The United Kingdom Research and Innovation (UKRI) Global Challenges Research Fund (GCRF) aimed to address global challenges to achieve the United Nations (UN) Sustainable Development Goals through 12 interdisciplinary research hubs. This research documents key lessons learned around working with Theory of Change (ToC) to guide Monitoring, Evaluation and Learning (MEL) within these complex research for development hubs. Interviews and document reviews were conducted in ten of the research hubs. The results revealed that only one hub invested in an explicit visual system mapping approach, and that funder timelines, budget constraints and issues with capacity and expertise limited the application of these approaches across all hubs. In contrast, many hubs attempted to deal with visual complexity by means of ether constructing multiple, nested ToCs, or a conscious simplification of complexity through reducing their ToC towards a straightforward and uncomplicated chain model or spherical model. While the former approach had some value, most hubs struggled to find capacity to support the full articulation of nested ToCs. In contrast, the latter approach resulted in ToCs which lacked detail or mechanism articulation, but which nevertheless were often 'fit for purpose' in ensuring effective communication and coherence across diverse stakeholders and sub-projects. We conclude that in instances where the reporting, funding and management cycles of complex research for development programmes cannot be adapted to properly support learning-based approaches to ToC development, imposing simplicity in the ToC might be fit for purpose. This might also be preferable to more complex visual approaches that are only partially realised.
Le Fonds de recherche sur les défis mondiaux (GCRF ou Global Challenges Research Fund en anglais) pour la recherche et l'innovation du Royaume-Uni visait à relever les défis mondiaux pour atteindre les objectifs de développement durable des Nations Unies par le biais de 12 centres de recherche interdisciplinaires. Cette étude documente les principales leçons apprises sur l’utilisation de la théorie du changement (TdC) pour guider le suivi, l'évaluation et l'apprentissage (SEA) au sein de ces pôles complexes de recherche pour le développement. Des entretiens et des revues documentaires ont été menés dans dix des 12 pôles de recherche. Les résultats ont révélé qu'un seul pôle a investi dans une approche de cartographie visuelle explicite du système, et que les délais des bailleurs de fonds, les contraintes budgétaires et les problèmes de capacité et d'expertise ont limité l'application de ces approches dans tous les pôles. En revanche, de nombreux pôles ont tenté de gérer la complexité visuelle en construisant de multiples TdC imbriquées, ou une simplification consciente de la complexité en réduisant leur TdC vers un modèle de chaîne simple et pas compliqué ou un modèle sphérique. Bien que la première approche ait une certaine valeur, la plupart des pôles ont eu du mal à trouver les compétences nécessaires pour prendre en charge l'articulation complète des TdC imbriquées. En revanche, cette dernière approche a abouti à des TdC qui manquaient de détails ou d'articulation des mécanismes, mais qui étaient néanmoins souvent « adaptées à l'objectif » pour assurer une communication efficace et la cohérence entre les diverses parties prenantes et sous-projets. En guise de conclusion, nous incluons les cas où les cycles de rapport, de financement et de gestion de programmes complexes de recherche pour le développement ne peuvent pas être adaptés pour appuyer correctement les approches basées sur l'apprentissage pour le développement visuel de la TdC. Dans ces cas-là, il semble être adéquat et préférable en effet d’imposer une TdC simple plutôt que d’utiliser des approches visuellement plus complexes mais qui ne sont que partiellement réalisées.
Keywords: Complex systems; Evaluation; Logic model; Research evaluation; Theory of Change.
© European Association of Development Research and Training Institutes (EADI) 2023, Springer Nature or its licensor (e.g. a society or other partner) holds exclusive rights to this article under a publishing agreement with the author(s) or other rightsholder(s); author self-archiving of the accepted manuscript version of this article is solely governed by the terms of such publishing agreement and applicable law.