datos limitados—, los métodos predictivos basados en datos históricos siguen siendo algunas de las herramientas más sólidas de las que disponemos cuando se cuenta con datos suficientes y fiables. Estos métodos nos permiten identificar patrones, cuantificar tendencias y generar proyecciones basadas en evidencia que pueden complementar eficazmente los enfoques prospectivos de carácter más cualitativo.
Con el avance de la inteligencia artificial y el aprendizaje automático, contamos hoy con la capacidad de ir más lejos, integrando grandes volúmenes de datos provenientes de múltiples proyectos, regiones e incluso donantes. Esto abre oportunidades significativas para desarrollar modelos predictivos más precisos y sensibles al contexto, particularmente cuando se trabaja con intervenciones similares dentro de un mismo país o sector.
No obstante, una limitación importante sigue siendo la disponibilidad y la fragmentación de los datos. Con frecuencia, estos se encuentran compartimentados dentro de proyectos u organizaciones individuales, lo que dificulta la construcción de conjuntos de datos suficientemente amplios y diversos para una modelización robusta. En muchos casos, los datos de un único proyecto no son suficientes para respaldar predicciones fiables.
Una posible vía de avance consistiría en fortalecer la apropiación nacional de los datos de los proyectos. Los gobiernos podrían desempeñar un papel clave en la consolidación de los datos generados en el marco de distintos proyectos, reuniéndolos en bases de datos centralizadas y accesibles. Si se diseñan adecuadamente, dichos sistemas podrían apoyar la investigación, orientar el diseño de proyectos y permitir un análisis ex ante más riguroso de los factores de éxito o fracaso potenciales.
En ese sentido, identifico importantes complementariedades entre los métodos prospectivos y el análisis predictivo. La prospectiva nos permite explorar la incertidumbre y los futuros alternativos, mientras que los modelos predictivos nos ayudan a cuantificar las tendencias más probables cuando los datos lo permiten. La integración de ambos enfoques podría fortalecer considerablemente la práctica evaluativa y la toma de decisiones.