لم يتم إنشاء كافة البيانات على قدم المساواة

من المقدر أن تستغرق قراءة هذه المدونة دقيقتين.

تتمثل إحدى عيوب الذهاب إلى الجامعة للدراسات العليا في اكتشاف حدود ما كنت تعتقد أنك تعرفه. الارتباطات فقط لا تقطعها بعد التعرف على النمذجة الخطية الهرمية! لحسن الحظ , لا يتطلب تقييم البرنامج اليومي هذا المستوى من التعقيد , ولكن الاهتمام الدقيق بتصميم جمع البيانات هو المفتاح للمساواة في التقييم.

إذا كنت جديدًا في التفكير في البيانات من منظور الإنصاف , فإليك خطوات صغيرة يجب مراعاتها في رحلتك نحو المساواة في البيانات:

1. ضع في اعتبارك جمهورك. يحدد الجمهور كيفية الإبلاغ عن المعلومات. خذ على سبيل المثال مقياسًا قياسيًا طلبه المموّلون: كم يكلف هذا البرنامج لكل عميل؟ تحاول المؤسسات تقليل هذا المبلغ لتظهر بشكل فعال للممول , ولكن عند الإعلان عن البرنامج للعميل , قد تتخذ نفس المنظمة نهجًا معاكسًا لتسليط الضوء على القيمة.

2. العرض مهم. تحظى الرسوم البيانية بشعبية كبيرة , ولكن كيف تقدم نتائجك؟ عند استخدام المخططات والرسوم البيانية , لاحظ من الذي يتم تقديمه أولاً. هل تقوم بإنشاء فئات وقوائم (أبجديًا أم حسب الحجم؟) أم يتم توضيح العلاقات ونظريات التغيير؟

3. خانة الاختيار أم لا خانة الاختيار؟ عند جمع البيانات الديموغرافية , كن واضحًا بشأن من يقوم بالإبلاغ وما يتم احتسابه. هل قام العملاء بالإبلاغ عن هوياتهم بأنفسهم أو حددوا إجابات من قائمة مملوءة مسبقًا؟ هل القائمة شاملة؟ ما الذي قد يكون مفقودًا؟

4. بعد الحصول على إجابة لسؤالك الأصلي , لا تتوقف! فكر في البيانات واطرح أسئلة للكشف عن التفاوتات. على سبيل المثال , تعرف على المعدلات (التخرج والقبول والفصل والتوظيف والاستشفاء وما إلى ذلك) وقم بفحص من في البيانات ليس جزءًا من هذا العدد. (من الذي لم يتخرج أو تم فصله أو ذهب إلى المستشفى؟) قد يوفر هذا دليلًا أو يطرح المزيد من الأسئلة. خطوة أخرى ستكون العصف الذهني لمن ليسوا داخلين في العدد على الإطلاق.

5. من لديه حق الوصول إلى بياناتك / تقييمك؟ سيحدث التنسيق والنمط اختلافًا في من يمكنه الوصول إلى التقارير الخاصة بك. إن التأكد من وجود نسخة غير رقمية لأولئك الذين ليس لديهم إمكانية الوصول إلى التكنولوجيا أو نسخة رقمية يمكن فهمها من قبل “قارئ الشاشة” ما هي إلا بضعة اعتبارات. قد يسمح الفيديو واللغات البديلة باستيعاب أكبر للمعلومات وفهمها.

 6. هل فهمت الأمر بشكل صحيح؟ إن مطالبة العملاء بمراجعة الاستنتاجات التي تم التوصل إليها في أي تقييم للبرنامج هي أفضل ممارسة للبحث. من المرجح أن يؤدي التحدث مع العملاء حول كيفية استخدامك للمعلومات التي تم جمعها عنهم ولماذا (بموافقتهم!) إلى إلقاء الضوء على المشكلات وإثارة تفاهمات جديدة.

لم أعد أحصل على ممارسة كافية مع الاقتصاد القياسي لأشعر بالثقة في إجراء تحليل الانحدار , لكني أستمتع بقراءة الأبحاث والتفكير في تصميم التقييم. إذا كانت لديك نصائح أو أمثلة حول كيفية تحقيق الإنصاف في بياناتك ومشاريعك البحثية ، فأرسل إلينا ملاحظة على Hello@WeitzFamilyFoundation.org

في هذه الأثناء, اليك بعض الموارد حول تكافؤ البيانات:

• قياس العنصرية والتمييز في البيانات الاقتصادية.

 Brookings – Measuring Racism and Discrimination in Economic Data

 • مبادرة التقييم العادل.

Equitable Evaluation Initiative

 • إدراج البيانات في أنظمة التعليم من رياض الأطفال وحتى الصف الثاني عشر. 

GLSEN – LGBTQ+ Data Inclusion in K-12 Education Systems

  • كلنا مهمين – الموارد

We All Count – Resources

 • إذا كنت تبحث عن بعض الموارد الإضافية حول تكافؤ البيانات ، فراجع صفحة الموارد الخاصة بنا Resource page