ડેટા બીટનું જીવન: કેવી રીતે ડેટા શિક્ષણ નીતિને જાણ કરે છે

ડેટા આવશ્યક છે. અમે તેનો ઉપયોગ લક્ષ્યો નક્કી કરવા, પ્રગતિને ટ્રેક કરવા અને પ્રણાલીગત અસમાનતાને ઓળખવા માટે કરીએ છીએ. તમને લાગે છે કે તે મુખ્યત્વે સ્પ્રેડશીટ્સમાં જોવા મળે છે, પરંતુ અમે અમારા રોજિંદા જીવનમાં સતત ડેટા પર પ્રક્રિયા કરીએ છીએ: તમે કાલે શું પહેરશો? હવામાનની આગાહીને વધુ સારી રીતે તપાસો. આવતીકાલે તમે કેટલા વાગ્યે કામ માટે નીકળશો? ટ્રાફિક અહેવાલો પર આધાર રાખે છે.

A સારું શિક્ષણ આપણને આપણી વૃત્તિને સુધારવામાં મદદ કરે છે ડેટા સ્ત્રોત ભરોસાપાત્ર છે કે કેમ તેના પર, જેમ કે શૈક્ષણિક જર્નલ જેની પીઅર-સમીક્ષા કરવામાં આવે છે અથવા અખબાર જે પત્રકારત્વના કોડ અને નીતિશાસ્ત્રને અનુસરે છે. તાજેતરના વર્ષોમાં, એ સરકારમાં અવિશ્વાસ અને વિજ્ઞાનમાં વધારો થયો છે - ઘણી વખત ઇરાદાપૂર્વકની ખોટી માહિતી અથવા સમજણના અભાવને કારણે કેવી રીતે વૈજ્ઞાનિક તારણો માન્ય કરવામાં આવે છે.

અહીં વોશિંગ્ટન STEM પર, અમે આધાર રાખીએ છીએ ડેટા કે જે સાર્વજનિક રૂપે ઉપલબ્ધ છે. પરંતુ આપણે કેવી રીતે જાણી શકીએ કે તેઓ વિશ્વસનીય છે? આ બ્લોગમાં, અમે જોઈશું કે અમે અમારા રિપોર્ટ્સ અને ડેશબોર્ડ્સમાં વપરાતા ડેટાને કેવી રીતે સ્ત્રોત અને માન્ય કરીએ છીએ.

ચાલો “કોન્સુએલા” થી શરૂઆત કરીએ, સ્પોકેનમાં એક અનુમાનિત નોકરીદાતા…

તે ફોન કૉલથી શરૂ થાય છે

ફોનની રીંગ વાગે છે અને કોન્સ્યુએલા વોશિંગ્ટન, ડીસીમાંથી (202) વિસ્તાર કોડની નોંધ લે છે

"તે BLS સર્વેક્ષણ હોવું જોઈએ," તે વિચારે છે, બ્યુરો ઑફ લેબર સ્ટેટિસ્ટિક્સનો ઉલ્લેખ કરે છે.

કોન્સુએલા સ્પોકેનમાં એક બાંધકામ કંપની ધરાવે છે. દર મહિને, તેણી અને તેના જેવા હજારો નોકરીદાતાઓ પ્રદાન કરે છે રોજગાર, ઉત્પાદકતા, ટેકનોલોજીના ઉપયોગ પરનો ડેટા અને અન્ય વિષયો ઓટોમેટેડ ફોન સર્વે (કોમ્પ્યુટર આસિસ્ટેડ ટેલિફોન ઇન્ટરવ્યુ અથવા CATI) દ્વારા. ડેટા કલેક્શનની દુનિયામાં, કોન્સુએલાને ડેટા એડમિનિસ્ટ્રેટર તરીકે ઓળખવામાં આવે છે કારણ કે તે ડેટા કમ્પાઇલ કરે છે અને સબમિટ કરે છે અને વિનંતિ કરતી એજન્સીના વિશ્લેષકો સાથે ચોકસાઈની પુષ્ટિ કરવા માટે કામ કરે છે.

કોન્સ્યુએલા તેની સ્પ્રેડશીટ ખોલે છે જ્યાં તે નવા કામદારોને ટ્રેક કરે છે. તે રિંગિંગ ફોન માટે પહોંચે છે. એ બીટ* ડેટાનો જન્મ થવાનો છે.

*એક પોર્ટમેન્ટો (શબ્દોનું મિશ્રણ) "દ્વિસંગી અંક" માટે ટૂંકું

ડેટા કેવી રીતે પ્રાપ્ત થાય છે

એમ્પ્લોયરો અને અન્ય સર્વેક્ષણ પ્રતિસાદકર્તાઓ પાસેથી લાખો ડેટા બિટ્સ ફેડરલ એજન્સીઓ દ્વારા સંચાલિત ડેટાબેઝમાં ફીડ કરે છે જેમ કે યુએસ સેન્સસ બ્યુરો અને યુ.એસ. બ્યુરો ઓફ લેબર સ્ટેટિસ્ટિક્સ, તેમજ રાજ્ય એજન્સીઓ જેવી કે રોજગાર સુરક્ષા વિભાગ અને વાણિજ્ય વિભાગ, અન્યો વચ્ચે. આમાંની દરેક એજન્સીઓ પાસે ડેટા વિશ્લેષકોની ટીમો હોય છે જે ડેટા એકત્રિત કરે છે, ભૂલો સાફ કરે છે (જેમ કે ખાલી કોષો અથવા ખોટી રીતે ફોર્મેટ કરેલી તારીખો), તેને અલગ પાડે છે, એટલે કે, તેને ઘટક ભાગોમાં અલગ કરે છે અને તેને અનામી બનાવે છે. આ છેલ્લું પગલું કોઈપણ ઓળખતી માહિતીને દૂર કરે છે, જેમ કે નામ અથવા સરનામાં, તેથી વ્યક્તિની ડેટા ગોપનીયતા સુરક્ષિત છે.

વોશિંગ્ટન STEM ઓપન સોર્સ (એટલે ​​​​કે, સાર્વજનિક રૂપે ઉપલબ્ધ) ડેટા સેટનો ઉપયોગ કરે છે વિવિધ રાજ્ય અને સંઘીય સ્ત્રોતો અમારામાં ડેટા ડેશબોર્ડ અને સાધનો. અમારા ડેટા ટૂલ્સ ધારાસભ્યો, શિક્ષકો, નોકરીદાતાઓ, સમુદાય-આધારિત સંસ્થાઓ સહિત સામાન્ય લોકો માટે પ્રારંભિક સંભાળ અને શિક્ષણ, K-12 શિક્ષણ અને કારકિર્દીના માર્ગમાં નવીનતમ સંશોધન પ્રદાન કરે છે, જેથી તેઓ સમજી શકે કે તેઓ ક્યાં છે, ભવિષ્યની જરૂરિયાતોની આગાહી કરી શકે છે અને એજ્યુકેશન ટુ વર્કફોર્સ પાઇપલાઇન મજબૂત છે તેની ખાતરી કરો.

વોશિંગ્ટનમાં શિક્ષણ ડેટા

પરંતુ જ્યારે શિક્ષણના પરિણામોની જાણ કરવાની વાત આવે છે-આપણી કરોડરજ્જુ નંબર્સ ડેશબોર્ડ દ્વારા STEM—અમે એજ્યુકેશન રિસર્ચ ડેટા સેન્ટર (ERDC) ના ડેટા પર આધાર રાખીએ છીએ, જે ઑફિસ ઑફ ફાઇનાન્સિયલ મેનેજમેન્ટમાં છે. ધારાસભાએ 2007માં વોશિંગ્ટનના શિક્ષણના ડેટાને પ્રી-કિન્ડરગાર્ટનથી લઈને કોલેજ/કર્મચારીઓ સુધી એકત્રિત કરવા અને સંચાલિત કરવા માટે ERDCની રચના કરી હતી, જે “P20W” તરીકે ઓળખાતો રેખાંશ ડેટા સેટ છે. ચૌદ રાજ્ય એજન્સીઓ આ ડેટા એકત્રિત કરે છે, જેમાં અધિક્ષક પબ્લિક ઇન્સ્ટ્રક્શન (OSPI), ડિપાર્ટમેન્ટ ઓફ ચિલ્ડ્રન યુથ એન્ડ ફેમિલીઝ (DCYF), ડિપાર્ટમેન્ટ ઓફ હેલ્થ એન્ડ સોશિયલ સર્વિસ, સ્ટેટ બોર્ડ કોમ્યુનિટી એન્ડ ટેકનિકલ કોલેજ અને અન્યનો સમાવેશ થાય છે.

આમાંની દરેક એજન્સીના ડેટા એડમિનિસ્ટ્રેટર્સ, જેમ કે કોન્સુએલા, તેમના પ્રોગ્રામમાંથી ડેટા કમ્પાઇલ કરવા માટે જવાબદાર છે, જેમ કે વિદ્યાર્થી નોંધણી અને વસ્તી વિષયક, કિન્ડરગાર્ટન ગણિત-તૈયારીના સ્કોર્સ અને સ્નાતક દર. પછી એડમિનિસ્ટ્રેટર ડેટાને ERDC પોર્ટલ પર અપલોડ કરે છે જ્યાં તે માસ્ટર ડેટાબેઝમાં ઉમેરાતા પહેલા ગુણવત્તાની તપાસમાંથી પસાર થાય છે.

“અમે ઘણાં વિવિધ ડેટા સ્ત્રોતોમાંથી ડેટા પ્રાપ્ત કરીએ છીએ, પછી તેને અમારા ડેટા વેરહાઉસમાં લિંક કરવું પડશે. પરિણામે, અમે હંમેશા માન્યતા અને ગુણવત્તાની તપાસ કરીએ છીએ,” બોની નેલ્સન, ERDCના વરિષ્ઠ ડેટા ગવર્નન્સ નિષ્ણાતે જણાવ્યું હતું.

નેલ્સને કહ્યું કે જે ERDCને વોશિંગ્ટનમાં અનન્ય બનાવે છે તે એ છે કે તે "ક્રોસ સેક્ટર લોન્ગીટ્યુડીનલ ડેટા વેરહાઉસ" ધરાવે છે - મતલબ કે તે એક વ્યક્તિગત વિદ્યાર્થીના બહુવિધ રેકોર્ડ્સને લિંક કરે છે. “દરેક વિદ્યાર્થી જ્યારે શાળા, કૉલેજમાં જાય છે અને પછી જ્યારે તેમને નોકરી મળે છે ત્યારે રેકોર્ડ જનરેટ કરે છે. ERDC આ બધું એક રેકોર્ડમાં મૂકે છે.

ત્યાંથી, ડેટાને ERDC ના પ્રકાશનોમાં ખવડાવવામાં આવે છે, જેમાં પ્રારંભિક બાળપણ શિક્ષણ, વિદ્યાર્થીઓના પરિણામો અને અન્ય પરના અહેવાલોનો સમાવેશ થાય છે. નેલ્સને જણાવ્યું હતું કે ERDCના પ્રાથમિક વપરાશકર્તાઓ રાજ્યના ધારાસભ્યો, નીતિ નિર્માતાઓ, રાજ્ય એજન્સીઓ, યુનિવર્સિટીના સંશોધકો અને સમુદાય આધારિત સંસ્થાઓ છે. ERDC કાયદા દ્વારા જાહેર જનતા માટે ડેટા ઉપલબ્ધ કરાવવા માટે ફરજિયાત છે ઑનલાઇન ડેશબોર્ડ્સ or વિનંતી દ્વારા.

"સ્ટુઅર્ડ્સ અને કનેક્ટર્સ બનવાનો અમારો ચાર્જ છે - તે લોકોને ડેટાથી દૂર રાખવાનો નથી, પરંતુ તેમને કહેવું છે કે, 'અમારી પાસે કંઈક છે જે તમને રસપ્રદ લાગે છે' અને વિદ્યાર્થીઓના પરિણામો અને અનુભવોને સુધારવા માટે તેમને ડેટા ઍક્સેસ કરવામાં સહાય કરો."

આ પાછલા વર્ષે, વોશિંગ્ટન STEM અને નેટવર્ક ભાગીદારો રાજ્યભરના 739 ડેટા-યુઝર્સ સુધી પહોંચ્યું, પ્રેક્ટિશનરો, શિક્ષકો, સંશોધકો, નીતિ નિર્માતાઓ અને સમુદાયના નેતાઓ અને હિમાયતીઓ સહિત, તેઓ ડેટાનો ઉપયોગ કરે છે કે કેમ અને કેવી રીતે કરે છે અને આમ કરવાથી તેમને કયા પડકારોનો સામનો કરવો પડ્યો હતો તે પૂછવા માટે. પરિણામો દર્શાવે છે કે 90% તેમના નિર્ણય લેવા અને આયોજનમાં ડેટાનો ઉપયોગ કરે છે, પરંતુ 20 ડેટા વપરાશકર્તાઓમાંથી 739 કરતાં ઓછા લોકોએ કહ્યું કે તેઓ રાજ્યના P20W ડેટા ઈન્ફ્રાસ્ટ્રક્ચર વિશે જાણકાર છે અથવા તેમના ડેટા પ્રશ્નો માટે કઈ એજન્સીનો સંપર્ક કરવો તે જાણતા હતા. ડેટા ક્ષમતામાં સુધારો કરવા માટે, આગામી ચાર વર્ષોમાં વોશિંગ્ટન STEM આ ભાગીદારોની તેઓ જે ડેટાનો ઉપયોગ કરે છે તેની સાથે જોડાવવાની ક્ષમતા સુધારવા માટે વ્યાવસાયિક વિકાસ અને તકનીકી સહાય પૂરી પાડશે.

વાર્તાઓનો ડેટા કહી શકે છે

વૉશિંગ્ટન STEM પર, અમે માત્ર ડેટા એકત્રિત કરતા નથી અને મનોરંજન માટે ડેશબોર્ડ્સ બનાવતા નથી. (જોકે ડેટાને વિઝ્યુઅલાઈઝ કરવું આનંદદાયક છે-ફક્ત અમારા ડેટા વૈજ્ઞાનિકને પૂછો.) શરૂઆતમાં કહ્યું તેમ, લક્ષ્યો નક્કી કરવા, પ્રગતિને માપવા અને પ્રણાલીગત સમસ્યાઓ ઓળખવામાં ડેટા મહત્વપૂર્ણ છે.

દાખલા તરીકે, પાંચ વર્ષ પહેલાં, એ યાકીમા હાઇસ્કૂલમાં કારકિર્દી અને કોલેજની તૈયારી સંયોજક તેમની શાળામાં ડ્યુઅલ ક્રેડિટ પ્રોગ્રામ્સમાં વિદ્યાર્થીની નોંધણી- જે ઘણી વખત ઉચ્ચ શિક્ષણમાં આગળ વધવાની સંભાવના સાથે જોડાયેલી હતી- તે ન્યાયી નહોતું, પરંતુ તેમની પાસે તે સાબિત કરવા માટેનો ડેટા નહોતો.

તેથી તેમણે કોર્સ-ટેકિંગ ડેટાને એક્સેસ કરવા અને તેનું વિશ્લેષણ કરવામાં મદદ માટે વોશિંગ્ટન STEM નો સંપર્ક કર્યો. આ પરિણામો લિંગ અને વંશીય અસમાનતાઓ દર્શાવે છે: લેટિનો પુરૂષો ડ્યુઅલ ક્રેડિટમાં નોંધણી થવાની અને પોસ્ટસેકંડરી શિક્ષણ પર ચાલુ રાખવાની શક્યતા ઓછી હતી.

એકવાર શાળા સંચાલકો તેમના ડેટાને જાણ્યા પછી, તેઓ વધુ વિદ્યાર્થીઓને ડ્યુઅલ ક્રેડિટ પ્રોગ્રામ્સ ઍક્સેસ કરવામાં મદદ કરવા માટે મોટા સુધારા કરવામાં સક્ષમ હતા. 2022 માં, ધારાશાસ્ત્રીઓએ એક બિલ પસાર કર્યું હતું જેમાં તમામ શાળાઓને જરૂરી છે ડ્યુઅલ ક્રેડિટ નોંધણીમાં વિદ્યાર્થી વસ્તી વિષયકની જાણ કરો. વૉશિંગ્ટન STEM આ પ્રોગ્રામને હાઇ સ્કૂલથી પોસ્ટસેકન્ડરી કોલાબોરેટિવ સુધી વિસ્તરણ કરવાનું ચાલુ રાખે છે, જેમાં રાજ્યભરની 40+ શાળાઓ શરૂ થઈ રહી છે. ડેટા ડેશબોર્ડનો ઉપયોગ કરો તેમનો પોતાનો ડેટા જોવા માટે-અને શાળા સ્તરે ફેરફારો કરવા.

એ જ રીતે, પહેલાં ફેર સ્ટાર્ટ ફોર કિડ્સ એક્ટ 2021 માં પસાર કરવામાં આવ્યો હતો, બાળ સંભાળની જરૂરિયાત અને પુરવઠા વિશેનો ડેટા લોકો માટે સહેલાઈથી ઉપલબ્ધ ન હતો. વોશિંગ્ટન STEM ડાયરેક્ટર ઓફ ઈમ્પેક્ટ મીન હ્વાંગબોએ જણાવ્યું હતું કે, “નવા કાયદામાં વધુ ડેટા પારદર્શિતા ફરજિયાત છે. પરિણામે, બાળકો, યુવા અને પરિવારોના વિભાગે વોશિંગ્ટન STEM સાથે ભાગીદારી કરીને પાંચ અર્લી લર્નિંગ ડેશબોર્ડ્સ ઉદ્યોગનો વ્યાપક દૃષ્ટિકોણ પ્રદાન કરે છે.”

જોકે પ્રારંભિક શિક્ષણ ડેશબોર્ડ્સ અને બાળકોની સ્થિતિ ડેટા ડેશબોર્ડ અને પ્રાદેશિક અહેવાલો ડેટાની ઉપલબ્ધતામાં વધારો કર્યો છે, તે બધા બાળકો માટે આવું નથી કર્યું.

"કેટલીક મુખ્ય વસ્તીઓ માટે ડેટાના સતત અને સચોટ રિપોર્ટિંગનો અભાવ છે: વિકલાંગ બાળકો, ઘરવિહોણાનો અનુભવ કરતા બાળકો અને મૂળ અમેરિકન બાળકો," હ્વાંગબોએ કહ્યું. તેમણે કહ્યું કે આ એટલા માટે છે કારણ કે કેટલાક બાળ સંભાળ ઉદ્યોગ ડેટા સંગ્રહ સ્વૈચ્છિક હતો, અને રોગચાળા દરમિયાન તે રાજ્યના કેટલાક પ્રદેશોમાં બન્યું ન હતું. દરમિયાન બાળકોનું રાજ્ય સહ-ડિઝાઇન પ્રક્રિયા, વોશિંગ્ટન STEM એ આ દરેક સમુદાયના સભ્યો સાથેના ડેટા સેટને જોયા અને તેમાંના ઘણાએ કહ્યું કે સંખ્યાઓ ઓછી ગણતરી જેવી લાગી.

પ્રારંભિક શિક્ષણ ડેટા ક્લિયરિંગહાઉસ માટે કૉલ્સ

જો કે ERDC, DCYF અને OSPI જેવી એજન્સીઓ પ્રિસ્કુલર્સ પર કેટલાક ડેટા એકત્રિત કરે છે, હાલમાં પ્રારંભિક શિક્ષણ પર વ્યાપક, વસ્તી-સ્તરના ડેટા માટે કોઈ કેન્દ્રીય ક્લિયરિંગહાઉસ નથી. હ્વાંગબોએ જણાવ્યું હતું કે, "વિવિધ કાર્યક્રમો અને સંસ્થાઓમાં વર્તમાન ડેટા ઈન્ફ્રાસ્ટ્રક્ચર પરિવારો માટે તેઓને જોઈતા સમર્થનને એક્સેસ કરવાનું મુશ્કેલ બનાવે છે અને એડમિનિસ્ટ્રેટર્સ માટે બાળકો અને પરિવારો માટે સપોર્ટ સુધારવા માટે ડેટાનો ઉપયોગ કરવો મુશ્કેલ બને છે."

વોશિંગ્ટન STEM ડેટા એક્સેસને સુધારવા માટે રાજ્યવ્યાપી ડેટા ક્લિયરિંગહાઉસ બનાવવાની ભલામણ કરે છે જેથી દરેક-ધારાસભ્યો, શિક્ષકો, સંશોધકો, માતાપિતા-ને અમારી પ્રારંભિક સંભાળ અને શિક્ષણની સિસ્ટમની યોજના બનાવવા અને તેને સુધારવાની જરૂર હોય તે મેળવી શકે.

તેથી, પછી ભલે તમે ડેટા-નર્ડ હો, અથવા પ્રથમ વખત ડેટાની દુનિયામાં તમારા અંગૂઠાને ડૂબાડતા હોવ-અમે તમને ઉપયોગ કરવા માટે આમંત્રિત કરીએ છીએ વોશિંગ્ટન STEM ના ડેટા ટૂલ્સ. અને આગલી વખતે જ્યારે તમે સવારના સમાચારો પર આર્થિક અહેવાલો સાંભળો, ત્યારે કોન્સુએલા અને અન્ય ડેટા એડમિનિસ્ટ્રેટર્સ વિશે વિચારો કે જેઓ તે નંબરોની પાછળ ઊભા છે.

"મારે કયા વૉશિંગ્ટન STEM ડેટા ટૂલનો ઉપયોગ કરવો જોઈએ?"

 

 
કી
BLS - યુએસ બ્યુરો ઓફ લેબર સ્ટેટિસ્ટિક્સ
વસ્તી ગણતરી - યુએસ સેન્સસ બ્યુરો
CCA - ચાઇલ્ડ કેર અવેર
COMMS - વોશિંગ્ટન સ્ટેટ ડિપાર્ટમેન્ટ ઓફ કોમર્સ
DCFY — વોશિંગ્ટન સ્ટેટ ડિપાર્ટમેન્ટ ઓફ ચિલ્ડ્રન, યુથ અને ફેમિલીઝ
ECEAP — પ્રારંભિક બાળપણ શિક્ષણ સહાય કાર્યક્રમ
ERDC — વોશિંગ્ટન રાજ્ય રોજગાર સુરક્ષા વિભાગ
OFM - નાણાકીય વ્યવસ્થાપન કાર્યાલય
OSPI - જાહેર સૂચના અધિક્ષકનું કાર્યાલય