Achieving impact through research for development programmes (R4D) requires engagement with diverse stakeholders across the research, development and policy divides. Understanding how such programmes support the emergence of outcomes, therefore, requires a focus on the relational aspects of engagement and collaboration. Increasingly, evaluation of large research collaborations is employing social network analysis (SNA), making use of its relational view of causation. In this paper, we use three applications of SNA within similar large R4D programmes, through our work within evaluation of three Interidsiplinary Hubs of the Global Challenges Research Fund, to explore its potential as an evaluation method. Our comparative analysis shows that SNA can uncover the structural dimensions of interactions within R4D programmes and enable learning about how networks evolve through time. We reflect on common challenges across the cases including navigating different forms of bias that result from incomplete network data, multiple interpretations across scales, and the challenges of making causal inference and related ethical dilemmas. We conclude with lessons on the methodological and operational dimensions of using SNA within monitoring, evaluation and learning (MEL) systems that aim to support both learning and accountability.
Supplementary information: The online version contains supplementary material available at 10.1057/s41287-023-00576-y.
Pour que les programmes de recherche pour le développement (R4D ou Research for Developmement en anglais) aient un impact, il faut un engagement entre diverses parties prenantes dans les domaines de la recherche, du développement et des politiques. Il est nécessaire de se concentrer sur les aspects relationnels de l'engagement et de la collaboration si l’on souhaite comprendre la façon dont ce type de programme permet l’émergence de résultats. L'évaluation des grands consortia de recherche utilise de plus en plus fréquemment l'analyse des réseaux sociaux (SNA ou social network analysis en anglais) en appliquant sa vision relationnelle de la causalité. Dans cet article, en vue d'explorer son potentiel en tant que méthode d'évaluation, nous utilisons trois applications d’analyse des réseaux sociaux au sein de grands programmes R4D similaires dans le cadre de notre travail d'évaluation de trois pôles interdisciplinaires du Fonds de recherche sur les défis mondiaux. Notre analyse comparative montre que l’analyse des réseaux sociaux peut révéler les dimensions structurelles des interactions au sein de ces programmes et permettre d'apprendre comment les réseaux évoluent dans le temps. Nous menons une réflexion quant aux défis communs qui émanent de ces cas, y compris la gestion de différentes formes de biais qui résultent de données de réseau incomplètes, de multiples interprétations sur des échelles différentes et les défis liés au fait d’établir une inférence causale et les dilemmes éthiques connexes. Nous concluons par des leçons sur les dimensions méthodologiques et opérationnelles de l'utilisation de l’analyse des réseaux sociaux dans les systèmes de suivi, d'évaluation et d'apprentissage (SEA) qui visent à soutenir à la fois l'apprentissage et la redevabilité.
Keywords: Collaboration; Evaluation; Learning; Relational; Research for Development; Social network analysis.
© The Author(s) 2023.