چرا – و چگونه – ما کارت امتیازی بیماری همه گیر را ایجاد کردیم

اول و مهم‌تر از همه: همه‌گیری تمام نشده است، و بسیاری از این شاخص‌ها در ماه‌ها و بله، سال‌هابه تغییر ادامه خواهند داد. > آمدن این اولین تلاش برای محاسبه تأثیرات همه گیری در سطح ایالتی است. این حرف پایانی نیست
دوم، بسیاری از این اقدامات مقدماتی هستند. داده‌های اقتصادی، به‌ویژه، دائماً توسط سازمان‌های دولتی که آن‌ها را جمع‌آوری می‌کنند، به‌روزرسانی می‌شوند و به‌طور گذشته‌نگر بازنگری می‌شوند. کشورهایی که به نظر می رسد در حال حاضر خوب یا ضعیف هستند، ممکن است در مسیر متفاوت به نظر برسند.
سوم، برخی از شاخص‌ها، به ویژه برای آموزش، جزئی هستند. باز هم، می‌توان انتظار داشت که داده‌های بیشتر و بهتری در آینده در دسترس قرار گیرد. در حالی که ناقص است، این داده های اولیه قبلاً الگوهای در حال ظهوری را نشان می دهد که ما احساس می کردیم مهم است که آنها را لحاظ کنیم.
ما داده‌ها را به چهار سطل تقسیم کردیم: سلامت، اقتصاد، آموزش و رفاه اجتماعی، و – در بیشتر موارد – این معیارها را با یک خط پایه قبل از همه‌گیری مقایسه کردیم.
هنگامی که ما چهار امتیاز حوزه سیاست را داشتیم، با این تصمیم مواجه شدیم که آیا میانگین آن امتیازات را تعیین کنیم و اگر چنین است، چگونه آن دسته ها را وزن کنیم. ما تصمیم گرفتیم که وزن دادن به هر دسته ای بیش از سایرین – برای مثال، تصمیم گیری در مورد اینکه نرخ واکسیناسیون باید بیشتر از نمرات آزمون ریاضی باشد – یک تصمیم سیاسی است، نه یک تصمیم سرمقاله. همیشه در سیاست‌گذاری عمومی مبادلاتی وجود دارد و تصمیم‌گیری در مورد چگونگی اولویت‌بندی ارزش نسبی سلامت، اقتصادی، تحصیلی و نتایج اجتماعی دقیقاً تصمیماتی است که سیاستمداران انتخاب می‌شوند. برای اینکه تا حد ممکن خنثی بمانیم، آن دسته‌ها را به طور مساوی در میانگین امتیاز خود سنجیده‌ایم، اما خوانندگان را تشویق می‌کنیم تا دسته‌های فردی و داده‌های پشت آن‌ها را از نزدیک بررسی کنند تا به نتایج خود برسند.
مهمتر از همه، ما به نمایش و به اشتراک گذاری کار خود معتقدیم. خوانندگان می‌توانند مجموعه کامل داده‌ها را از اینجا دانلود کنند. در زیر، توضیح دقیق تری از روش خود داریم و پیوندهایی به داده های اساسی ارائه می دهیم.
این کارت امتیازی باید به عنوان ابزاری در یک چشم انداز سیاست در حال تحول در نظر گرفته شود که نشان می دهد ایالت ها در کجا با مشکل مواجه هستند و کجا بهتر عمل می کنند. امیدواریم الگوهایی که در این داده‌ها پدیدار می‌شوند، برای مقامات دولتی در ارزیابی معاوضه‌هایی که هنوز با آن مواجه هستند مفید باشد، زیرا ما با این بحران بهداشت عمومی در حال دست‌وپنجه نرم می‌کنیم.
— مورا رینولدز، ویرایشگر، آزمایشگاه بازیابی POLITICO و شان مک مین، ویرایشگر داده و گرافیک، POLITICO
روش
برای هر یک از چهار دسته – سلامت، اقتصاد، آموزش و رفاه اجتماعی – امتیازی بین صفر تا 100 محاسبه کردیم. این امتیازات میانگین هر یک از معیارهای ذکر شده در زیر را نشان می دهد که در آن دسته بندی ها قرار می گیرند.
برای هر یک از معیارها در چهار دسته، عملکرد یک ایالت را با سایر حالت‌ها با استفاده از z-score مقایسه کردیم، که یک اندازه‌گیری آماری رایج برای تعیین میزان فاصله از «میانگین» است. یک نقطه داده داده شده است. سپس با استفاده از یک هدف تابع توزیع تجمعی.
