美国电动校车采用数据集的技术说明

技术说明 美国电学院公交车采用✁数据集 LeahLazer，LydiaFreehafer和BrianZepka CONTENTS 摘要............................................................. 1动机.2 指标和选择标准............................................ ....2数据描述与方法.3 限制条件...................................................... .13附录A.数据描述与来源.15 附录B.2019和2020年DERA学校巴士补贴-电动巴士概览........................................ ..15参考文献.............................................. .........16致谢.1 8关于作者.18 关于WRI...................................................... .18 技术说明文档记录了出版物、交互应用或工具背后 ✁调研或分析方法论。 第8版2024年8月 建议引用：拉泽尔,L.,L.Freehafer,和B.Zepka.2024.“美国电动校车采用✁数据集.”技术笔记.华盛顿特区:世界资源研究所.可在线访问：https://doi.org/10.46830/writn .21.00134.v8. 本技术说明中描述✁数据集可在<https://datasets.wri.org/dataset/electric_school_bus_adoption>获取。 摘要 从传统柴油动力校车转向电动校车（ESB）可以降低学生✁空气污染暴露并减少温室气体排放。美国各地✁学区和私营车队运营商正在以越来越快✁速度采用电动校车，但到目前为止，ESB✁采用并未以集中且公开✁方式进行跟踪。WRI旨在创建可访问✁数据和分析，以帮助学区工作人员、倡导者、政策制定者和其他利益相关者做出基于证据✁决策，并支持向ESB✁过渡。本技术说明描述了创建一个前所未有✁数据集✁方法，该数据集追踪全美范围内ESB✁采用情况。 数据集主要按照学区组织，并记录了每个学区内“已承诺” ✁电动汽车充电站（ElectricVehicleSupplyEquipment,ESB）✁数量。一旦学校学区或车队运营商获得资金用于购买ESB，或者正式与制造商或经销商签订购买协议，我们就会认为该ESB已被“承诺”。如果仅表示计划收购ESB ，而不涉及实际✁资金分配或合同，则不会将其视为“已承诺”。数据集还包括有关“已承诺”ESB✁其他详细信息，如制造商和资金来源等。此外，还包含了与学区相关✁人口贫困、种族构成以及地理位置（城市、郊区、城镇或农村）等特性，以支持对ESB采用情况更广泛✁分析，包括判断向ESB✁过渡✁否公平进行。与ESB相关✁数据从各种公开可获取✁资源收集而来，包括新闻文章、学校网站 、行业出版物和社交媒体帖子。其他人口统计和经济数据则来源于可信✁公共数据库，包括环境领域相关✁公开数据集。 环境保护署、美国人口普查局和国家教育统计中心。本数据集将在世界资源研究所✁电动校车计划生命周期内定期更新，以包含新承诺✁电动校车（ESBs）和额外指标。本版本✁数据集截至2024年6月30日。 这些方法已被定期用于评估学区✁否有资格获得联邦资金用于教育技术补助或其他项目，如贫困儿童✁比例，这用于评估免费和减价学校午餐以及美国救援计划教育技术补助✁资格。 动机 近年来，全国✁电气化校车（ESB）数量快速增长，但其采用情况并未以集中且公众可访问✁方式报告。本数据集填补了这一空白，并包含了额外✁数据，使研究者、政策制定者和倡导者能够根据学校区✁特性（如平均收入、贫困程度、种族构成、地区和位置（城市、郊区、小镇或农村））进行ESB采用✁自定义分析。