您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[devinit]:尼泊尔 LNOB 点评 : Simta 市的 <unk> 景观 ( 汉 ) - 发现报告
当前位置:首页/其他报告/报告详情/

尼泊尔 LNOB 点评 : Simta 市的 <unk> 景观 ( 汉 )

2023-06-01-devinit别***
尼泊尔 LNOB 点评 : Simta 市的 <unk> 景观 ( 汉 )

LNOB评估尼泊尔:数据 美化环境在西姆塔 自治市 报告 2023年6月 Contents 简介………………………………………………………………………………………………………………………… ……………………………………………………………………………………………………………………………… …………… Part1:Simta的贫困and不等式数据库存4 5. Inventoriesof数据系统4 频率6 Data收集器7 元数据7 打开数据8 差异在灾难数据8 Part2:The使用of贫困and不等式数据在Simta9 Part3:The基础ofSimta的贫困and不等式数据生态系统10 Governanceand管理10 市政政策上当地数据10 ICT基础设施10 跨部门协调11 预算…………………………………………………………………………………………………………………… ……………………………………………………11 Part4:建议……………………………………………………………………………………………………………… ……………………………………………………………12 Data资料来源:12 Data用途:………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………… 12 附件D..a..t.a....治...理.....a..n..d...管....理...:........................................................................1...213 附注………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………18 Introduction 不让任何人掉队(LNOB)是2030年议程的核心变革承诺。迫使发展行为者首先考虑最落后的问题,并解决 驱动人们经历的不平等的歧视和排斥。在 发展倡议(DI)贫困与不平等(P&I)计划,我们使用我们的 在数据和证据方面的专业知识,以产生支持我们的合作伙伴和盟友的输出更好地了解谁被抛在后面,以什么方式,为什么。 DI的LNOB评估已开发为应用系统的方法: 1.识别和审查相关的现有数据。 2.分析这些数据,以回答当地相关和有针对性的政策问题。 在2022年和2023年期间,在肯尼亚、乌干达、贝宁和尼泊尔。每次评估都有一个明确的重点,与当地确定和发展合作伙伴。 尼泊尔的LNOB评估试图了解 市政一级,考虑如何使用数据为当地决策提供信息 解决贫困和不平等问题。Thisapproachwasappliedintwomunities:Tulsipur 还有Simta. 本报告介绍了SimtaLNOB评估的第一部分。它基于DI的数据美化方法,并评估现有数据的范围、质量和实用性 Thatcanpotentiallyinformationissuesrelatingtopovertyandinqualityinthemunicipality.It 还评估并提出关于可能的潜在因素的建议 加强Simta的数据生态系统,使改进和可访问的证据能够在未来可用。 2022年11月,DI和落后社会教育(BASE)共同创造在西姆塔举行的研讨会,西姆塔市政府的代表参加了研讨会政府。在共同创造研讨会上,利益相关者确定了优先研究并讨论了方法论方法。在此基础上,DI和BASE 适应DI的数据美化通用分析框架 参数。然后,团队对灰色文献和面对面进行了基于案头的评论 在2022年12月至2023年1月之间面对关键线人采访(KIIs)。KIIs 与来自当地九个不同部门的18名代表进行了 政府。2023年3月22日在西姆塔举行了最后一次传播讲习班 共有27名代表不同组织的与会者。 本报告的第1部分描述了数据中包含的数据的数量和质量 清单。第2部分描述了这些数据在市政当局中的使用方式,第3部分回顾了 贫困和不平等数据生态系统作为一个整体的力量,超越属性单个数据源,第4部分提供了加强 本地数据生态系统。 第一部分:西姆塔的贫困和不平等数据清单 在Simta,研究小组确定了九个产生感兴趣信息的数据系统贫困和不平等分析:五个行政数据系统,两个调查和 两个混合方法来源(即整理来自管理的数据的独特来源 系统、官方调查和人口普查)。 确定的系统产生关于人口统计、社会保护的数据(例如儿童达利特儿童营养补助金和老年人津贴 70)、资产所有权、就业、教育(如入学率和奖学金)、健康(如疫苗接种和营养)、减少灾害风险(如 洪水),残疾(例如患病率)以及水,个人卫生和环境卫生(WASH)。研究小组无法确定与声音和 政治参与。 研究小组试图确定非官方来源,但不能。 数据系统清单 表1五个行政数据系统清单 数据系统 收集了哪些数据? DRR门户事故类型(如火灾、动物事故、风暴)事件的位置,受影响的人数 事件以及如何(例如死亡或受伤)、基础设施。 就业管理 信息系统(EMIS) 关于申请人的信息(种族和性别, etc.). 健康管理信息系统(HMIS) 关于孕产妇和新生儿健康、营养、疫苗接种和免疫接种等等。 综合教育管理 信息系统(IEMIS) 关于学生、教师和其他工作人员的信息。 VERSPMIS关于出生、死亡、婚姻、离婚和迁移。 表2:两种混合方法来源的清单 数据系统 收集了哪些数据? 残疾身份证残疾分类 聪明的女儿计划有关家庭成员的信息:姓名,地址出生地等。 