C4D: از اقدامات ، شاخص ها یا معیارها استفاده کنید

از اقدامات ، شاخص ها یا معیارها برای توصیف دقیق متن ، اجرای و/یا نتایج مداخله (پروژه ، برنامه ، خط مشی) مانند ورودی ها ، فرآیندها یا فعالیت ها ، خروجی ها ، نتایج و تأثیرات استفاده می شود. این اصطلاحات اغلب در سازمان های مختلف به روش های مختلف مورد استفاده قرار می گیرند ، بنابراین مهم است که معنی آنها را در یک تنظیم یا زمینه خاص بررسی کنید. در این راهنمایی ، ما از اصطلاح "نشانگر" برای اشاره به همه این اصطلاحات استفاده می کنیم و فقط در جایی که انجام این کار مهم باشد ، تمایز قائل می شویم - به طور خاص ، برای تمایز بین یک "اندازه" مستقیم و دقیق از چیزی و جزئی ،"شاخص" تقریبی.

اطلاعات کلی

اقدامات استفاده ، شاخص ها یا صفحه معیارهای قاب رنگین کمان اطلاعات مفصلی در مورد این مفاهیم و طیف وسیعی از منابع از جمله نمونه هایی از نحوه استفاده از آنها در عمل در مناطق و بخش های مختلف موضعی ارائه می دهد. قبل از در نظر گرفتن گزینه هایی برای اعمال مداخلات C4D ، ابتدا این صفحه را بخوانید.

استفاده از اصول C4D

پیچیده

انتخاب و ایجاد شاخص های نتیجه و ضربه یک منطقه دشوار برای C4D است زیرا نتایج نوظهور پیش بینی سخت است و در هر زمینه متفاوت است.

مشارکتی

شاخص ها باید روشهای محلی برای بررسی و اندازه گیری جهان را منعکس کنند. در حالت ایده آل ، آن بودجه ، مدیریت ، برنامه ریزی ، اجرای ، جمع آوری و استفاده از داده ها باید در انتخاب شاخص ها نقش داشته باشد. در C4D این شامل گروه ها و شرکای جامعه است. اعداد مشارکتی روشی برای تولید اقدامات کمی به روشهای مشارکتی است.

مبتنی بر یادگیری

انتخاب شاخص باید بر روی نوع "خلاصه" اطلاعات متمرکز باشد که می تواند به ما بگوید که آیا مداخله از نظر اجرای آن و نتایج پیش بینی شده "در مسیر" است یا خیر. در وهله اول ، مهم است که بررسی کنید که آیا شاخص های مناسب به جای توسعه موارد جدید وجود دارند. به این ترتیب ، ما می توانیم از نظر سودمندی و استفاده از یک شاخص و همچنین امکان جمع آوری و تفسیر داده ها به طور منظم ، تجربه دیگران را جلب کنیم (یعنی می توانیم از سابقه این شاخص ها چیزی یاد بگیریمبرای کمک به ما در تصمیم گیری در مورد انتخاب این شاخص برای اهداف ، منابع و زمینه خاص ما). در جایی که محتوای مداخله یا اجرای باید بسیار سازگار باشد و/یا نتایج را نمی توان از قبل به طور کامل تعریف کرد (مانند شرایط پیچیده) ، ممکن است شاخص های مختلف در دوره های مداخله در زمان های مختلف انتخاب شوند. شاخص ها باید به پاسخ دادن به "سؤالات کلیدی یادگیری" که در زمان های مختلف مطرح می شوند ، کمک کنند.

جامع

شاخص ها مختصر ، جزئی ، جمع اطلاعات هستند. این برعکس اطلاعات جامع و عمیق است. از شاخص ها می توان برای "نشان دادن" مناطقی که ممکن است نیاز به تحقیقات بیشتر ، عمیق تر داشته باشند (به عنوان مثال ، مسافت های منفی و مثبت یا عدم تغییر در جایی که انتظار دارید تغییر را مشاهده کنید) استفاده شود. از شاخص ها باید در ترکیب با سایر روشهای جامع تر استفاده شود تا شرایط عمیقاً درک شود.

مسئول

ما معمولاً فکر می کنیم که شاخص ها برای گزارش دهی و پاسخگویی به مدیران و خیرین مفید هستند. همچنین باید از شاخص‌ها برای ارائه اطلاعات به شرکا، گروه‌های ارتباطی و سایر شرکت‌کنندگان در مداخله در مورد آنچه که به دست آمده/به‌دست‌آمده و اهمیت شاخص‌ها برای جامعه‌شان کمک می‌کند، استفاده شود. هنگام استفاده از داده های شاخص ها به این روش، مهم است که اذعان کنیم که اطلاعات ساده و جزئی هستند و معمولاً انواع دیگری از اطلاعات برای تصمیم گیری آگاهانه در مورد مداخله مورد نیاز است.

بحرانی

شاخص ها باید تفکیک داده های مورد نیاز را مشخص کنند (اغلب باید شامل سن، جنس، درآمد، سطوح آسیب پذیری و غیره باشد). گروه ها و نهادهای محلی باید به طور معناداری در فرآیند توسعه و استفاده از شاخص ها مشارکت داشته باشند. این گنجاندن دیدگاه‌های محلی و توجه به برابری، خطر شاخص‌هایی را کاهش می‌دهد که مشوق دسترسی آسان‌تر به جمعیت برای دستیابی به اهداف هستند.

ملاحظات مهم در انتخاب اندیکاتورها برای C4D

شاخص‌ها زمانی می‌توانند مفید باشند: اطلاعات جزئی که می‌تواند هشدارهایی را در مورد عدم انجام کارها طبق برنامه و نشانه‌هایی از تغییرات مهم (یا فقدان آن‌ها) که ممکن است باعث بررسی بیشتر شود، ارائه دهد. انتخاب یک «مجموعه» مناسب از شاخص‌ها – که معمولاً از انواع مختلف (ورودی، فرآیند/فعالیت، خروجی، نتیجه، تأثیر) تشکیل شده‌اند – که می‌توانند با هم تفسیر شوند تا تصویر کامل‌تری از آنچه اتفاق افتاده است، مهم است. ممکن است انجام یک "تمرین داده" مفید باشد، که در آن کاربران مورد نظر اولیه داده های شاخص با سناریوهای متفاوتی از داده ها ارائه می شوند و از آنها خواسته می شود تا در مورد چگونگی استفاده از آنها برای اطلاع رسانی تصمیمات خود بحث کنند - و مشخص کنند که چه تغییراتی باید در آنها ایجاد شود. محتوا یا ارائه آنها برای مفیدتر کردن آنها. توصیه می شود این کار را به عنوان بخشی از فرآیند انتخاب یا توسعه شاخص ها انجام دهید.

جمع‌آوری، تجزیه و تحلیل و تفسیر نتایج بلندمدت (نتیجه‌ها و تأثیرات) اغلب پرهزینه است و انجام خوب آن دشوار است. همانطور که در بالا ذکر شد، این نتایج همچنین به احتمال زیاد به دلیل طیف وسیعی از مداخلات است، نه فقط C4D. از این رو، برای اطمینان از جمع آوری این اطلاعا ت-در صورت لزوم- در فواصل زمانی منظم و با کیفیت بالا، توصیه می شود با دیگران (مانند کسانی که بودجه مالی یا اجرای سایر مداخلات با اهداف مشابه را انجام می دهند) شریک شوید.

همچنین بسیار مهم است که شاخص ها نه تنها در مورد نتایج، بلکه در مورد کیفیت و کمیت اجرا نیز باشند (به عنوان مثال، اطمینان از اینکه مداخله C4D به اصول "مشارکت" پایبند است یا اینکه اجرای استراتژی C4D تا حدی انجام می شود. برای انتظار نتایج مورد نیاز است).

