Adéléké [user:field_middlename] Oguniyi

Adéléké Oguniyi

MERL Expert
Togo

Having completed a Masters degree in Project Management with a focus on Monitoring Evaluation Acountability and Learning, i account for 12 years international and domestic experience in research, monitoring evaluation and learning of development programs. As a practitioner, i have rich experience in the design, planning and implementation of MEAL frameworks adapted to different programs and contexts and seamlessly able to grasp difficult concepts, readily apply these ideas in differing social, cultural and cognitive domains, and later clearly communicate results in a clear, well-grounded discussion. I have proven experience working closely with a broad range of stakeholders, writing evidence-based reports both in English and French languages. Moreover, i master complex conceptual frameworks and excel in management of extensive sets of quantitative and qualitative data. To date, i have managed several evaluations funded by institutions such as USAID, Millennium Challenge Corporation (MCC), Global Affairs Canada, NORAD, UNICEF, EU, SDC and more.
I am passionate about contributing community members social and economic development.

My contributions

  • Management matters: exploring the link between management models and the use of evaluations

    Discussion

    • Adéléké Oguniyi

      MERL Expert
      Togo

      Chère Ibtissem,

      Je reprends vos réflexions: la qualité et l'utilité d'une évaluation est largement influencée par le professionnalisme, l'expertise et l'expérience pratique de l'équipe de gestion de l'évaluation désignée.

      Le rôle et les responsabilités de l'équipe de gestion de l'évaluation, de même que l'étendue de son implication, dépendent des différentes étapes ou phases du processus de l'évaluation.

      Je souhaiterais offrir ma contribution du point de vue de la phase initiale. Dans le paysage complexe d'une évaluation de projet, la phase initiale sert de boussole qui oriente le voyage vers le succès. Elle marque le début d'un rapport de collaboration, de participation et d'apprentissage entre une organisation et des consultants indépendants engagés dans l'évaluation de projet. C'est une activité cruciale dans laquelle la clarté, les attentes et la compréhension mutuelle sont établies. La phase initiale est une composante essentielle de l'évaluation de projet. Ce n'est pas uniquement une formalité mais un investissement stratégique pour la réussite de la collaboration. L'organisation d'une phase initiale rigoureuse contribue à maximiser les contributions des consultants externes dès le premier jour et à établir les fondements solides d'un partenariat réussi. Elle permet de tracer la voie de la réussite et le processus. Partir du bon pied permet une évaluation plus efficace et augmente la probabilité d'atteindre les objectifs. C'est à ce moment que l'équipe de gestion de l'évaluation et les évaluateurs externes conviennent de ce qu'il faut faire et ne pas faire en:

      • examinant l'historique et le contexte du projet
      • clarifiant les objectifs et la portée de l'évaluation
      • définissant les attentes pour l'engagement des parties prenantes
      • discutant des approches et des méthodologies
      • discutant des formats des produits livrables et des échéances
      • clarifiant les protocoles de rapportage et de communication
      • donnant l'accès à la documentation du projet
      • discutant des considérations éthiques et de la confidentialité
      • établissant un mécanisme de retour d'information
      • évaluant et prenant en compte les besoins individuels
      • ...

      Du point de vue de l'évaluateur externe, la collaboration avec les responsables d'évaluation améliore considérablement la pertinence et l'utilité des éléments de preuve pour les processus de prise de décision. Leur expertise, leurs initiatives pour impliquer les parties prenantes, leur adaptabilité et leurs efforts en matière d'assurance de la qualité garantissent que les évaluations sont menées de manière efficace et fournissent des informations exploitables qui guident la prise de décision. Cela demande une ouverture d'esprit pour la "demande d'évaluation et l'"offre d'évaluation".

      Adéléké Oguniyi, expert MERL, Togo

  • How are development projects affecting the environment and how do we evaluate this impact?

    Discussion

    • Adéléké Oguniyi

      MERL Expert
      Togo

      Excellent sujet de discussion, Yosi.
      J'aimerais partager quelques réflexions basées sur mon implication dans le projet régional financé par la BOAD "Promouvoir l'agriculture intelligente face au climat en Afrique de l'Ouest".
      Ce projet vise à renforcer la résilience des populations face aux effets néfastes du changement climatique et à augmenter la production tout en contribuant à l'atténuation par la séquestration du carbone. Ce projet présente des avantages pour l'environnement, notamment (i) la gestion durable des terres et la réduction de l'expansion des terres agricoles au détriment des terres forestières ; (ii) la contribution à l'atténuation des émissions de GES par la séquestration du carbone ; (iii) l'amélioration de la capacité des acteurs à mettre en œuvre des pratiques résilientes au climat ; etc.

      Le cadre de résultats du projet comprend des indicateurs pertinents (tous efficaces), dont voici quelques-uns :

      • Pourcentage de la population cible par moyens de subsistance résilients au changement climatique subi.
      • Taux d'amélioration des rendements pour soutenir la sécurité alimentaire et améliorer les conditions de vie des bénéficiaires
      • Type de sources de revenus pour les ménages générées dans le cadre du scénario de changement climatique
      • Nombre de bénéficiaires (F/H) informés des questions relatives aux risques climatiques grâce aux actions des services météorologiques
      • Nombre et type d'actions ou de stratégies de réduction des risques introduites au niveau local
      • Niveau de capacité technique des institutions régionales, nationales et locales à promouvoir les meilleures pratiques résilientes au climat dans le cadre d'une approche CSA
      • Nombre de plans ou de politiques communautaires améliorés ou mis en œuvre qui intègrent l'approche de la CSA.