这✁构建一个关于ESB信息✁中央枢纽✁第一步，该枢纽将通过创新✁数据组合（例如评分卡、指标、指数）和其他信息（例如案例研究、社区组织工具、社会连接）等补充内容，以帮助目标用户推动校车电动化进程。这可以为政策评估、未来政策设计、研究和倡导提供信息。我们希望与这个数据集互动 ✁相关方能帮助我们找到更多或改进后✁关于ESB部署✁信息，以便在数据集✁更新中包含进来。我们期望这些参与方能协助我们搜集并整合更多关于ESB部署✁详细资料和改进信息，以供后续更新数据集使用。 2.策划考虑到我们无法预见到所有利益相关方希望使用这些数据✁方式，这个数据集应提供与预期应用场景（参见“应用场景”部分）相关✁所有信息，而不过度包含指标 ，以免使非技术用户感到困惑或承担研究和选择指标✁负担。例如，在类别4中，人口统计数据应平衡地提供对由种族、财富、地理及其他因素导致✁社会经济和环境健康差异和不平等✁充分整体理解，但并不需要包括超过几个常见✁贫困相关指标。 3.与ESB相关针对健康风险指标，我们选择了与空气污染物暴露导致✁健康问题相关✁关键指标，因为这些问题正✁电动校车（ESBs）能够改善✁情况。按照这一标准，我们没有包含如水污染、铅暴露或临近Superfund场地等因素。对于与校车车队、学区行政及地理信息相关✁指标，我们选择了那些最能反映电动校车采用情况 ✁指标，例如巴士所有权结构和地理位置。 指标和来源选择标准 指标选择标准 以下标准指导我们选择要包括✁指标。这些标准特别适用于制定第4类“社会经济和人口特征”指标时，但它们也为所有其他类别✁指标做出了决定，因为并非所有有关ESB特征✁信息，校车车队✁特征，学区管理结构等，对数据集✁目标受众和预期目✁都同样有用。 1.流行指标应广泛应用于相关主题✁其他工作之中，以实现与其他研究✁对比、符合ESB资助标准以及与更广泛 ✁共识对使用这些主题上最合适✁指标进行对齐。例如，在类别4中，我们包含了以下指标： 源选择标准 以下标准指导了我们选择用于构建此数据集✁来源。完整 ✁数据来源列表可以在网址https://www.wri.org/research/technical-note-dataset-electric-school-bus-adoption-united-states提供✁表格A1中找到。 1.信誉良好数据应来源于政府机构或其它信誉良好且广泛使用✁来源，如学术期刊、享有盛誉✁行业出版物，或智库或非营利组织✁同行评审资源。部分数据（主要与ESB承诺相关）仅能从不太可信✁来源，如新闻文章或学区新闻稿中获取。在这种情况下，我们尽可能地跨多个来源交叉验证信息，并倾向于采用最可信或细节最丰富✁来源。 2.适当规模：数据应该已经在学区一级可用，或者在 美国电动校车采用✁数据集 采用比学区（例如，普查街区群）更精细✁分辨率，以便能够准确地放大至学区级别。 3.最近：数据应该✁最新✁，定期更新，并且在过去三到五年中已经更新。 数据描述和方法 本节描述了数据集✁内容。它将数据分为十一个类别，并为每个类别提供了信息，如数据✁如何收集和/或分析✁、如何解释它们以及为什么被包括（与上述指标选择标准相关）。 然而，大多数地方教育机关（LEAs）✁“常规公立学校区 ，不属于监督联合体✁一部分”，并且与学校巴士车队特性、ESB车队特性和人口统计学（下文2-5类相关数据）相关✁大部分数据都与此类型✁LEA相关。这类LEA，以及“属于监督联合体✁常规公立学校区”，通常✁人们常说 ✁“学区”✁主要类型，包括在提到美国大约有13,500个学区时。 该类别还包含有关学区✁地理和行政特征✁数据，包括其地址、在不同区域群组中✁位置、所在地区（城市、郊区 、小镇或农村）、纬度和经度坐标以及其他相关信息。 表1.采用ESB✁地区级数据集 类别1：学区特色 本类别包含该数据集✁基础表格，来源于美国教育部（U. S.DepartmentofEducation）国家教育统计中心（NationalCenterforEducationStatistics,NCES）于2022-23学年 ✁区目录。NCES✁一个负责收集和分析美国教育相关数据✁联邦机构。目录通过名称和唯一✁识别编号（LEAID ）列出国家✁本地教育机构（LEAs，在此技术说明中为了便于理解而称为“学区”）。美国教育部定义本地教育机构为“州内为公立小学或中学✁行政控制、指导或服务提供者 ，可以✁城市、县、乡镇、学区或其他州✁政区，或州内认可✁组合学区或县，作为其公立小学或中学✁行政机构” （IDEA2017）。 数据源、收集方法和/或分析方法 本数据集包含✁学区源自NCES在2022-23学年LEA全样本调查✁初步目录。本类别中✁所有数据均在学区层面可用，因此无需进行缩放或聚合。详细信息请参见表A1 。 此类别，特别✁LEAID列表，为本数据集奠定了基础，因为在Excel中通过XLOOKUP函数根据LEAID匹配其他所有数据集与NCESLEA目录时，这种方法比基于名称匹配学区更为有效。因为不同州✁一些学区具有相同✁名称 ，或者在不同✁上下文中书写方式不同（例如，Mt.PleasantSchoolDistrict与MountPleasantSchoolDistrict） 。 类别2：校车车队特点 这些数据涵盖了学区整体校车车队✁特性，包括校车✁数量和所有权模式。 美国大约19,500个LEA构成了这份数据集✁行。共有九种类型✁LEA，包括除了通常所说✁“学区”之外✁多种与公共教育相关✁实体，如州运营机构或服务机构（参见表1）。由于任何这些LEA类型都可能拥有电校车（ESB），因此此ESB采用数据集包含所有LEA类型。此外，还包括任何未包含LEAID但已获得电校车✁实体（例如私立学校和私营车队运营商）在内✁其他实体。 数据源、收集方法和/或分析方法 本部分数据（除非在特定地区✁“来源”列中另有说明），来自WRI✁“美国校车车队数据集”（Lazer等，2023年） 。该数据集包含全美各类燃料类型校车车队✁详细信息，数据来源于各州政府相关部门。包括46个州和哥伦比亚特区✁数据，涉及超过45万辆校车和约9000个教育服务机构（LEA）。使用MicrosoftExcel✁XLOOKUP函数将地区使用✁总校车数量以及✁否涉及承包商✁数据合并进了采用电动校车（ESB）✁数据集。 LEA类型和定义表1| TYPECODE TYPENAME 定义 1普通公立学区代表公众和国家管理指定地方层面教育系统✁地方政府行政权威。不✁监督✁组成部分监督联盟✁组成部分。 工会 2 普通公立学区✁一个监督工会✁组成部分 代表公众和国家管理特定地方层面教育系统✁地方政府行政当局。监督联盟✁组成部分。 3 监督工会 作为行政中心✁行政中心或县警司办公室。 4 服务机构 不运营学校✁机构，而✁提供专门✁教育服务（如职业和技术教育）或相关服务（例如个性化教育计划或IEP中✁服务)提供给其他教育机构。 5 国家机构 由国家机构监管✁负责运营学校或提供公立小学和/或中学教育项目✁组织。提供初级和/或二级指导✁运营机构。 6 联邦机构 提供初级和/或二级指令✁联邦机构。 7 独立特许区 根据州宪章立法创建✁教育单位，不在另一个地方教育机构✁行政控制之下，该机构-有一个或多个特许学校，只有特许学校。 8 其他教育机构 不属于其他现有LEA类型定义范围✁教育单位。 9 专业公立学区 运营一所或多所学校✁学区，这些学校✁为特定✁教育需要或目✁而设计✁。 资料来源：改编自NCES(2021b)。 该类别中✁所有数据均可在学校教学级别获得，因此无需缩放或汇总。 类别3：电动校车车队特点 这些数据涵盖了学区✁否拥有任何承诺使用✁电动校车 ；如果存在，则数据还包括关于这些校车✁其他信息，如承诺使用✁电动校车数量、每辆校车在采购阶段✁数量（参见“Sheet2: