نوآوری در نظارت و ارزیابی پروژه های کمک های خارجی

تکامل نظارت و ارزیابی در کمک های خارجی

برنامه های کمک های خارجی نشان دهنده میلیاردها دلار سرمایه گذاری سالانه با هدف کاهش فقر، بهبود سلامت و پرورش رشد اقتصادی در کشورهای در حال توسعه است، برای دهه ها، اهدا کنندگان و سازمان های پیاده سازی تلاش کرده اند تا تاثیر واقعی این مداخلات را اندازه گیری و ارزیابی سنتی (M&؛ E) رویکردها را بررسی کنند - اغلب به بررسی بررسی بررسی بررسی نتایج نهایی، گزارش های دوره ای، و یک بررسی دقیق تر از روش های دقیق تر کمک های دقیق تر کمک می کنند.

تکنولوژی های نوظهور در M&؛E

تصویر ماهواره ای و Remote Sensing

تصاویر ماهواره ای فراتر از نقشه برداری ساده برای تبدیل شدن به یک ابزار قدرتمند برای نظارت بر پروژه های زیربنایی، تغییرات محیطی و نتایج کشاورزی حرکت کرده است.سازمان هایی مانند بانک جهانی در حال حاضر از تصاویر با وضوح بالا برای ردیابی ساخت جاده، جنگل زدایی و گسترش شبکه های آبیاری بدون نیاز به تیم های زمینی استفاده می کنند.

به عنوان مثال، در سودان جنوبی، داده های ماهواره ای به سازمان های بشردوستانه اجازه می دهد تا وضعیت شهرک سازی پناهندگان را نظارت کنند و خطرات سیل را در زمان واقعی ارزیابی کنند و اجازه می دهند که منابع فعال در اتیوپی، شاخص های گیاهی مشتق شده از ماهواره به ارزیابی اثربخشی پروژه های مدیریت آبخیز کمک کنند و شواهد عینی کاهش فرسایش خاک را ارائه دهند.

Mobile Data Collection و Field Tools

گسترش تلفن های هوشمند در کشورهای کم درآمد – حتی در مناطق دور افتاده – مجموعه داده های میدانی را انقلابی کرده است. Tools مانند ODK، SurveyCTO و KoboToolbox اجازه می دهد تا محرک ها برای اجرای نظرسنجی های پیچیده به صورت آفلاین، ضبط مختصات GPS و آپلود عکس ها یا قوانین اعتباربخشی صدا در این برنامه ها خطا در نقطه ورود، بهبود داده های مبتنی بر کیفیت کاغذ.

سازمان هایی مانند USAID جمع آوری داده های تلفن همراه را به برنامه معمول خود M& یکپارچه کرده اند؛ جریان های کاری، کارگران بهداشت در سطح منطقه را قادر می سازد تا گزارش های تحویل خدمات هفتگی را از این زمینه ارائه دهند.سرعت و دقت به مدیران برنامه اجازه می دهد تا تنگناها را شناسایی کنند - مانند انبار داروهای ضروری - و پاسخ دادن در طی ماه ها به جای ماه ها.

هواپیماهای بدون سرنشین و وسایل نقلیه هوایی بدون سرنشین

هواپیماهای بدون سرنشین شکاف بین تصاویر ماهواره ای و مشاهدات زمینی را پر می کنند، آنها می توانند تصاویر با وضوح بالا از سایت های پروژه را در مورد تقاضا، حتی در شرایط ابری که ماهواره ها شکست می خورند، ضبط کنند، هواپیماهای بدون سرنشین برای نقشه برداری از توطئه های کشاورزی، ارزیابی آسیب پس از بلایای طبیعی و نظارت بر پیشرفت پروژه های بزرگ ساخت و ساز مانند مدارس یا کلینیک ها استفاده می شود.

اینترنت اشیا (IoT) و شبکه های سنسور

در جایی که اتصال اینترنت وجود دارد، سنسورهای IoT جریان های داده مداوم را در تانزانیا فراهم می کنند، به عنوان مثال، به طور فزاینده ای با سنسورهایی که نرخ جریان و وضعیت مکانیکی را به داشبورد مرکزی منتقل می کنند، نصب می شوند، این امر تیم های تعمیر پمپ های شکسته را در عرض چند ساعت، به جای انتظار بازرسی های فصلی، متر هوشمند در سیستم های خورشیدی به طور خودکار تولید انرژی و الگوهای استفاده از محصولات را گزارش می دهد و سرمایه گذاران قابل اعتماد در مورد عملکرد مشتری.

