مادیول هفتم: تضمین کیفیت داده‌ها  (Data Quality Assurance)

اهداف:

هدف این مادیول، بیشتر نمودن درک اشتراک‌کنندگان از تضمین کیفیت داده است که یکی از اجزای حیاتی برای اطمینان از نتایج قابل‌اعتماد، دقیق و مفید در نظارت و ارزیابی (Monitoring & Evaluation – M&E) محسوب می‌شود. در پایان این مادیول، اشتراک‌کنندگان با مفاهیم کلیدی چون اعتبار (Validity)، قابلیت اعتماد  (Reliability)، به‌موقع بودن (Timeliness) و کامل بودن (Completeness)  داده‌ها آشنا خواهند شد. این مادیول همچنین روش یا تکنیک‌های عادی و دیجیتال برای تضمین کیفیت داده، چالش‌های رایج در مناطق ناپایدار مانند افغانستان، و گام‌های عملی برای حفظ معیارهای بلند کیفیت داده را همراه با مثال‌ها و سناریوهای واقعی توضیح می‌دهد.

درک ابعاد کیفیت داده‌ها

داده‌های با کیفیت بالا، پایه و اساس یافته‌های قابل‌اعتماد در M&E هستند. ابعاد اصلی کیفیت داده‌ها عبارت‌اند از:

•       اعتبار  (Validity) :  درجه‌ای که داده‌ها دقیقاً همان چیزی را اندازه‌گیری می‌کنند که قرار است اندازه‌گیری شود.
مثال:  اگر در یک سروی در مورد درآمد فامیل سوال شود، آیا پاسخ‌دهندگان پاسخ‌های صادقانه و کامل ارائه می‌کنند؟

•       قابلیت اعتماد  (Reliability) :  سازگاری در روش‌های جمع‌آوری داده و نتایج، زمانی که تحت شرایط مشابه تکرار شود.
مثال:  آیا اگر دو فرد مختلف اطلاعات یکسان را جمع‌آوری کنند، نتایج مشابهی به‌دست خواهد آمد؟

•       به‌موقع بودن  (Timeliness) :  داده‌ها باید در زمانی مناسب در دسترس باشند تا تصمیم‌گیری آگاهانه ممکن گردد.
مثال:  تأخیر در دریافت داده از ولایات دورافتاده افغانستان می‌تواند ارزش M&E را کاهش دهد.

•       کامل بودن  (Completeness) :  داده‌ها باید تمام متغیرها، اشتراک‌کنندگان و دوره‌های زمانی مورد نیاز را پوشش دهند، بدون داده‌های ناقص یا جا افتاده.

روش‌های عادی برای تضمین کیفیت داده‌ها

روش‌های عادی شامل نظارت انسانی و بازبینی برای کاهش اشتباه و حفظ یکپارچگی داده‌ها هستند.

•       بررسی‌های تصادفی (Spot Checks) :  ناظران به‌صورت تصادفی دقت داده‌ها را از طریق بررسی اسناد منبع یا مصاحبه دوباره با پاسخ‌دهندگان تأیید می‌کنند.
مثال:  یک کارمند M&E در ولایت هلمند 10% خانه های سروی‌شده را مجدداً دیدار کرد تا صحت اطلاعات سروی امنیت غذایی را تأیید نماید.

•       نظارت ساحوی  (Field Supervision) :  ناظران همراه با جمع‌آورندگان داده در ساحه حضور یافته، روش های جمع‌آوری داده را بررسی و بازخورد یا فیدبک فوری ارائه می‌کنند.
مثال:  در کابل، سوپروایزران به‌طور منظم در کمپاین‌های واکسین با کارمندان صحی همراه می‌شدند تا از پرشدن درست فورم‌ها و دریافت رضایت اطمینان حاصل کنند.

•       ورود دوباره داده  (Double Data Entry) :  وارد کردن داده‌ها به‌صورت دوباره در دو سیستم مستقل و مقایسه نتایج برای شناسایی اشتباهات ورود.
مثال:  تیم یک پروژه WASH در هرات از ورود دوباره داده برای کاهش اشتباهات در ثبت داده‌های تست کیفیت آب استفاده کرد.

•       چک‌لیست‌های تأییدی (Verification Checklists) :  فورم‌های ساختاریافته‌ای که توسط ناظران برای تأیید رعایت تمام مراحل تضمین کیفیت استفاده می‌شوند.
مثال:  در سروی‌های مبتنی بر جامعه در ننگرهار، از چک‌لیست‌ها برای تضمین رضایت آگاهانه و رعایت محرمیت استفاده شد.