MỌI DỮ LIỆU KHÔNG ĐƯỢC TẠO RA MỘT CÁCH CÔNG BẰNG

Bài viết này tốn khoảng 2 phút để đọc.

Một trong những hạn chế của việc sắp tốt nghiệp là tìm ra sự hạn hẹp về những thứ mà bạn tưởng là bạn biết. Các mối tương quan chỉ cần không cắt nó sau khi tìm hiểu về mô hình tuyến tính phân cấp! Rất may, việc đánh giá chương trình hàng ngày không yêu cầu mức độ phức tạp đó, nhưng việc chú ý cẩn thận đến thiết kế thu thập dữ liệu là chìa khóa cho sự công bằng trong đánh giá. Nếu bạn chưa quen với việc suy nghĩ về dữ liệu từ lăng kính công bằng, thì đây là các bước nhỏ cần xem xét trên hành trình hướng tới công bằng dữ liệu của bạn:

1. Hãy xem xét khán giả của bạn. Khán giả xác định cách thức thông tin được báo cáo. Lấy ví dụ, một số liệu tiêu chuẩn được yêu cầu bởi các nhà tài trợ: chương trình này có giá bao nhiêu cho mỗi khách hàng? Các tổ chức cố gắng giảm thiểu số tiền này để có vẻ hiệu quả đối với nhà tài trợ, nhưng khi quảng cáo chương trình cho khách hàng, cùng một tổ chức có thể thực hiện một cách tiếp cận ngược lại để làm nổi bật giá trị.

2. Trình bày rất quan trọng. Những đồ thị thông tin cực kỳ phổ biến, nhưng bạn đang trình bày những phát hiện của mình như thế nào? Khi sử dụng biểu đồ và đồ thị, hãy để ý xem ai được trình bày trước. Bạn đang tạo các danh mục và danh sách (theo bảng chữ cái hoặc theo kích thước?) Hay các mối quan hệ và lý thuyết về sự thay đổi được minh họa?

3. Dùng hộp đánh dấu hay không hộp đánh dấu? Khi thu thập dữ liệu nhân khẩu, hãy rõ ràng về người báo cáo và những gì được tính. Khách hàng có tự báo cáo danh tính của họ hoặc chọn câu trả lời từ danh sách được điền trước không? Là danh sách bao gồm? Những gì có thể bị thiếu?

4. Sau khi bạn có câu trả lời cho câu hỏi ban đầu của mình, đừng dừng lại! Suy ngẫm về dữ liệu và đặt câu hỏi để khám phá sự chênh lệch. Ví dụ: biết tỷ lệ (tốt nghiệp, chấp nhận, đình chỉ, việc làm, nhập viện, v.v.) và kiểm tra xem ai trong dữ liệu không nằm trong số đó. (Ai không tốt nghiệp, bị đình chỉ học, hoặc phải nhập viện?) Điều này có thể cung cấp manh mối hoặc gợi ra nhiều câu hỏi hơn. Một bước nữa sẽ là động não xem ai hoàn toàn không được tính.

5. Ai có quyền truy cập vào dữ liệu/đánh giá của bạn? Định dạng và kiểu dáng sẽ tạo ra sự khác biệt trong việc ai có thể truy cập vào báo cáo của bạn. Việc đảm bảo có một phiên bản phi kỹ thuật số dành cho những người không có khả năng tiếp cận công nghệ hoặc một phiên bản kỹ thuật số mà “người đọc màn hình” có thể hiểu được chỉ là một số vấn đề cần cân nhắc. Video và các ngôn ngữ thay thế có thể cho phép tiếp thu và hiểu thông tin tốt hơn.

6. Bạn đã làm đúng chưa ? Yêu cầu khách hàng xem xét các kết luận được đưa ra trong bất kỳ đánh giá chương trình nào là cách thực hành nghiên cứu tốt nhất. Trao đổi với khách hàng về cách thức và lý do bạn sử dụng thông tin thu thập được về họ (với sự đồng ý của họ!) có khả năng làm sáng tỏ các vấn đề và khơi dậy những hiểu biết mới.

Tôi không có đủ kinh nghiệm thực hành với toán kinh tế để cảm thấy tự tin khi thực hiện phân tích hồi quy, nhưng tôi thích đọc nghiên cứu và suy nghĩ về thiết kế đánh giá. Nếu bạn có các mẹo hoặc ví dụ về cách bạn đem công bằng vào dữ liệu và dự án nghiên cứu của mình, hãy gửi cho chúng tôi một ghi chú tại Hello@WeitzFamilyFoundation.org.

Trong thời gian chờ đợi, đây là một số tài nguyên về tính công bằng của dữ liệu:

• Brookings – Measuring Racism and Discrimination in Economic Data
• Equitable Evaluation Initiative
• GLSEN – LGBTQ+ Data Inclusion in K-12 Education Systems
• We All Count – Resources

Nếu bạn đang tìm kiếm một số tài nguyên bổ sung về tính công bằng dữ liệu, hãy xem trang Resource page.