این صدک ها برای هر متریک در یک دسته برای محاسبه امتیاز دسته به طور میانگین محاسبه شدند.
ما میانگین امتیازات این چهار دسته را با یکدیگر به دست آوردیم تا به یک نمره متوسط ​​برای هر ایالت برسیم. اگر در حالتی داده‌ای برای هر معیاری وجود نداشته باشد، آن معیار در میانگین لحاظ نمی‌شود.
سلامت
برای امتیاز دادن به عملکرد ایالت ها در مراقبت های بهداشتی، از چهار معیار استفاده کردیم:
– سرانه مرگ و میر- سرانه بستری شدن در بیمارستان- انجام آزمایشات کووید، در مقایسه با پذیرش در بیمارستان- سرانه دوز واکسن تزریق شده
مرگ سرانه
برای مرگ‌ها، تعداد کل تلفات کووید-19 سرانه از 26 مارس 2020 و از 26 نوامبر. ما همچنین بررسی کردیم برای دیدن اینکه آیا توزیع سنی ایالت ها با استفاده از خطر نسبی CDC شکست، و اینطور نشد.
سرانه بستری شدن در بیمارستان
برای بستری شدن در بیمارستان، تعداد کل پذیرش‌های بیمارستانی تأیید شده با کووید-19 (بزرگسالان و کودکان) سرانه از 26 مارس 2020 و از 28 نوامبر.
تست‌های کووید تکمیل شد، در مقایسه با پذیرش در بیمارستان
برای آزمایش، تعداد کل آزمایشات مثبت، منفی و غیرقطعی سرانه انجام شده تا 25 نوامبر. سپس این تعداد را بر سرانه بستری شدن در بیمارستان تقسیم کردیم تا یک نسبت تعداد آزمایش انجام شده در هر بستری. این وزن‌دهی این واقعیت را جبران می‌کند که ایالت‌های دارای نوسانات احتمالاً شاهد افزایش آزمایش‌ها خواهند بود، و به نفع کشورهایی بود که آزمایش‌های پیشگیرانه انجام می‌دادند – حتی زمانی که افزایشی وجود نداشت.
به عنوان مثال، اگر در هر نقطه ای از زمان حالت A افزایش پیدا کرد و حالت B در موارد وقفه داشت، انتظار دارید که آزمایش های بیشتری در ایالت A انجام شود. اگر حالت B در حال انجام همان تعداد آزمایش مانند ایالت A، ​​ایالت B در رتبه بندی ما بهتر ظاهر می شود زیرا عملیات بهداشت عمومی آنها فعال تر بود.
سرانه دوز واکسن تزریق شده
ما تعداد کل واکسن های تزریق شده در هر ایالت، از جمله دوزهای تقویت کننده، سرانه تا 24 نوامبر. بیشتر از Recovery Lab

اسلاید قبلی

اسلاید بعدی

اقتصادی
برای امتیاز دادن به عملکرد اقتصادی دولت، از سه معیار استفاده کردیم. برای هر کدام، ما اعداد فصلی پس از همه‌گیری 2020 و 2021 را با سال 2019 مقایسه کردیم.
– تولید ناخالص داخلی بر اساس ایالت- ایجاد شغل – نرخ بیکاری /p>
GDP
از سه ماهه دوم سال 2020، ما این ایالت را انتخاب کردیم تولید ناخالص داخلی برای هر سه ماهه و آن را با سه ماهه مشابه در سال 2019 مقایسه کرد تا با درصد تغییر مواجه شود. سپس آن درصد تغییرات را میانگین گرفتیم.
ایجاد شغل
ما میانگین تغییر ماهانه حقوق کارکنان غیرکشاورزیرا محاسبه کردیم در مقایسه با ماه مشابه در سال 2019، از مارس 2020 شروع شده است.
بیکاری
ما میانگین تغییر ماهانه را در نرخ بیکاری ایالتی در مقایسه با ماه مشابه در سال 2019، از مارس 2020 شروع می شود.
بهزیستی اجتماعی
اندازه‌گیری رفاه اجتماعی ذاتاً دشوار است، اما ما به دنبال معیارهای سراسری هستیم که با تفکیک‌های ایالتی در دسترس بودند. ما سه مورد را پیدا کردیم که با معیارهای ما مطابقت داشتند:
– ناامنی غذایی- توانایی پرداخت هزینه های خانوار- جنایت خشن
ما این معیارها را با اولین معیارهای موجود پس از مارس 2020 مقایسه کردیم و تغییری را که هر ایالت با پیشرفت همه‌گیری تجربه کرد، محاسبه کردیم. در نتیجه، محاسبات ما سطوح کنونی هر معیار، مانند ناامنی غذایی را مقایسه نمی‌کند، فقط میزان بهبود یا بدتر شدن آنها پس از خط پایه را مقایسه نمی‌کند. بنابراین، ایالتی با کاهش جرایم خشن امتیاز بیشتری نسبت به ایالتی با افزایش جرایم خشن خواهد داشت، حتی اگر سطح جرم خشن در دولت اول بیشتر باشد.
ناامنی غذایی
برای ناامنی غذایی، از داده‌های ایالات متحده بررسی هفتگی نبض خانوار اداره سرشماری، که در آوریل 2020 آغاز شد. ما از اولین نظرسنجی به عنوان خط پایه استفاده کردیم. ما میانگین درصد هفتگی افرادی را که گزارش کردند گاهی اوقات یا اغلب غذای کافی ندارند را در نظر گرفتیم، سپس این میزان را بر درصد افرادی که در هفته اول انجام این نظرسنجی با ناامنی غذایی دست و پنجه نرم کرده بودند تقسیم کردیم.
توانایی پرداخت هزینه های خانوار
در اواسط آگوست 2020، یا هفته سیزدهم بررسی نبض خانگی، اداره سرشماری شروع به پرسیدن از پاسخ دهندگان کرد که چگونه توانایی آنها در پرداخت هزینه های معمول خانوار تحت تأثیر این همه گیری قرار گرفته است. میانگین درصد هفتگی افرادی را که می‌گفتند تأمین هزینه‌های خانوار تا حدودی یا بسیار دشوار بوده است را انتخاب کردیم، سپس آن را بر نرخ اولیه گزارش‌شده در هفته 13 تقسیم کردیم.
جنایت خشن
برای جرایم خشن، درصد تغییر در کل جرایم خشن را از سال 2019 تا 2020 با استفاده از داده های FBI. (داده های مربوط به سال 2021 هنوز منتشر نشده است.) جرایم خشونت آمیز در داده های FBI شامل قتل، تجاوز جنسی، سرقت، حمله شدید، سرقت، سرقت-سرقت و سرقت وسایل نقلیه موتوری است. این داده ها منعکس کننده قاعده سلسله مراتبی است، که مستلزم آن است که تنها جدی ترین جرم در مجموع جرایم یک آژانس درج شود، زمانی که چندین جرم در یک حادثه ارتکاب می یابد.
ما تصمیم گرفتیم بر روی جنایات خشونت آمیز تمرکز کنیم زیرا به عنوان آزمایشگاه بازیابی POLITICO قبلاً گزارش شده است، جرایم دارایی در واقع در طول همه گیری کاهش یافته است.آموزش
برای امتیاز دادن به عملکرد ایالت ها در آموزش، از سه معیار استفاده کردیم:
– تغییر در پیشرفت خواندن- تغییر در پیشرفت ریاضی- تغییر در ثبت نام
وقتی همه‌گیری در بهار 2020 شیوع پیدا کرد، دولت فدرال آزمایش‌هایی را که هر ساله برای پیگیری عملکرد دانش‌آموزان اجرا می‌کرد به تعویق انداخت. این آزمون‌ها که به عنوان ارزیابی ملی پیشرفت تحصیلی شناخته می‌شوند، در بهار 2022 از سر گرفته می‌شوند، اما نتایج تا تابستان آینده در دسترس نخواهد بود. (برخی ایالت‌ها آزمایش‌های سراسری خود را در طول همه‌گیری انجام دادند، اما این نتایج در بین ایالت‌ها قابل مقایسه نیستند.)
در غیاب نمرات آزمون فدرال، در حال حاضر هیچ داده ارزیابی آموزشی موجود نیست که عملکرد همه دانش آموزان و همه ایالت ها را منعکس کند. اما از آنجایی که انتظار می رود از دست دادن یادگیری همه گیر اثرات بسیار طولانی مدتی بر اقتصاد و جامعه داشته باشد، ما نمی خواستیم آموزش را از کارت امتیازی حذف کنیم.