Data Analytics و هوش مصنوعی

داده های بزرگ برای شناسایی Trend

انفجار داده های دیجیتال - از طریق سوابق تماس تلفنی تلفن همراه، پست های رسانه های اجتماعی، معاملات مالی و منابع اداری - ایجاد فرصت برای M&؛ E که یک دهه پیش غیر قابل تصور بود، تجزیه و تحلیل داده های بزرگ می تواند روند در مقیاس جمعیت را شناسایی کند، به عنوان مثال، جزئیات (CDRs) از اپراتورهای تلفن همراه کمک به پیگیری حرکت جمعیت پس از یک بحران، در هدف قرار دادن الگوهای کمک های بشردوستانه و انتقال اطلاعات استفاده شده توسط تجزیه و تحلیل داده های انتقال داده های انتقال پول نقد و انتقال داده های مالی.

ماشین آلات یادگیری

الگوریتم های یادگیری ماشین (ML) به طور فزاینده ای برای پیش بینی نتایج پروژه و تشخیص ناهنجاری ها در برنامه های توسعه کشاورزی، مدل های ML آموزش دیده در داده های آب و هوایی تاریخی، شرایط خاک و نرخ های پذیرش می توانند پیش بینی کنند که کشاورزان به احتمال زیاد شیوه های جدید را اتخاذ می کنند، برنامه های را قادر می سازد تا توسعه خود را در سلامت، الگوریتم ها سوابق بیمار را تجزیه و تحلیل کنند تا سیگنال های هشدار اولیه بیماری را شناسایی کنند، و تحلیل می کنند، و تحلیل می کنند، و به سازمان های پیش بینی شده در مورد استفاده از پیش بینی های کلاهبرداری و یا گزارش های پیش بینی می کنند:

پردازش زبان طبیعی برای داده های کیفی

روش های ارزیابی خلاقانه

رویکرد های مشارکتی

مشارکت اجتماعی در ارزیابی از مشاوره توکنی به مشارکت واقعی منتقل شده است.م&؛ چارچوب های E ذینفعان محلی را در تعریف شاخص های موفقیت، جمع آوری داده ها و تفسیر نتایج حرکت می کنند. تکنیک هایی مانند اکثر تغییرات چشمگیر، کارت های امتیاز جامعه و نقشه برداری مشارکتی به صدا برای بهره برداری و اغلب پیامدهای ناخواسته پروژه ها - هر دو مثبت و منفی، به عنوان مثال، شناسایی شده است که توسط یک پروژه ذخیره سازی کشاورزی متمرکز شده است، به جای پیدا کردن اعضای جدید، به دنبال پیدا کردن منابع آب است.

محاکمه های کنترل شده تصادفی و طراحی تجربی Quasi

ارزیابی تاثیر دقیق سنگ بنای کمک های مبتنی بر شواهد است در حالی که تصادفی شده کنترل شده کارآزمایی (RCTs) استاندارد طلا برای ایجاد علیت، هزینه بالا و محدودیت های اخلاقی آنها محدود استفاده از آنها است. Quasi-experimental روش - مانند تفاوت در شرایط، عقب نشینی، و تطبیق پذیری تمایل - جایگزین قوی هنگامی که ارزیابی تصادفی در اندازه های درمان های موقت و یا مقیاس های سازگار با اندازه های سازگار با سلاح های موقت است.

سیستم های بازخورد real-Time

ارزیابی های سنتی اغلب در اواسط و پایان یک پروژه انجام می شود، ارائه محدوده محدود برای اصلاحات دوره. سیستم بازخورد زمان واقعی استفاده از نظرسنجی های تلفن همراه، نظرسنجی های SMS و نظارت رسانه های اجتماعی برای جمع آوری ورودی مداوم از ذینفعان پروژه شفافیت صفحه نمایش بلافاصله، قادر به مدیریت سریع بازخورد و فرمت؛ رویکرد، پشتیبانی توسط سازمان هایی مانند پیاده سازی (FLT: برنامه آموزش و آموزش و بررسی دقیق) و آموزش دقیق من، اجازه می دهد تا نتایج دقیق در یک مطالعه دقیق و تجزیه و تحلیل دقیق در مورد بررسی دقیق و تحلیل دقیق و تحلیل دقیق در مورد بررسی دقیق و تحلیل دقیق در مورد بررسی دقیق و تحلیل دقیق و تحلیل دقیق در مورد بررسی دقیق و تحلیل دقیق و تجزیه و تحلیل دقیق در مورد بررسی دقیق در مورد نظر سنجی، و تحلیل دقیق، و تحلیل دقیق در مورد نظر سنجی، و تحلیل دقیق، به من، و تحلیل دقیق، و تحلیل دقیق، و تحلیل دقیق، و تحلیل دقیق، و تحلیل دقیق، و تحلیل دقیق، و تحلیل دقیق، و تحلیل دقیق، و تحلیل دقیق، و تحلیل دقیق، به من، و تحلیل دقیق، به طور دقیق، و تحلیل دقیق و تحلیل دقیق، به من، و تحلیل دقیق، به طور مستقیم، به من، به طور مستقیم، و تحلیل دقیق، به طور مستقیم

تحلیل مشارکت و فرآیند Tracing

برای مداخلات پیچیده که در آن علیت دشوار است، رویکردهای ارزیابی مبتنی بر تئوری مانند تجزیه و تحلیل مشارکت و ردیابی فرآیند به دست آوردن کشش است، این روش ها یک داستان معتبر از چگونگی مداخله کمک به تغییرات مشاهده شده توسط به طور سیستماتیک تست توضیحات جایگزین است.آنها بر شواهد مخلوط و نظریه برنامه قوی تکیه می کنند، و به ویژه در حمایت از دولت، و پروژه های تقویت ظرفیت که در آن طرح های تجربی غیر عملی هستند مفید هستند.

بلاک چین برای شفافیت و پاسخگویی

تکنولوژی توزیع شده ارائه می دهد برنامه های امیدوار کننده برای M&E در کمک های خارجی. Blockchain می تواند یک مسیر حسابرسی غیر قابل تغییر برای کسر وجوه را ایجاد کند، اطمینان حاصل می کند که هر دلار از اهداکننده به آخرین بهره برداری از قراردادهای هوشمند می تواند به طور خودکار پرداخت ها را هنگامی که نقاط عطف پیش تعریف شده تایید شده است - به عنوان مثال، یک پروژه ساخت مدرسه تایید شده است به عنوان کامل از طریق عکس های جغرافیایی آپلود شده برای کاهش پروژه های زنجیره بلوک چین و تجزیه و نقل و نقل و نقل و نقل و نقل و نقل و نقل و نقل و نقل و نقل و نقل و انتقالات ".

چالش ها و ملاحظات اخلاقی

حریم خصوصی داده ها و امنیت

گسترش جمع آوری داده های دیجیتال نگرانی های جدی حریم خصوصی را افزایش می دهد.اطلاعات Beneficiary - از جمله نام، مکان، وضعیت سلامت و اطلاعات مالی - می تواند مورد سوء استفاده قرار گیرد اگر به درستی محافظت نشود، بسیاری از سازمان های کمک در زمینه هایی با قوانین حفاظت از داده های ضعیف عمل می کنند، و بار اخلاقی سنگین در مورد ارزیابی برای اطمینان از رضایت آگاهانه، داده ها و ذخیره سازی های بالقوه برای توسعه داده های اجتماعی و اطلاعات بیشتر فراهم می شود.

تقسیم دیجیتال

نوآوری های تکنولوژیکی خطر گسترش شکاف بین مناطق شهری به خوبی متصل و جوامع روستایی حاشیه ای را دارند.در بسیاری از مناطق فقیر، پوشش شبکه تلفن همراه محدود است، برق غیرقابل اعتماد است و سواد دیجیتال تنها در جمع آوری داده های با تکنولوژی بالا ممکن است آسیب پذیرترین جمعیت ها را حذف کرده و نتایج را تولید کند - ترکیب روش های کم فناوری مانند نظرسنجی های کاغذی برای برخی از ابزارهای دیجیتال برای اطمینان از عوامل ضروری است.

ظرفیت سازی ساختمان و پایداری

معرفی ابزارهای پیشرفته M&؛ ابزارهایی بدون سرمایه گذاری در مهارت های محلی و زیرساخت ها اغلب منجر به وابستگی به مشاوران خارجی می شود. پروژه های کوتاه مدت ممکن است هواپیماهای بدون سرنشین گران قیمت یا نرم افزار تجزیه و تحلیل را به کار گیرند، اما هنگامی که بودجه به پایان می رسد، کارکنان محلی ممکن است فاقد تخصص برای حفظ سیستم های توسعه پایدار هستند. LT نیاز به جاسازی برنامه های آموزشی در موسسات محلی، ترویج نرم افزار منبع باز، و ساخت قابلیت های تحلیلی از واحدهای پشتیبانی شبکه های توسعه یافته است.

اعتبار و حق امتیاز

فن آوری ها و روش های جدید به طور خودکار برتر نیستند.تخصوصی "داده های بزرگ" می تواند به تمرکز بر آنچه که به سادگی اندازه گیری می شود، به جای آنچه مهم است، منجر شود.برای مثال، تصاویر ماهواره ای برای اندازه گیری تغییرات فیزیکی در زیرساخت ها عالی است، اما هیچ بینشی در مورد چگونگی بهبود انسجام اجتماعی یا توانمندسازی فراهم نمی کند؛ تمرین کنندگان باید در مورد مناسب بودن هر ابزار، اطمینان از روش ارزیابی و پاسخ به سوال، حیاتی باقی بمانند.

مسیر های آینده

چندین روند موج بعدی نوآوری را در کمک های خارجی M& شکل می دهد؛ E. همگرایی هوش مصنوعی با تصاویر ماهواره ای، نظارت تقریباً در زمان واقعی کل مناطق را برای تغییرات در فعالیت اقتصادی، تخریب محیط زیست و خطر درگیری فراهم می کند.

پلتفرم های دیجیتال مشارکتی احتمالاً پیچیده تر می شوند و به جوامع اجازه می دهد نه تنها بازخورد ارائه دهند بلکه همچنین به مداخلات طراحی مشترک و تجزیه و تحلیل داده های علمی شهروندان، که داوطلبان محلی داده ها را جمع آوری و تفسیر می کنند، در سلامت و نظارت زیست محیطی در حال گسترش هستند.

بلاک چین ممکن است فراتر از مراحل آزمایشی حرکت کند تا به یک جزء استاندارد از شفافیت کمک تبدیل شود، به ویژه در زیرساخت های بزرگ و پروژه های تدارکات، تاکید رو به رشد بر محلی سازی – تعهدی از اهداکنندگان بزرگ برای تغییر منابع و تصمیم گیری به بازیگران محلی – تقاضا برای M& را هدایت می کند؛ سیستم هایی که متعلق به دولت های ملی و سازمان های جامعه مدنی هستند.

در نهایت، ادغام M&؛E با تصمیم گیری در زمان واقعی – که گاهی اوقات به نام “برنامه نویسی تطبیقی” نامیده می شود – همچنان خط بین ارزیابی و سیستم های مدیریت پروژه را محو می کند که جریان های داده مداوم را با تجزیه و تحلیل خودکار ترکیب می کنند و داشبوردها برنامه های کمک را برای پاسخ به شرایط تغییر با سرعت بی سابقه، به شرطی که حفاظت اخلاقی و نظارت انسانی حفظ می شوند، فعال می کنند.

نتیجه گیری

نوآوری های شرح داده شده در این مقاله نشان دهنده یک تغییر اساسی در چگونگی نظارت و ارزیابی پروژه های کمک های خارجی است. تصاویر ماهواره ای، ابزارهای تلفن همراه، تجزیه و تحلیل AI، روش های مشارکتی و بلاکچین هر کدام مزایای منحصر به فرد را ارائه می دهند، اما هیچ کدام یک پانادایا موثرترین سیستم های M& نیست؛ سیستم های M، در نهایت ترکیب با زمینه های محلی، اولویت بندی مشارکت و حفاظت از ذینفع ها، به عنوان کمک های خارجی، به بهترین وجه به پیشرفت در جوامع اخلاقی ادامه می دهند و سیستم های کاربردی، و اثبات شکست های M&.

ذینفعان - از اهداکنندگان و سازمان های اجرای به دولت ها و جوامع محلی - باید برای غلبه بر چالش های مداوم حریم خصوصی داده ها، محرومیت دیجیتال و شکاف ظرفیت همکاری کنند.تنها پس از آن می تواند وعده نوآوری در نظارت و ارزیابی به طور کامل برای بهبود زندگی از آسیب پذیرترین مردم جهان تحقق یابد.