データ統合: SDG 4 に向けた進捗状況をどのように測定するか – パート 4

Silvia Montoya（UIS ディレクター）および Manos Antoninis（GEM レポート ディレクター）

2015 年に、私たちの世界的な教育目標である SDG 4 の野心をどのように監視するかを検討するには、ある程度の革新が必要でした。当時行われた重要な提案の 1 つは次のとおりでした。より多くのデータを結合できるほど、より有用になります。」。 言い換えれば、データ統合です。

SDGs が制定される前から、他のセクターは、異なるデータ ソースや種類を組み合わせるという同様の課題に直面していました。 たとえば、栄養失調を測定する方法である消耗や発育阻害は、 児童栄養失調共同推定グループ 保健分野では、国連児童死亡率推計のための機関間グループによって複数の行政データと調査データが統合され、新たなデータが作成されました。 5 歳未満死亡率の年間推定値を生成するモデル、そして、によって 妊産婦死亡率に関する省庁間グループ。

データ統合により SDG 4 のどの部分を監視しますか?

データ統合には、同じタイプの異なるソースをマージすることも、異なるタイプのソースをマージすることも含まれます。 このため、教育統計学者は、これらの情報源を指標の推定に組み込む方法をますます検討する必要があります。 それは必ずしも単純なわけではありません。

1 つ目の例は、ソースは同じですが、方法論がわずかに異なる異なる評価からの学習結果です。 これには、結果がすぐには比較できず、さらなる分析が必要になる可能性があるという意味で統合が必要です。 2 番目の例としては、VIEW Web サイトにあるように、管理データと調査データの両方に依存する学校外率や、管理データと学習評価データを利用できる教師の継続的な専門能力開発が挙げられます。

SDG 4 のグローバル指標とテーマ別指標の分布（潜在的なデータソース別）

データを統合して完了率を監視する

2020年、SDG指標に関する省庁間および専門家グループの見直しにより、3つの教育レベル（初等中等教育、後期中等教育）における修了率が世界的な指標として承認されました。 これは、200 件以上の提案のうち、成功したわずか 6 件のうちの 1 つでした。 完了率を見積もるには、次の事実に柔軟に対応するために、何らかの形で統合する必要があります。 遅れて入学する子供が多い特に貧しい国では留年する人もいます。

複数の調査データ ソースを組み合わせる利点の 1 つは、頻度の低い調査サイクルやサンプリング エラーの結果として生じるギャップを埋めることができることです。 採用されたアプローチは、健康統計における同様のソリューションを借用していますが、 教育現場に適応した。 根本的な傾向を推定します。 完了の遅れは、遅延の大きさを年齢の関数として指定することによって明示的にモデル化されます。 年齢虚偽報告の懸念にも対処。 調査データに関連するさまざまなデータ品質の問題に対処することで、これらの推定値は、個々の調査、調査が実施された年、および特定の国で入手可能な最新の調査の種類にも影響を受けにくくなります。

データソースを組み合わせて不就学率を推定します。

データソースを組み合わせて不就学率を推定する方法論の必要性は、20 年前に認識されました。時系列を推定し、直近 1 年間の推定値を生成するには、ある種の複合アプローチが必要になる可能性があります。」。

過去にはそのようなアプローチがなかったので、測定は学校国勢調査の在籍記録を使用して行われていました。 しかし、このアプローチには 3 つの課題がありました。登録記録は不完全または不正確であることがよくあります。 これらの記録は、別の、しばしば一貫性のない情報源から得られた人口推計と組み合わせる必要がありました。 また、学校は生徒の年齢を常に正確に判断できるわけではありませんでした。

近年、これらの国の多くは世帯調査を実施しており、自国の弱点にもかかわらず、いくつかのギャップを埋め、年齢と人口に関連する課題に対処するのに役立ちます。 それに応じてモデルが開発されました より良く把握するために、これらの情報源を管理情報源に追加します。 このモデルの結果は 2022 年 9 月に初めて報告され、 ウェブサイトを見る。 新しいアプローチのおかげで、ナイジェリアやエチオピアなど、10 年以上データが報告されていなかった国で新たな未就学率が算出されました。 このアプローチを使用した最新のデータ発表では、依然として 2 億 5,000 万人の子供、青少年、青少年が学校に通っていないと推定されています。

データ統合に関連する課題は何ですか?

データを結合するときは、その方法を正確に解釈できるように理解する必要があります。 さらに重要なことは、これらのモデルは地球規模の中央レベルでしか推定できないにもかかわらず、各国がプロセスに参加し、関与していることを確認することが重要であるということです。 これは、統計担当者に結果に対する所有権を確実に感じてもらうためだけでなく、国家統計担当者の能力を開発してモデルに反映できるようにするためにも重要です。 現状では、各国が説明を求め、推計の基礎となる手法を理解し、自国の実際の状況理解に矛盾する結果に異議を唱え、さらにはモデル開発のためのデータソースやアイデアを積極的に提供するための体系的なメカニズムが存在しない。

女性と男性の割合をどのように推定すべきか、学校外修了率モデルと修了率モデルの推定値をどのように調整するかなど、解決する必要のある技術的な問題もあり、今週の会議でも議論される予定である。 。

さらにどのような開発が必要でしょうか?

見積もりの報告方法に関する適切な実践を形式化する必要がある 同様のガイドラインを使用して 集める、健康統計で踏襲されているアプローチ。

私たちはこれらの新しいモデルへの各国の参加を構築する必要があります。 各国は体系的な方法でモデルの結果をレビューし、理論的根拠と影響を理解し、エラーを特定して説明を求め、モデル開発の潜在的な分野にアイデアを提供し、追加の最新のデータソースを提供する必要があります。 進捗状況を監視する新しい方法として、推定に基づく SDG 4 指標を教育省と専門家コミュニティに理解させるには、広範なコミュニケーションが必要です。 この提案は、健康分野と同じアプローチが教育でも採用され、ユネスコ統計研究所がすでに各国と実施しているワークショップのモデルをカバーするようになるというものだ。 データ統合をサポートする調査の目録を作成し、使用されるデータ入力に各国が関与していることを確認することも推奨されます。

就学率と修了率を組み合わせた統合モデルを開発する必要があります。 GEM レポートと UIS は現在、修了率と学校外修了率の推定値を統合し、相互の一貫性を確保するモデルの開発に取り組んでいます。

SDG 4 の他の要素を推定するには、データを統合する新しい方法を検討する必要があります。 たとえば、学年の年齢を超えている児童や非公式教育の学習者などのデータを取り込む同様のモデルを使用できる可能性があるという提案です。