      Pour en savoir plus sur le projet :https://www.adaptation-fund.org/project/promoting-climate-smart-agriculture-west-africa-benin-burkina-faso-ghana-niger-togo/

  • Artificial intelligence in the context of evaluation

    Discussion

    • Adéléké Oguniyi

      MERL Expert
      Togo

      Alors que débute l'ère de l'intelligence artificielle (IA), les évaluateurs ont une occasion unique de tirer parti de cette technologie pour améliorer leurs activités professionnelles de plusieurs manières :

      1. Analyse et interprétation des données: Les outils d'IA peuvent améliorer considérablement l'analyse des données en traitant efficacement de grands ensembles de données et en identifiant des modèles ou des tendances qui pourraient être négligés par les analystes humains. Les évaluateurs peuvent utiliser des algorithmes d'IA pour analyser des ensembles de données complexes provenant d'évaluations, d'enquêtes ou d'autres sources, ce qui permet de tirer des conclusions plus solides et plus perspicaces.
         
      2. Modélisation prédictive: Les techniques d'IA telles que l'apprentissage automatique peuvent être utilisées pour développer des modèles prédictifs afin d'évaluer les résultats potentiels des interventions ou des politiques. En formant des modèles sur des données historiques, les évaluateurs peuvent prévoir les impacts futurs avec une plus grande précision, ce qui facilite les processus de prise de décision.
         
      3. Traitement du langage naturel (NLP): Les algorithmes de traitement du langage naturel permettent aux évaluateurs d'analyser et de comprendre des données textuelles non structurées telles que des rapports, des critiques ou des commentaires sur les médias sociaux. Cette capacité peut faciliter l'analyse des sentiments, le codage thématique et la synthèse des données qualitatives, ce qui permet de mieux comprendre l'efficacité des programmes et les points de vue des parties prenantes.
         

      4. Automatisation des tâches routinières: L'IA peut automatiser des tâches répétitives telles que le nettoyage des données, la production de rapports ou la programmation, libérant ainsi le temps des évaluateurs pour qu'ils se concentrent sur des aspects plus stratégiques et analytiques de leur travail. En rationalisant les flux de travail, les évaluateurs peuvent accroître leur productivité et leur efficacité.
         

        Pour exploiter efficacement l'IA, les évaluateurs devraient envisager les stratégies suivantes :
         

      5. Apprentissage et adaptation continus: Rester informé des progrès des technologies de l'IA et de leurs applications dans la pratique de l'évaluation. Investir dans des programmes de formation ou des ateliers pour acquérir des compétences dans l'utilisation d'outils et de techniques d'IA pertinents pour l'évaluation.
         
      6. Collaboration avec des scientifiques des données et des technologues: Favoriser les collaborations interdisciplinaires avec des experts en IA, en science des données et en technologie. En s'associant à des professionnels compétents dans le développement et la mise en œuvre de l'IA, les évaluateurs peuvent coconcevoir des solutions innovantes adaptées à des défis d'évaluation spécifiques.
         
      7. Considérations éthiques et atténuation des biais: Soyez attentifs aux questions éthiques liées à l'IA, telles que la confidentialité des données, les biais algorithmiques et la transparence. Veillez à ce que les évaluations pilotées par l'IA respectent les lignes directrices et les principes éthiques, et traitez activement les biais pour maintenir la crédibilité et l'équité.
         
      8. Communication efficace des connaissances en matière d'IA: Développer des compétences pour traduire les connaissances générées par l'IA en recommandations exploitables pour les parties prenantes. Communiquer de manière transparente les limites et les incertitudes associées aux analyses basées sur l'IA, afin de favoriser la confiance et la compréhension de divers publics.
         

      En plus de leurs compétences techniques en matière d'IA, les évaluateurs doivent cultiver un éventail de compétences complémentaires pour rester compétitifs et répondre aux attentes en constante évolution du secteur :
       

      1. Pensée critique et interprétation: Affiner les compétences analytiques pour évaluer de manière critique les résultats générés par l'IA et contextualiser les conclusions dans des cadres d'évaluation plus larges.
         
      2. Collaboration interdisciplinaire: Cultiver la capacité à collaborer efficacement avec des parties prenantes d'horizons divers, notamment des technologues, des décideurs politiques et des responsables de la mise en œuvre des programmes, afin de s'assurer que les évaluations fondées sur l'IA tiennent compte des priorités et des perspectives essentielles.
         
      3. Adaptabilité et agilité: Adopter un état d'esprit de croissance et être prêt à s'adapter à l'évolution des paysages technologiques et des méthodologies d'évaluation. Rester agile en réponse aux défis et opportunités émergents présentés par les progrès de l'IA.
         
      4. Communication et narration: Perfectionner les compétences en matière de communication afin de transmettre efficacement à des publics non techniques des informations complexes fondées sur l'IA. Développer la capacité à rédiger des récits convaincants qui mettent en évidence l'importance des résultats de l'évaluation et leurs implications pour la prise de décision.