با توجه به وجود عناصر زیادی برای تضمین کیفیت، اغلب به سختی می توان از طریق تعداد انگشت شماری از شاخص ها به دست آورد. بنابراین استفاده از روبریک ها ممکن است به ویژه برای پوشش ابعاد مختلف آنچه "موفقیت" در نظر گرفته می شود مفید باشد. روبریک ها می توانند شاخص ها را تکمیل کنند، می توانند شاخص ها را در خود جای دهند یا می توانند به عنوان جایگزینی برای شاخص ها استفاده شوند (به زیر مراجعه کنید).

ویژگی های شاخص های خوب و مجموعه های شاخص خوب:

برای اکثر شاخص‌ها، ما به‌ویژه به ارزیابی تغییرات در طول زمان علاقه‌مندیم (یعنی نگاه کردن به روند داده‌های شاخص) بنابراین بسیار مهم است که بتوانیم داده‌ها را به طور منظم جمع‌آوری، تجزیه و تحلیل و تفسیر کنیم (تکرار به نوع داده‌ها بستگی دارد. شاخص) و با کیفیت خوب. داده های شاخصی که کیفیت پایینی دارند می توانند تصمیم گیری را گمراه کنند.

ایجاد یک شاخص خوب می تواند بسیار سخت باشد. باید از جمله موارد دیگر اطمینان حاصل کرد که:

• این شاخص کاملاً تعریف شده است ، بنابراین برای کسانی که جمع آوری ، تجزیه و تحلیل ، تفسیر و استفاده از داده های شاخص را که در آن اندازه گیری می شود ، مشخص می شود ، چگونه ، با چه فرکانس و غیره.
• این در واقع آنچه را که قصد اندازه گیری آن را دارد اندازه گیری می کند یا یک شاخص معقول از آن است (که به آن اعتبار آن گفته می شود)
• داده ها را می توان به طور مداوم توسط افراد مختلف و در زمان های مختلف جمع آوری کرد (به عنوان "قابلیت اطمینان" آن گفته می شود)
• جمع آوری داده ها به طور مرتب و با کیفیت بالا مقرون به صرفه و امکان پذیر است.
• .

به همین دلایل ، معمولاً خیلی بهتر است از یک نشانگر موجود استفاده کنید که بیشتر ، اگر نه همه ، جعبه های یک نشانگر خوب را نشان می دهد و در یک زمینه زندگی واقعی مورد استفاده قرار گرفته است. همانطور که در بالا ذکر شد ، یک مجموعه خوب ""شاخص ها منعکس کننده ابعاد مختلف مداخله و نتایج پیش بینی شده در طول مسیر به نتایج نهایی یا تأثیرگذاری هستند.

اگر نیاز به ایجاد یک شاخص جدید دارید ، باید در دستورالعمل های کتبی ارائه دهید:

• عنوان (برچسب نشانگر)
• تعریف
• هدف (منطقی)
• روش اندازه گیری
• صورت کسر
• مخرج (در صورت لزوم)
• محاسبه
• روش جمع آوری داده ها
• ابزارهای جمع آوری داده ها
• جمع آوری داده ها
• تفکیک داده ها
• محدودیت ها
• اطلاعات برای تفسیر و استفاده از داده ها

شما همچنین باید جمع آوری داده ها را آزمایش کنید و در صورت لزوم نشانگر را تجدید نظر کنید و آموزش را برای جمع آوری ، مدیریت ، تجزیه و تحلیل و استفاده از داده ها ارائه دهید. این ممکن است شامل تمرین داده ها همانطور که در بالا توضیح داده شد.

Rubrics: یک روش مکمل یا جایگزین برای گرفتن اطلاعات کلیدی

گروه های ذینفع مختلف اغلب در مورد:

• "آنچه مهم است" از نظر مداخله ، نحوه انجام آن و نتایج در نظر گرفته شده است.
• "چقدر خوب" برنامه در مورد موارد مهم انجام می شود.

این خصوصاً در مورد مداخلات پیچیده ای است که از نظر ماهیت پیچیده هستند یا در یک محیط پیچیده فعالیت می کنند. تعریف "موفقیت" باید فراتر از انتخاب تعداد معدودی از شاخص های نتایج باشد.