表3:两项官方调查的清单 数据系统 收集了哪些数据? 灾害风险调查危害和影响的类型 分解 为了告知不留下任何人的方法,有必要识别个人 以及可能影响贫困结果的基于群体的特征。为了实现这一点,数据必须捕获与贫困的多个维度相关的变量,如健康或 获得电力,但也包括可以允许分解的特定变量通过可能与内部不平等和排斥相关的特征 人口,如性别、年龄或地理。 九个数据系统中的六个产生按地理位置分类的数据(即病房),五个在九个数据系统中,产生按年龄分类的数据(这不包括 我们可获得的教育数据,因为这是按年级或年级分类的),以及五个数据系统产生按性别分列的数据。仍然有空间 改进,但可以说是努力产生按这些维度分类的数据已经相当成功,因为它们在超过50%的 确定的数据系统。 相比之下,按“种族”分类的数据仅由两个已识别的数据产生系统,这意味着它不存在于7。2然而,这并不总是因为系统不要收集种族数据;例如,种族数据是由 就业管理信息系统(EMIS)与聪明的女儿 计划MIS在纸质表格上,但没有上传到数字系统,并且储存设施中未使用。 市政概况调查整体住户调查,包括人口统计概况、社会经济概况、基础设施、职业、失业等. 最不经常收集的分类数据的类型是残疾数据(的类型)。这些数据仅由已识别的数据系统之一收集。 通过定量分析的维度(例如,调查残疾与 health),andseverallylimitedtherangeofevidenceavailabletothem.Collectingand 从一些数据集中遗漏了这些特征(例如种族和残疾),阻止用户使用这些数据集来生成有关这些数据的见解 在Simta的所有数据系统中数字化存储分类数据将更好地实现交叉分析。 图1:按种族和残疾分列的数据水平较低 Simta的数据系统 按分类类型划分的数据系统数量 沃德 性别 年龄 种族 残疾 0 1 2 3 4 5 6 7 数据系统数量 资料来源:DI,2023 年。 频率 病房办公室将民事登记数据(例如出生和死亡登记)上传到VERSP- MIS每天都有,尼泊尔警方也每天将数据上传到DRR门户这意味着用户可以实时访问此信息。3HMIS的数据为 更新频率较低,但仍然令人满意;设施收集数据 每天提交纸质表格,并每月将其上传到DHIS2(HMIS)4 “卫生部有专门的DHIS2用户。每个月,来自医疗机构的联络人会面并分享数据 在DHIS2中输入。数据每半年进行一次审查,以查看目标是否 met." 受访者受雇于Simta的卫生部门,2022年 相反,IEMIS的数据被收集并上传到数字系统更不频繁的基础。数据在学术日历开始时收集一次并再次在最后;它是由学校在支持下上传到系统 农村自治市(同时也验证了这一点)。 数据是通过市政概况调查收集的,频率更低:每 fiveyears.Theinfrequentscheduleisduetothecostsofcarryingout.Therefore, 尽管调查有能力产生高质量的统计数据,但调查并没有定期管理,足以作为当地的主要证据来源 决策者。 数据收集器 培训人们使用数据工作意味着他们不太可能犯 降低数据可靠性。 大多数受访者报告说,在市政一级,有令人满意的数量受过数据培训的敬业员工。相反,受访者报告说 没有足够的专门和训练有素的工作人员来处理病房一级的数据;行政数据系统(如HMIS或VERSPMIS等)在病房捕获数据水平,因此,如果这个水平的人接受培训的太少,数据的可靠性被捕获的数量减少了。卫生部门,它拥有最强的 病房一级的人力资源,仍然报告短缺。 联邦部门确实在市政当局进行定期培训,以增加民事仆人处理数据的能力。此外,数据促进发展(D4D)该计划由英国政府资助,由亚洲基金会运营, 开展培训方案,以加强该市的数据素养。类似投资需要更定期地提供给更广泛的利益相关者市政一级,更紧迫的是病房。 元数据 及时和彻底,这鼓励数据的使用。元数据通常是与包含在 库存。其他四个数据系统仅提供部分元数据或不提供元数据他们生成的数据集。例如,伴随残疾数据的元数据不会包括最初记录的确切日期,也不包括收集它的人。有可能 这些信息记录在纸质寄存器中,但没有数字化。 完整的元数据允许演员更多地了解他们正在使用的数据 打开数据 在Simta中,唯一可在线公开获得的数据是通过DRR门户,并从其市政概况调查,2075BS(2018/19),以汇总统计数据的形式(非microdata)。如果在线提供来自不同来源的更多数据,它将允许 各种用户出于不同的原因与之互动。开放数据可以使公众(例如为民间社会组织(CSO)工作的人,非政府组织(NGO)和私营企业等),以及使 增加市政部门之间的数据共享。 图2:Simta中的大多数数据无法公开访问 Simta中开放访问和无法访问数据的比例 Open-access 骨料 统计 11% 无法访问 数据 78% Open-access 微观数据 11% 资料来源:DI,2023 年。 灾难数据的差异 减少灾害风险的数据存在一些差异,具体取决于来源。例如,量化建筑物、学校和 在市政府的报告中,同一时期的农业农田是不同的 (2022),市政府提交给地区办事处的数据,以及公布的数据通过DRR门户。这些类型的变化引起了人们对 所产生数据的可靠性。对可靠性的怀疑侵蚀了信任潜力 用户在数据中拥有,反过来,低信任级别可能会导致潜在用户对使用数据犹豫不决。 第二部分:贫困的利用和不平等数据 Simta 贫困和不平等数据在Simta中用于许多目的。例如,数据用于为残疾人和单身人士设计技能培训计划 妇女;向女学生分发奖学金;设计预算和计划 卫生部;并发放各种社会保障金。 “卫生部门根据证据和数据做出决定。他们与管理委员会组织会议并讨论 然后讨论的挑战和问题企划部”。 受访者受雇于Simta的卫生部门,2022年 然而,受访者告诉我们,Simta中的数据使用可以扩展(例如Simta的市政主席建议,需要以数据为主导的倡导举措来促进 边缘化群体的社会经济发展),尽管有这些例子 当前的数据使用。数据没有充分发挥其潜力的主要原因是: 对循证决策缺