ڈیٹا بٹ کی زندگی: ڈیٹا تعلیمی پالیسی کو کیسے آگاہ کرتا ہے۔

ڈیٹا ضروری ہے۔ ہم اسے اہداف طے کرنے، پیشرفت کو ٹریک کرنے اور نظامی عدم مساوات کی نشاندہی کرنے کے لیے استعمال کرتے ہیں۔ آپ کو لگتا ہے کہ یہ بنیادی طور پر اسپریڈ شیٹس میں پایا جاتا ہے، لیکن ہم اپنی روزمرہ کی زندگی میں ڈیٹا پر مسلسل کارروائی کرتے ہیں: کل کیا پہنو گے؟ موسم کی پیشن گوئی کو بہتر طور پر چیک کریں۔ کل کس وقت کام پر روانہ ہوں گے؟ ٹریفک رپورٹس پر منحصر ہے۔

A اچھی تعلیم ہماری جبلت کو بہتر بنانے میں ہماری مدد کرتی ہے۔ اس پر کہ آیا ڈیٹا کا ذریعہ قابل اعتماد ہے، جیسے کہ ایک تعلیمی جریدہ جس کا ہم مرتبہ جائزہ لیا جاتا ہے، یا ایک اخبار جو صحافت کے ضابطوں اور اخلاقیات کی پیروی کرتا ہے۔ حالیہ برسوں میں، a حکومت میں عدم اعتماد اور سائنس میں اضافہ ہوا ہے - اکثر جان بوجھ کر غلط معلومات یا اس کی سمجھ کی کمی کی وجہ سے سائنسی نتائج کی توثیق کیسے کی جاتی ہے۔.

یہاں واشنگٹن STEM پر، ہم انحصار کرتے ہیں۔ ڈیٹا جو عوامی طور پر دستیاب ہے۔ لیکن ہم کیسے جانتے ہیں کہ وہ قابل اعتماد ہیں؟ اس بلاگ میں، ہم دیکھیں گے کہ ہم اپنی رپورٹس اور ڈیش بورڈز میں استعمال ہونے والے ڈیٹا کو کس طرح ماخذ اور تصدیق کرتے ہیں۔

آئیے اسپوکین میں ایک فرضی آجر "کونسویلا" سے شروع کریں…

یہ ایک فون کال سے شروع ہوتا ہے۔

فون کی گھنٹی بجتی ہے اور کونزویلا واشنگٹن، ڈی سی سے (202) ایریا کوڈ کو نوٹس کرتا ہے۔

"یہ BLS سروے ہونا چاہیے،" وہ سوچتی ہیں، بیورو آف لیبر سٹیٹسٹکس کا حوالہ دیتے ہوئے

کونزویلا سپوکین میں ایک تعمیراتی کمپنی کا مالک ہے۔ ہر ماہ، وہ اور اس جیسے دسیوں ہزار آجر فراہم کرتے ہیں۔ روزگار، پیداوری، ٹیکنالوجی کے استعمال سے متعلق ڈیٹا اور دیگر موضوعات خودکار فون سروے (کمپیوٹر اسسٹڈ ٹیلی فون انٹرویو یا CATI) کے ذریعے۔ ڈیٹا اکٹھا کرنے کی دنیا میں، Consuela کو ڈیٹا ایڈمنسٹریٹر کے طور پر جانا جاتا ہے کیونکہ وہ ڈیٹا کو مرتب اور جمع کرتی ہے اور درستگی کی تصدیق کے لیے درخواست کرنے والی ایجنسی کے تجزیہ کاروں کے ساتھ کام کرتی ہے۔

کونزویلا اپنی اسپریڈشیٹ کھولتی ہے جہاں وہ نئے ملازمین کو ٹریک کرتی ہے۔ وہ فون کی گھنٹی تک پہنچتی ہے۔ اے تھوڑا* ڈیٹا کی پیدائش ہونے والی ہے۔

*ایک پورٹ مینٹیو (الفاظ کی ملاوٹ) "بائنری ہندسوں" کے لیے مختصر

ڈیٹا کیسے حاصل کیا جاتا ہے۔

آجروں اور دوسرے سروے کے جواب دہندگان کے لاکھوں ڈیٹا بٹس وفاقی ایجنسیوں کے زیر انتظام ڈیٹا بیس میں فیڈ کرتے ہیں جیسے کہ امریکی مردم شماری بیورو اور لیبر کے اعداد و شمار کے بیورو، نیز ریاستی ایجنسیاں جیسے ایمپلائمنٹ سیکیورٹی ڈیپارٹمنٹ اور محکمہ تجارت، دوسروں کے درمیان۔ ان ایجنسیوں میں سے ہر ایک کے پاس ڈیٹا تجزیہ کاروں کی ٹیمیں ہوتی ہیں جو ڈیٹا اکٹھا کرتی ہیں، غلطیاں صاف کرتی ہیں (جیسے خالی سیل یا غلط فارمیٹ شدہ تاریخیں)، اسے الگ الگ کرتی ہیں، یعنی اسے اجزاء کے حصوں میں الگ کرتی ہیں، اور اسے گمنام کرتی ہیں۔ یہ آخری مرحلہ کسی بھی شناختی معلومات کو ہٹا دیتا ہے، جیسے نام یا پتے، اس لیے کسی فرد کے ڈیٹا کی رازداری محفوظ ہو جاتی ہے۔

Washington STEM اوپن سورس (یعنی عوامی طور پر دستیاب) ڈیٹا سیٹس کا استعمال کرتا ہے۔ مختلف ریاستی اور وفاقی ذرائع ہمارے میں ڈیٹا ڈیش بورڈز اور ٹولز. ہمارے ڈیٹا ٹولز ابتدائی نگہداشت اور تعلیم، K-12 تعلیم، اور عام لوگوں کے لیے کیریئر کے راستوں میں تازہ ترین تحقیق فراہم کرتے ہیں، بشمول قانون ساز، معلمین، آجر، کمیونٹی پر مبنی تنظیمیں، تاکہ وہ سمجھ سکیں کہ وہ کہاں ہیں، مستقبل کی ضروریات کی پیشن گوئی اور اس بات کو یقینی بنائیں کہ تعلیم سے افرادی قوت کی پائپ لائن مضبوط ہو۔

واشنگٹن میں تعلیمی ڈیٹا

لیکن جب تعلیم کے نتائج کی اطلاع دینے کی بات آتی ہے - ہماری ریڑھ کی ہڈی نمبرز ڈیش بورڈ کے ذریعے STEM—ہم ایجوکیشن ریسرچ ڈیٹا سینٹر (ERDC) کے ڈیٹا پر انحصار کرتے ہیں، جو آفس آف فنانشل مینجمنٹ میں واقع ہے۔ مقننہ نے 2007 میں ERDC کو پری کنڈرگارٹن سے لے کر کالج/ ورک فورس تک واشنگٹن کے تعلیمی ڈیٹا کو جمع کرنے اور اس کا نظم کرنے کے لیے بنایا تھا، ایک طول بلد ڈیٹا سیٹ جسے "P20W" کہا جاتا ہے۔ چودہ ریاستی ایجنسیاں یہ ڈیٹا اکٹھا کرتی ہیں، جن میں آفس آف سپرنٹنڈنٹ آف پبلک انسٹرکشن (OSPI)، ڈپارٹمنٹ آف چلڈرن یوتھ اینڈ فیملیز (DCYF)، محکمہ صحت اور سماجی خدمات، اسٹیٹ بورڈ کمیونٹی اینڈ ٹیکنیکل کالجز، اور دیگر شامل ہیں۔

ان ایجنسیوں میں سے ہر ایک کے ڈیٹا ایڈمنسٹریٹر، بالکل Consuela کی طرح، اپنے پروگراموں سے ڈیٹا مرتب کرنے کے ذمہ دار ہیں، جیسے کہ طالب علم کے اندراج اور آبادیاتی، کنڈرگارٹن کے ریاضی کی تیاری کے اسکور، اور گریجویشن کی شرح۔ منتظم پھر ڈیٹا کو ERDC پورٹل پر اپ لوڈ کرتا ہے جہاں اسے ماسٹر ڈیٹا بیس میں شامل کرنے سے پہلے معیار کی جانچ پڑتال کی جاتی ہے۔

"ہم بہت سے مختلف ڈیٹا ذرائع سے ڈیٹا وصول کرتے ہیں، پھر اسے اپنے ڈیٹا گودام میں لنک کرنا پڑتا ہے۔ نتیجے کے طور پر، ہم ہمیشہ توثیق اور معیار کی جانچ کرتے رہتے ہیں،" بونی نیلسن، ERDC میں ڈیٹا گورننس کے سینئر ماہر نے کہا۔

نیلسن نے کہا کہ جو چیز ERDC کو واشنگٹن میں منفرد بناتی ہے وہ یہ ہے کہ یہ ایک "کراس سیکٹر طول بلد ڈیٹا گودام" رکھتا ہے—یعنی یہ ایک انفرادی طالب علم کے متعدد ریکارڈز کو جوڑتا ہے۔ "ہر طالب علم جب اسکول، کالج جاتا ہے، اور بعد میں جب انہیں نوکری ملتی ہے تو ایک ریکارڈ بناتا ہے۔ ERDC یہ سب ایک ریکارڈ میں رکھتا ہے۔

وہاں سے، ڈیٹا کو ERDC کی اشاعتوں میں فراہم کیا جاتا ہے، بشمول ابتدائی بچپن کی تعلیم، طالب علم کے نتائج، اور دیگر پر رپورٹس۔ نیلسن نے کہا کہ ERDC کے بنیادی صارفین ریاستی قانون ساز، پالیسی ساز، ریاستی ایجنسیاں، یونیورسٹی کے محققین، اور کمیونٹی پر مبنی تنظیمیں ہیں۔ ERDC کو قانون کے ذریعے عوام کے لیے ڈیٹا دستیاب کرنے کا پابند بنایا گیا ہے۔ آن لائن ڈیش بورڈز or گزارش سے.

"اسٹیورڈز اور کنیکٹر بننا ہمارا فرض ہے- یہ لوگوں کو ڈیٹا سے دور رکھنا نہیں ہے، بلکہ انہیں بتانا ہے، 'ہمارے پاس کچھ ہے جو آپ کو دلچسپ لگ سکتا ہے' اور طلباء کے نتائج اور تجربات کو بہتر بنانے کے لیے ڈیٹا تک رسائی میں ان کی مدد کریں۔"

یہ گزشتہ سال، واشنگٹن STEM اور نیٹ ورک پارٹنرز ریاست بھر میں 739 ڈیٹا استعمال کرنے والوں تک پہنچا، جن میں پریکٹیشنرز، ماہرین تعلیم، محققین، پالیسی ساز، اور کمیونٹی لیڈرز اور وکالت شامل ہیں، یہ پوچھنے کے لیے کہ آیا وہ ڈیٹا کا استعمال کیسے کرتے ہیں اور انہیں ایسا کرنے میں کن چیلنجوں کا سامنا کرنا پڑا۔ نتائج سے پتہ چلتا ہے کہ 90% اپنی فیصلہ سازی اور منصوبہ بندی میں ڈیٹا کا استعمال کرتے ہیں، لیکن 20 ڈیٹا استعمال کرنے والوں میں سے 739 سے بھی کم نے کہا کہ وہ ریاست کے P20W ڈیٹا انفراسٹرکچر کے بارے میں جانتے ہیں یا جانتے ہیں کہ اپنے ڈیٹا کے سوالات کے لیے کس ایجنسی سے رابطہ کریں۔ ڈیٹا کی صلاحیت کو بہتر بنانے کے لیے، اگلے چار سالوں میں واشنگٹن STEM پیشہ ورانہ ترقی اور تکنیکی مدد فراہم کرے گا تاکہ ان شراکت داروں کی ان کے استعمال کردہ ڈیٹا کے ساتھ مشغول ہونے کی صلاحیت کو بہتر بنایا جا سکے۔

کہانیوں کا ڈیٹا بتا سکتا ہے۔

Washington STEM میں، ہم صرف ڈیٹا اکٹھا نہیں کرتے اور تفریح ​​کے لیے ڈیش بورڈز بناتے ہیں۔ (اگرچہ اعداد و شمار کا تصور کرنا مزہ ہے-صرف ہمارے ڈیٹا سائنسدان سے پوچھیں۔.) جیسا کہ شروع میں کہا گیا، ڈیٹا اہداف کے تعین، پیشرفت کی پیمائش، اور نظامی مسائل کی نشاندہی کرنے میں اہم ہے۔

مثال کے طور پر، پانچ سال پہلے، a یاکیما ہائی اسکول میں کیریئر اور کالج کی تیاری کوآرڈینیٹر اس کا خیال تھا کہ اس کے اسکول میں دوہری کریڈٹ پروگراموں میں طالب علم کا اندراج - جو اکثر اعلی تعلیم میں جاری رہنے کے بڑھتے ہوئے امکانات سے منسلک ہوتا ہے - منصفانہ نہیں تھا، لیکن اس کے پاس یہ ثابت کرنے کے لیے ڈیٹا نہیں تھا۔

اس لیے اس نے کورس لینے والے ڈیٹا تک رسائی اور تجزیہ کرنے میں مدد کے لیے واشنگٹن STEM سے رابطہ کیا۔ دی نتائج صنفی اور نسلی تفاوت کو ظاہر کیا: لاطینی مردوں کے دوہری کریڈٹ میں داخلہ لینے اور پوسٹ سیکنڈری تعلیم جاری رکھنے کا امکان کم تھا۔

ایک بار جب اسکول کے منتظمین کو اپنے ڈیٹا کا علم ہو گیا، تو وہ زیادہ سے زیادہ طالب علموں کو دوہری کریڈٹ پروگراموں تک رسائی میں مدد کرنے کے لیے بڑی اصلاحات کرنے میں کامیاب ہو گئے۔ 2022 میں، قانون سازوں نے ایک بل پاس کیا جس کے لیے تمام اسکولوں کی ضرورت تھی۔ دوہری کریڈٹ اندراج میں طالب علم کی آبادیات کی اطلاع دیں۔. Washington STEM اس پروگرام کو ہائی اسکول سے پوسٹ سیکنڈری کولیبریٹیو تک پھیلانا جاری رکھے ہوئے ہے، جس میں ریاست بھر میں 40+ اسکول شروع کر رہے ہیں۔ ڈیٹا ڈیش بورڈ استعمال کریں۔ ان کا اپنا ڈیٹا دیکھنے کے لیے — اور اسکول کی سطح پر تبدیلیاں کرنا۔

اسی طرح، اس سے پہلے فیئر اسٹارٹ فار کڈز ایکٹ 2021 میں منظور کیا گیا تھا، بچوں کی دیکھ بھال کی ضرورت اور فراہمی کے بارے میں ڈیٹا عوام کے لیے آسانی سے دستیاب نہیں تھا۔ من ہوانگبو، واشنگٹن STEM ڈائریکٹر آف امپیکٹ نے کہا، "نئے قانون نے ڈیٹا کی مزید شفافیت کو لازمی قرار دیا ہے۔ نتیجے کے طور پر، بچوں، نوجوانوں اور خاندانوں کے محکمے نے واشنگٹن STEM کے ساتھ شراکت داری کی تاکہ پانچ ابتدائی سیکھنے کے ڈیش بورڈز صنعت کا وسیع منظر پیش کرتے ہیں۔

اگرچہ ابتدائی سیکھنے کے ڈیش بورڈز اور بچوں کی حالت ڈیٹا ڈیش بورڈ اور علاقائی رپورٹس ڈیٹا کی دستیابی میں اضافہ ہوا ہے، اس نے تمام بچوں کے لیے ایسا نہیں کیا ہے۔

ہوانگبو نے کہا، "کئی اہم آبادیوں کے لیے ڈیٹا کی مستقل اور درست رپورٹنگ کا فقدان ہے: معذور بچے، بے گھری کا سامنا کرنے والے بچے، اور مقامی امریکی بچے،" ہوانگبو نے کہا۔ انہوں نے کہا کہ اس کی وجہ یہ ہے کہ کچھ چائلڈ کیئر انڈسٹری ڈیٹا اکٹھا کرنا رضاکارانہ تھا، اور وبائی مرض کے دوران ریاست کے کچھ علاقوں میں ایسا نہیں ہوتا تھا۔ دوران بچوں کی ریاست کے ساتھ ڈیزائن کا عمل, Washington STEM نے ان کمیونٹیز میں سے ہر ایک کے ممبران کے ساتھ ڈیٹا سیٹس کو دیکھا اور ان میں سے بہت سے لوگوں نے کہا کہ تعداد کم شمار کی طرح محسوس ہوئی۔

ابتدائی سیکھنے کے ڈیٹا کلیئرنگ ہاؤس کے لیے کالز

اگرچہ ای آر ڈی سی، ڈی سی وائی ایف اور او ایس پی آئی جیسی ایجنسیاں پری اسکول کے بچوں کے بارے میں کچھ ڈیٹا اکٹھا کرتی ہیں، فی الحال ابتدائی تعلیم پر جامع، آبادی کی سطح کے ڈیٹا کے لیے کوئی مرکزی کلیننگ ہاؤس موجود نہیں ہے۔ ہوانگبو نے کہا، "مختلف پروگراموں اور تنظیموں میں موجودہ ڈیٹا انفراسٹرکچر خاندانوں کے لیے اپنی ضرورت کی مدد تک رسائی حاصل کرنا مشکل بناتا ہے، اور منتظمین کے لیے بچوں اور خاندانوں کی مدد کو بہتر بنانے کے لیے ڈیٹا کا استعمال کرنا مشکل بناتا ہے۔"

Washington STEM ڈیٹا تک رسائی کو بہتر بنانے کے لیے ایک ریاست بھر میں ڈیٹا کلیئرنگ ہاؤس بنانے کی تجویز کرتا ہے تاکہ ہر کوئی — قانون ساز، معلمین، محققین، والدین — وہ کچھ حاصل کر سکیں جو انہیں ہمارے ابتدائی نگہداشت اور تعلیم کے نظام کی منصوبہ بندی اور بہتری کے لیے درکار ہے۔

لہٰذا، چاہے آپ ڈیٹا کے ماہر ہیں، یا پہلی بار ڈیٹا کی دنیا میں اپنے پیر کو ڈبو رہے ہیں—ہم آپ کو استعمال کرنے کی دعوت دیتے ہیں واشنگٹن سٹیم کے ڈیٹا ٹولز. اور اگلی بار جب آپ صبح کی خبروں پر اقتصادی رپورٹس سنیں گے، تو Consuela اور دوسرے ڈیٹا ایڈمنسٹریٹرز کے بارے میں سوچیں جو ان نمبروں کے پیچھے کھڑے ہیں۔

"مجھے کون سا واشنگٹن سٹیم ڈیٹا ٹول استعمال کرنا چاہئے؟"

 

 
کلیدی
BLS - یو ایس بیورو آف لیبر شماریات
مردم شماری - امریکی مردم شماری بیورو
سی سی اے - بچوں کی دیکھ بھال سے آگاہ
COMMS — واشنگٹن اسٹیٹ ڈیپارٹمنٹ آف کامرس
DCFY — واشنگٹن اسٹیٹ ڈیپارٹمنٹ آف چلڈرن، یوتھ اور فیملیز
ECEAP - ابتدائی بچپن کی تعلیم سے متعلق امدادی پروگرام
ERDC — واشنگٹن اسٹیٹ ایمپلائمنٹ سیکیورٹی ڈیپارٹمنٹ
OFM - آفس آف فنانشل مینجمنٹ
OSPI - پبلک انسٹرکشن کے سپرنٹنڈنٹ کا دفتر