از Rubrics می توان برای ارزیابی و قضاوت عملکرد در ابعاد مختلف استفاده کرد. یک موضوع دارای دو جنبه اصلی است:

. وت

(2) توصیف سطح عملکرد از نظر آنچه "عالی" ، "بسیار خوب" ، "خوب" ، "کافی" یا عملکرد "ضعیف" است.

Rubrics می تواند شاخص های کیفی و کمی (از جمله موارد مهمی را که قبلاً در حال استفاده هستند) و انواع دیگر شواهد (از جمله ظهور) به علاوه راهنمایی های خاص در مورد سنتز این شواهد (مانند الزامات موانع یا معیارها) داشته باشند.

صفحه در مورد Rubrics اطلاعات ، منابع و نمونه هایی از Rubrics را ارائه می دهد.

مراحل توصیه شده برای انتخاب و استفاده از C4D

با همکاری ذینفعان کلیدی (حداقل کاربران اصلی در نظر گرفته شده داده ها ، که معمولاً شامل شرکا و گروه های جامعه است):

• از تئوری تغییر مداخله (به توسعه تئوری برنامه یا مدل منطقی مراجعه کنید) برای شناسایی سوالات کلیدی در مورد اجزای C4D پیاده سازی و مشارکت پیش بینی شده آنها در نتایج مورد انتظار استفاده کنید. با استفاده از شاخص‌ها، روشن کنید که کدام یک از این سؤالات کلیدی C4D را می‌توان (به طور جزئی یا کامل) پاسخ داد.
• از منابع شاخص موجود، انواع مختلفی از شاخص‌ها (ورودی‌ها، فعالیت‌ها/فرایندها، خروجی‌ها، نتایج، تأثیرات) را در سطوح مختلف سیستم (مانند فرد، جامعه، جامعه) انتخاب کنید تا مجموعه‌ای از شاخص‌ها را به دست آورید. با نیازهای اطلاعاتی شناسایی شده مطابقت دارد.(یک رجیستری شاخص های C4D در دست توسعه است).
• شکاف ها و مفروضات را به طور انتقادی بررسی کنید و در نظر بگیرید که شاخص های موجود چقدر چشم اندازها، واقعیت ها و اولویت های محلی را منعکس می کنند.
• در صورت نیاز، شاخص‌های جدید را توسعه دهید (در حالت ایده‌آل، تنها در صورتی که شاخص‌های خوب موجود پاسخگوی نیازهای اطلاعاتی شما نباشد) با استفاده از یک فرآیند مشارکتی برای توسعه شاخص‌ها. استانداردهای رایج برای شاخص های خوب را در نظر بگیرید. سپس، آنها را آزمایش کنید و قبل از استفاده از آنها در صورت لزوم، آنها را اصلاح کنید.
• به عنوان بخشی از ارائه آنها برای استفاده، مطمئن شوید که آنها کاملاً تعریف و توصیف شده اند (راهنماهای شاخص) و به افراد آموزش دهید که چگونه داده ها را جمع آوری کنند، چگونه تاریخ را ذخیره و مدیریت کنند و چگونه داده ها را تفسیر و استفاده کنند.
• به طور دوره ای سودمندی اندیکاتور را دوباره ارزیابی کنید و به استفاده از آن ادامه دهید (همانطور که هست)، استفاده از آن را متوقف کنید یا آن را تجدید نظر کنید (قبل از اینکه استفاده از نشانگر را متوقف کنید یا تجدید نظر کنید، باید مزایا و معایب اختلال در داده های روند را بسنجید).

منابع

این منبع به تشریح شاخص های پیشنهادی (21-27) می پردازد که با تئوری تغییر (p11-14) مرتبط است و شامل روش هایی برای جمع آوری اطلاعات است. برای نمونه ای از شاخص ها با زمان بندی و روش ها به جدول 2، صفحه 17 مراجعه کنید. اگرچه برای تئاتر مشارکتی توسعه داده شده است، چارچوب "دسترسی، طنین و پاسخ" می تواند با طیفی از ابتکارات C4D سازگار شود. این منبع به روش های زیر با چارچوب ارزیابی C4D در رابطه با این کار سازگار است:

• پیچیده: شاخص ها مستقیماً به شش نظریه مختلف و به هم پیوسته در نظریه تغییر مربوط می شوند.
• واقع گرایانه: قاب بندی «دسترسی، رزونانس و پاسخ» روشی قدرتمند و در عین حال قابل مدیریت برای تفکر از طریق گروه های شاخص ارائه می دهد. ابزارهای پیشنهادی برای جمع‌آوری اطلاعات تا حد امکان ساده هستند و در عین حال دقت و حساسیت بالایی دارند. این طرح همچنین مستلزم ایجاد برنامه ای برای زمان بندی جمع آوری داده ها است.
• جامع نگر: راهنما اشاره خاصی به اهمیت تفکر در مورد زمان بندی، به ویژه برای تغییرات طولانی مدت دارد، که نباید بلافاصله پس از آن اندازه گیری شود.

شاخص ها به داده های کمی نیاز دارند.«اعداد مشارکتی» به مجموعه‌ای از روش‌ها اطلاق می‌شود که جوامع را در فرآیند تولید داده‌های کمی معتبر و قابل اعتماد از نظر آماری درگیر می‌کند. برخی از استراتژی‌ها عبارتند از: نقشه‌برداری، مدل‌سازی، مرتب‌سازی شمع، نمودارهای پای، نوشتن و مرتب‌سازی کارت، رتبه‌بندی و امتیازدهی ماتریس، و نمودار پیوند. با برنامه ریزی و آزمایش، می توان از این روش ها برای اطلاع رسانی و تعریف شاخص ها در C4D، با چرخه های مکرر جمع آوری داده ها برای ارزیابی روندها و تغییرات استفاده کرد. همچنین ببینید "چه کسی حساب می کند؟"قدرت آمار مشارکتی ویرایش شده توسط جرمی هالند با فصل هایی در مورد استفاده از روش های مختلف از زمینه های مختلف در سراسر جهان.

دفترچه راهنمای ارزیابی ارتباطات روستایی مشارکتی (به ویژه فصل های 5 و 6) راهنمایی در مورد نحوه برنامه ریزی و انجام یک مطالعه پایه ، ایجاد چارچوب تجزیه و تحلیل وضعیت (که به روش مشابه با یک تئوری برنامه استفاده می شود) برای تهیه پرسشنامه یا طرح نظرسنجی از جمله ارائه می دهد. نتایج قبل از تست و به اشتراک گذاری با جامعه. این منبع با چارچوب ارزیابی C4D به روش های زیر سازگار است:

• مشارکتی: PRCA به مردم روستایی اجازه می دهد تا در همه چیز از جمع آوری اطلاعات و تجزیه و تحلیل ، شناسایی مشکل و اولویت بندی گرفته تا تصمیم گیری در مورد چگونگی بهترین مقابله با موضوعات آشکار شده شرکت کنند.
• بحرانی: PRCA به تعصبات متداول که می توانند یافته های مطالعه را تحریف کنند ، توجه می کند.
• پیچیدگی: فرایندی که از طریق PCRA به انجام یک پایه تشویق می شود ، شامل اشاره شدید به درک در مورد دلایل اساسی و عوامل زمینه ای است که از طریق تجزیه و تحلیل وضعیت درک می شود.
• مبتنی بر یادگیری: RPRCA بر به اشتراک گذاری اطلاعات ، از جمله یافته های مطالعه پایه تأکید می کند.

مثال

این مقاله ، که توسط دی جوپپ ، سوله ابن علی با مشارکت کارلوس باراهونا برای سیدا نوشته شده است ، از تجربیات یک جنبش اجتماعی در بنگلادش استفاده می کند تا نشان دهد چگونه می توان توانمندسازی توسط کسانی که توانمند می شوند اندازه گیری شود.