در نتیجه، ما تصمیم گرفتیم که بهترین داده های آموزشی موجود – ارزیابی های شرکت های خصوصی – را در نظر بگیریم و با کمک آنها یک مجموعه داده تا حد امکان ایجاد کنیم. ما با سه شرکت خصوصی – Curriculum Associates، Renaissance و NWEA – کار کردیم که با ایالت‌ها و مناطق سراسر کشور برای کمک به مقامات آموزشی در سنجش عملکرد دانش‌آموزان قرارداد می‌بندند. هر یک از ارائه دهندگان آزمایش داده های خود را در قالبی خرد کردند که بتوان آنها را جمع کرد. هرکدام آستانه مخصوص به خود را برای میزان سطح داده ای داشتند که می توانستند بر اساس توافقات با مشتریان خود به اشتراک بگذارند:
– همیاران برنامه درسی: داده های انبوه ایالتی با حداقل 10 منطقه و 1000 دانش آموز در یک کلاس/موضوع معین آزمایش شده است. فقط دانش‌آموزانی که در مدرسه آزمایش می‌کردند شامل شدند.- NWEA: داده‌های جمع‌آوری‌شده در ایالت‌ها فقط از ایالت‌هایی که چندین ناحیه در آن‌ها گنجانده شده‌اند و تقریباً 20 درصد از عمومی پیش از K تا کلاس هشتم دانش‌آموزان مدرسه در یک ایالت مورد آزمایش قرار گرفتند.- رنسانس: داده های انبوه ایالتی با حداقل 10 مدرسه و 2500 دانش آموز آزمایش شده. فقط دانش‌آموزانی که در مدرسه آزمایش می‌کردند شامل شدند.
مجموعه داده انبوهی که ایجاد کردیم بهترین داده های ارزیابی تحصیلی است که در حال حاضر برای مقایسه پیشرفت دانش آموزان در ایالت ها موجود است. این شامل نتایج تست از 48 ایالت است و نشان‌دهنده تست‌هایی است که بیش از 4 میلیون دانش‌آموز بین پایه‌های اول تا هشتم در خواندن و ریاضی گرفته‌اند. (یک شرکت آزمایش کننده، Curriculum Associates، داده هایی را فقط برای دانش آموزان کلاس سوم ارائه کرد.)
داده‌ها نمونه‌ای از دانش‌آموزان را در هر ایالت جمع‌آوری می‌کنند، اما یک نمونه تصادفی نیست، و محدودیت‌های مهمی دارد که خوانندگان باید هنگام ارزیابی نتایج در نظر داشته باشند. به عنوان مثال، در حالی که شرکت‌ها حجم نمونه کوچک را از داده‌هایی که ارائه می‌کنند مستثنی کردند، ما نمی‌دانیم که نمونه‌های موجود در مجموعه داده ترکیبی تا چه اندازه نماینده جمعیت ایالت‌هایشان از نظر جمعیت‌شناسی، تنوع قومیتی، درآمد، خواه دانش آموزان در مدارس شهری، حومه یا روستایی یا عوامل دیگر شرکت می کنند. ما همچنین نمی دانیم که آیا دانش آموزان در خانه امتحان داده اند یا در مدرسه. دانش‌آموزانی که در خانه امتحان می‌کردند، نمرات بالاتری کسب کردند. یک شرکت داده‌ها را فقط برای دانش‌آموزانی که در مدرسه شرکت کرده‌اند، برخلاف خانه، ارائه می‌دهد. دو نفر دیگر گزارش دادند که اکثریت آزمون ها در مدرسه یا در مناطقی که بیش از 50 درصد مدارس از نظر فیزیکی تعطیل نبودند، گرفته شد.
ما تفاوت‌های گروه‌های جمعیتی بین آزمون‌ها را در نظر نگرفتیم، تا حدی به این دلیل که ارائه‌دهندگان آزمون تفکیک‌های دقیق در سطح ناحیه یا مدرسه را به منظور حفظ حریم خصوصی دانش‌آموز ارائه نکردند. به‌طور کلی، تفاوت‌هایی بین شرکت‌های آزمایش وجود داشت: برای مثال، Renaissance گزارش داد که 47 درصد از شرکت‌کنندگان در آزمون‌شان سفیدپوست بودند، در حالی که NWEA 58 درصد را سفیدپوست گزارش کرد. داده‌ها همچنین ممکن است از مدارس خصوصی یا مذهبی با نرخ‌های بالاتر یا کمتر از ثبت‌نام‌های واقعی یک ایالت نمونه‌برداری شوند.
به طور خلاصه، داده های آموزشی در کارت امتیازی بهترین داده های موجود در حال حاضر هستند، اما ناقص، مقدماتی و جزئی هستند و خوانندگان باید این محدودیت ها را در نظر داشته باشند. با درک این موضوع، ما نمرات آزمون خاصی را برای هر ایالت منتشر نمی‌کنیم، بلکه در عوض امتیازی را بر اساس گروه‌بندی با جزئیات پایین‌تر در روش تعیین می‌کنیم.
مریلند و وایومینگ داده‌های آزمایشی خصوصی که معیارهای آستانه را داشته باشد، نداشتند، بنابراین در رده آموزش امتیازی ندارند. میانگین نمرات این ایالت ها تنها با استفاده از مقوله های بهداشت، رفاه اجتماعی و اقتصادی محاسبه شد. پیشرفت خواندن و ریاضی
این دو معیار به طور جداگانه محاسبه شدند و با هم دو سوم نمره آموزش را تشکیل می دادند. برای هر ارائه‌دهنده آزمایشی که داده‌ای برای یک ایالت خاص داشت، صدک میانه بهار 2021 را در مقایسه با یک هنجار سراسری پیش از همه‌گیری در نظر گرفتیم و آن را با استفاده از فرمول زیر به یک معادل منحنی نرمال تبدیل کردیم:
( 21.06 * درصد-نقطه-تابع (PERCENTILE_RANKING/100) ) + 50
به‌منظور به‌دست‌آوردن یک خط پایه منحصربفرد برای هر ایالت، یک دوره آزمایشی قبل از همه‌گیری برای هر ایالت (پاییز 2019 برای NWEA و رنسانس و بهار 2019 برای همکاران برنامه درسی) انجام دادیم و یک دوره نرمال را محاسبه کردیم. منحنی معادل برای آن نیز. سپس تغییر بین داده های بهار 2021 ویژه ایالت و داده های پیش از همه گیری خاص ایالت را محاسبه کردیم.
اگر فقط یک شرکت آزمایشی وجود داشت که داده‌های مربوط به یک ایالت را ارائه می‌کرد، از تغییر از قبل از همه‌گیری به پس از همه‌گیری برای امتیاز دادن به نمرات خواندن و ریاضی این ایالت استفاده می‌شد. اگر چندین شرکت آزمایشی وجود داشته باشد که داده‌هایی را برای یک ایالت ارائه کرده است، هر یک از درصد تغییرات آنها به طور جداگانه محاسبه می‌شود و سپس با هم میانگین‌گیری می‌شود، وزن آن‌ها بر اساس تعداد دانش‌آموزان در هر شرکت آزمایشی در نمونه بهار 2021.
برای ایالت‌هایی که میانگین وزنی درصد تغییر بهتر از -1 درصد بود، آنها را به گروهی با برچسب “کم یا بدون فقدان یادگیری” اختصاص دادیم و 100 امتیاز در دسته خواندن یا ریاضی اعطا کردیم. ایالت های باقی مانده به دو گروه هم اندازه تقسیم شدند. ایالت‌های گروه میانی با برچسب «مقداری از دست دادن یادگیری» و 67 امتیاز، و ایالت‌های گروه پایین – که بیشترین از دست دادن یادگیری را داشتند – 33 امتیاز کسب کردند و برچسب «بیشترین از دست دادن یادگیری» را دریافت کردند.
تغییر در ثبت نام
ما درصد تغییر را بین ثبت نام سال تحصیلی 2020-2021 تا ثبت نام 2019-2020 با استفاده از داده های مدارس دولتی در دسترس برای هر ایالت از مرکز ملی آمار آموزش. به دلیل محدودیت داده ها در زمان انجام این تجزیه و تحلیل، داده های ثبت نام قبل از K حذف شدند. مدارس خصوصی نیز شامل نشدند.
ایلینوی اطلاعات ثبت نامی برای سال تحصیلی 2020-2021 ارائه نکرده است، بنابراین فقط از نمرات آزمون آن برای محاسبه نمره تحصیلی آن استفاده شده است.
آنت چوی به این روش کمک کرد.

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *