نظارت و ارزیابی مادیول هشتم درس سوم

استفاده از نرم‌افزار برای تحلیل داده‌ها  (Using Software for Data Analysis)

ابزارهای مختلفی برای تسهیل تحلیل داده‌های کمی و کیفی وجود دارد:

•       تحلیل کمی: Excel  برای تحلیل‌های بنیادی، و SPSS و STATA برای تحلیل‌های پیشرفته آماری به‌کار می‌روند.

•       تحلیل کیفی:  NVivo و Atlas.ti برای سازمان‌دهی، کودگذاری و تحلیل داده‌های متنی مناسب هستند.

•       کودگذاری عادی:  در صورت نبود نرم‌افزار، می‌توان تحلیل منظم و عادی را روی متن‌ها و یادداشت‌های چاپ‌شده انجام داد.

مثال:  یک نهاد در کابل از Excel برای تحلیل داده‌های سروی خدمات صحی استفاده کرد و از NVivo برای کودگذاری مصاحبه‌ها بهره گرفت تا تحلیل کمی و کیفی را با هم مدغم کرده و ارزیابی جامعی از تأثیر برنامه یا فعالیت ارائه دهد.

تفسیر و ارائه واضح و دقیق یافته‌ها  (Interpreting and Presenting Findings Clearly and Accurately)

•       نتایج را در چارچوب شرایط محلی تفسیر کنید: یافته‌ها را به اهداف پروژه، شاخص‌ها و وضعیت محل اجرا پیوند دهید و از کلی‌گویی پرهیز نمایید.

•       برجسته‌سازی پیام‌های کلیدی:  تأکید بر روندها، موفقیت‌ها یا چالش‌های برجسته و توضیح پیامدهای آن‌ها برای ذینفعان

•       استفاده از تصاویر و نمودارها:  نمودارها/چارت ها، گراف‌ها و جدول‌ها اطلاعات پیچیده را قابل‌فهم می‌سازند؛ نوع بصری باید متناسب با داده و مخاطب انتخاب شود

•       شفافیت:  پذیرش محدودیت‌ها، خلأهای داده و سو استفاده های احتمالی برای افزایش اعتماد و بهبود آینده

•       قابل‌فهم بودن برای مخاطب:  تنظیم زبان و سبک ارائه برای گروپ‌های مختلف شامل اعضای جامعه، تمویل‌کنندگان و پالیسی سازان

مثال:  در گزارشی از یک پروژه آب آشامیدنی، یک گراف خطی که تغییر ماهانه در دسترسی به آب سالم را نشان می‌دهد، برای تمویل‌کنندگان قابل‌درک است، در حالی که یک اینفوگراف ساده همراه با نقل‌قول‌های مردم محل می‌تواند برای ذینفعان جامعه مؤثرتر باشد.

خلاصه

این مادیول روش یا تکنیک‌های کلیدی تحلیل داده‌های کمی و کیفی را در چارچوب‌های نظارت و ارزیابی (M&E) بررسی کرد. نمونه‌های عملی از برنامه‌های اجراشده در افغانستان نشان دادند که چگونه تحلیل‌های توصیفی، مقایسه‌ای و رگراسیون، در کنار تحلیل موضوعی کیفی، می‌توانند بینش‌های معناداری از عملکرد پروژه ارائه دهند. قرار دادن یافته‌ها در بستر مناسب و انتقال شفاف، دقیق و قابل‌فهم آن‌ها برای مخاطبان گوناگون، تضمین می‌نماید که داده‌ها به یادگیری، انطباق‌پذیری و پاسخ‌گویی منجر شوند. تسلط بر این مهارت‌های تحلیل و تفسیر، اثربخشی M&E را افزایش داده و از دستیابی به نتایج مؤثر انکشافی پشتیبانی می‌کند.