स्टेम में डेटा-संचालित प्रभाव

जो नापा जाता है वह हो जाता है। वाशिंगटन एसटीईएम छात्र संकेतकों और श्रम बाजार के अनुमानों पर डेटा तक पहुंच का लोकतंत्रीकरण करने में मदद करने के लिए काम करता है जो हमें बता सकता है कि क्या हम अपने भागीदारों के साथ राज्य भर में प्राथमिकता वाली आबादी के लिए अधिक न्यायसंगत पहुंच बना रहे हैं।

स्टेम में डेटा-संचालित प्रभाव

जो नापा जाता है वह हो जाता है। वाशिंगटन एसटीईएम छात्र संकेतकों और श्रम बाजार के अनुमानों पर डेटा तक पहुंच का लोकतंत्रीकरण करने में मदद करने के लिए काम करता है जो हमें बता सकता है कि क्या हम अपने भागीदारों के साथ राज्य भर में प्राथमिकता वाली आबादी के लिए अधिक न्यायसंगत पहुंच बना रहे हैं।

अवलोकन

जब हम सिस्टम स्तर के परिवर्तन के लिए एक नई तकनीकी साझेदारी शुरू करते हैं, तो डेटा और मापन पहला कदम होता है। डेटा हमें आधार रेखा स्थापित करने, प्रगति को मापने और लक्ष्य निर्धारित करने और लिंग, जाति, भूगोल या आय से संबंधित प्रणालीगत असमानताओं को उजागर करने में मदद करता है।

लेकिन वाशिंगटन एसटीईएम में हम डेटा और माप को शून्य में नहीं करते हैं - हम इसे समुदाय में करते हैं। इससे पहले कि हम डेटा ट्रैक करना शुरू करें, हम गहराई से सुनते हैं कि शिक्षक, छात्र और उनके परिवार क्या कह रहे हैं। हम पूछते हैं कि छात्रों को पीछे धकेलने वाली प्रणालीगत बाधाओं के बारे में उनका क्या अनुमान है।

फिर हम मौजूदा शोध में खुदाई करते हैं: हम पहचानते हैं कि सार्थक छात्र परिणामों की पहचान करने में कौन से संकेतक (यानी मात्रात्मक डेटा) शोध प्रभावी साबित हुए हैं। फिर हम "क्यों" - गुणात्मक डेटा को उजागर करने के लिए प्रश्न पूछते हैं। हम इस मिश्रित-विधियों के दृष्टिकोण का उपयोग रणनीतियों और नीतियों को डिजाइन करने के लिए करते हैं जो छात्रों के जीवित अनुभवों का जवाब देते हैं। परिणाम व्यापक रूप से साझा किए गए डेटा और परिवर्तनकारी परिणाम हैं।

डेटा और डैशबोर्ड

वाशिंगटन एसटीईएम ओपन-सोर्स, कार्रवाई योग्य डेटा डैशबोर्ड बनाने में अग्रणी है जो हमारे राज्य की एसटीईएम अर्थव्यवस्था में अंतर्दृष्टि प्रदान करता है। (वाशिंगटन एसटीईएम के डेटा टूल के बारे में और जानें को यहाँ से डाउनलोड कर सकते हैं।) इस डेटा को हाथ में लेकर, हम वाशिंगटन के छात्रों के लिए कक्षा से लेकर करियर तक की स्पष्ट रेखा बनाने में मदद कर सकते हैं। वॉशिंगटन एसटीईएम के टूल सूट कैरियर और क्रेडेंशियल उपलब्धता से लेकर कॉम्प्लेक्स में स्पष्टता लाने के लिए आवश्यक डेटा प्रदान करते हैं (कोरी), क्षेत्रीय स्तर पर सबसे अधिक मांग वाली पारिवारिक-मजदूरी नौकरियां खोजने के लिए (श्रम बाजार डैशबोर्ड), में क्षेत्रीय डेटा का एक स्नैपशॉट प्रदान करने के लिए प्रारंभिक शिक्षा और देखभाल, हमें यह बताने के लिए कि क्या शिक्षा प्रणाली सभी छात्रों का समर्थन कर रही है - विशेष रूप से रंग के छात्रों, ग्रामीण छात्रों, गरीबी में रहने वाले छात्रों और लड़कियों और युवा महिलाओं को - उच्च मांग वाली साख प्राप्त करने के लिए ट्रैक पर रहने के लिए।

इसी प्रकार, हमारे डैशबोर्ड के लिए संख्याओं द्वारा एसटीईएम और बच्चों की स्थिति हमें बताएं कि क्या सिस्टम अधिक छात्रों - विशेष रूप से रंगीन छात्रों, ग्रामीण छात्रों, गरीबी में रहने वाले छात्रों और लड़कियों और युवा महिलाओं को उच्च-मांग वाली साख प्राप्त करने के लिए ट्रैक पर रहने में सहायता कर रहा है।

राज्यव्यापी निगरानी और रिपोर्ट

अच्छा डेटा और लगातार निगरानी समुदायों को उनकी रणनीतियों के प्रभाव और समय के साथ चीजें कैसे बदल रही हैं, यह समझने में मदद कर सकती हैं। वे नेताओं को यह समझने में भी मदद करते हैं कि कीमती संसाधनों का निवेश कहां किया जाए और भविष्य के लिए कैसे योजना बनाई जाए। द स्टेट ऑफ द चिल्ड्रन: अर्ली लर्निंग एंड केयर क्षेत्रीय रिपोर्टें वाशिंगटन की प्रारंभिक शिक्षण प्रणालियों की अनिश्चित स्थिति पर प्रकाश डालती हैं। इसी प्रकार, परिवार के अनुकूल कार्यस्थल क्षेत्रीय रिपोर्ट राज्य भर में समान बाल देखभाल में निवेश करने के लिए व्यापारिक नेताओं के लिए डेटा प्रदान करती हैं।

तकनीकी साझेदारी

हम रचनात्मक, स्थानीय समाधानों की पहचान और विस्तार करके प्रणालीगत समस्याओं को हल करने के लिए क्रॉस-सेक्टर भागीदारी में संलग्न हैं जो बाधाओं को दूर करने और अवसर अंतराल को बंद करने में मदद करते हैं। समुदाय के नेताओं और हमारे दस क्षेत्रीय नेटवर्क भागीदारों के साथ निकटता से भागीदारी करके, हम लंबे समय से चली आ रही समस्याओं के मूल कारणों की पहचान करने और समाधान विकसित करने में सक्षम हैं जो प्राथमिकता वाली आबादी के लिए बाधाओं को तोड़ने में मदद करते हैं।

ये हमारी तकनीकी साझेदारी के कुछ उदाहरण हैं:

 

"व्हाई एसटीईएम?": द केस फॉर ए स्ट्रॉन्ग साइंस एंड मैथ एजुकेशन
2030 तक, वाशिंगटन राज्य में नए, प्रवेश स्तर की नौकरियों में आधे से भी कम परिवार-मजदूरी का भुगतान करेंगे। इन पारिवारिक-मजदूरी नौकरियों में से 96% को उत्तर-माध्यमिक क्रेडेंशियल की आवश्यकता होगी और 62% को एसटीईएम साक्षरता की आवश्यकता होगी। एसटीईएम नौकरियों में ऊपर की ओर रुझान के बावजूद, वाशिंगटन राज्य में विज्ञान और गणित की शिक्षा को कम-पुनर्जीवित और डी-प्राथमिकता दी गई है।
हाई स्कूल से पोस्टसेकंडरी: तकनीकी पेपर
वाशिंगटन के अधिकांश छात्र माध्यमिक शिक्षा के बाद भाग लेने की इच्छा रखते हैं।
सह-डिज़ाइन प्रक्रिया: समुदायों के साथ और उनके लिए अनुसंधान
बच्चों की नई स्थिति रिपोर्ट राज्य भर से 50+ "सह-डिजाइनरों" के साथ साझेदारी में विकसित की गई थी। परिणाम सार्थक नीतिगत परिवर्तनों के क्षेत्रों को उजागर करते हैं, साथ ही बच्चों के साथ परिवारों की आवाज़ों को भी शामिल करते हैं जिन्हें अक्सर सस्ती बाल देखभाल के बारे में बातचीत में अनदेखा किया जाता है।
डेटा बिट का जीवन: डेटा कैसे शिक्षा नीति को सूचित करता है
यहां वाशिंगटन एसटीईएम में, हम उन डेटा पर भरोसा करते हैं जो सार्वजनिक रूप से उपलब्ध हैं। लेकिन हम कैसे जानें कि वे विश्वसनीय हैं? इस ब्लॉग में, हम देखेंगे कि हम अपनी रिपोर्ट और डैशबोर्ड में उपयोग किए गए डेटा का स्रोत और सत्यापन कैसे करते हैं।