Tahle série začala teorií změny — kreslením logiky reformy dopředu. Tenhle modul ji čte pozpátku: jakmile reforma běží, tytéž domněnky, které jsme vypsali při plánování, se stávají otázkami, na které musí odpovědět evaluace. A protože systém je komplexní, evaluace nemůže předstírat laboratorní jistotu. Musí být adaptivní: učit se za pochodu a model průběžně revidovat.

Atribuce versus přispění: proč nemůžeme „dokázat" dopad

Na výsledek jako naděje dožití nebo readmise působí desítky faktorů současně — od stravy přes prostředí po souběžné reformy. Atribuce (důkaz, že za výsledek může jedna příčina) je proto u komplexních programů zpravidla mimo dosah. John Mayne nabídl východisko, které jsme potkali už v prvním díle: contribution analysis (analýza přispění). Místo otázky „způsobila to naše reforma?" se ptá „jakou měrou k tomu přispěla — a jak věrohodný je ten příběh?". Cílem není důkaz, ale credible contribution story: doložený, poctivý příběh přispění, který bere v úvahu i ostatní vlivy.

Šest kroků analýzy přispění (Mayne) — evaluace jako čtení teorie změny pozpátku

  1. 1. Vymez problém atribuce

    Co chceme čemu přičíst a jak silné tvrzení potřebujeme.

  2. 2. Postav teorii změny a rizika

    Řetězec domněnek a místa, kde může prasknout.

  3. 3. Posbírej existující důkazy

    Co už víme o jednotlivých článcích řetězce.

  4. 4. Sestav příběh a otestuj slabiny

    Drží? Co by ho vyvrátilo? Jaké jsou alternativní vysvětlení?

  5. 5. Dohledej chybějící důkazy

    Cíleně tam, kde je příběh nejslabší.

  6. 6. Reviduj a posilni příběh

    Věrohodnější tvrzení o přispění — a aktualizovaná teorie změny.

    Učení, ne verdikt

Zdroj: John Mayne, Contribution analysis (ILAC Brief 16, 2008). Tytéž domněnky, které vznikly při stavbě teorie změny, se tu testují — plánování a vyhodnocení jsou jedna logika čtená dvěma směry.

Realistická evaluace: ne „funguje to?", ale „co, komu a za jakých okolností"

Druhý nástroj doplňuje první. Pawson a Tilley argumentují, že v sociálních systémech je špatná už sama otázka „funguje to?". Správná zní: „co funguje, komu, za jakých okolností a proč?" Tentýž program zabere v jednom kontextu a selže v jiném — ne proto, že je nahodilý, ale protože spouští mechanismy, které závisí na prostředí. Realistická evaluace proto hledá vzorce „kontext + mechanismus → výsledek", místo aby honila jediné univerzální „ano/ne". Pro reformátora je to osvobozující: vysvětlí, proč pilot z jedné nemocnice nejde mechanicky zkopírovat jinam.

Rychlé cykly: učit se dřív, než je pozdě

Klasická evaluace přijde, až je program u konce — a poučení dorazí pozdě. Adaptivní přístup staví na rapid-cycle learning: krátkých smyčkách, kde se průběžně testuje jedna domněnka, sleduje rychlý signál (proto lead indikátory a data lag z dílu o dashboardu) a model se hned upravuje. Reforma se tak nemění v sázku „all-in", ale v sérii malých, opravitelných kroků. To přesně odpovídá šestému kroku WHO teorie změny — revizi — a komplexitní pointě z dílu o poslední míli: implementace je adaptace, ne rollout.

Odvaha, na kterou se zapomíná: kdy reformu ukončit

Učení za pochodu má i nepříjemnou stranu. Když příběh přispění opakovaně nedrží — když domněnky neplatí a signály se nehýbou — poctivá odpověď není „přidat víc úsilí", ale de-implementace: program utlumit nebo ukončit. Systémy to dělají nerady (utopené náklady, prestiž, zájmy z dílu o governance), a tak špatné programy přežívají dlouho po tom, co se ukázalo, že nefungují. Schopnost říct „tohle nezabralo, končíme" je známkou zralého řízení, ne selhání.

Tím se metodická linie série uzavírá. Teorie změny dala reformě logiku; měření, data a dashboard jí daly oči; incentivy a governance jí daly ruce; poslední míle jí připomněla pokoru. A adaptivní evaluace jí dává to poslední — schopnost se učit. Protože v komplexním systému není konečné vítězství. Je jen lepší nebo horší způsob, jak s ním zacházet — a ten lepší se pozná podle toho, že se nebojí přiznat, co neví, a podle toho přizpůsobit.