سنجش نتیجه برنامههای خیریه با هوش مصنوعی
مشخص کنید برنامه قراره چه تغییری ایجاد کنه، از کجا میفهمید اون تغییر اتفاق افتاده و برای گزارش به هیاتمدیره یا حامی مالی چه دادهای واقعا لازم دارید.
سنجش نتیجه برنامههای خیریه با هوش مصنوعی وقتی به درد میخوره که گزارش شما تعداد کارگاه و شرکتکننده رو داره اما هنوز معلوم نیست شرکت در برنامه چه تغییری ایجاد کرده. اسکیل nonprofit-outcomes-measurement از نتیجههایی که تیم قبلا تعریف کرده شروع میکنه. بعد برای هر نتیجه یک شاخص قابل اندازهگیری، مبنای مقایسه، هدف، زمان گردآوری و صاحب کار میذاره. به این ترتیب کسی که عدد رو میخونه میفهمه دقیقا درباره چه افرادی و چه بازهای صحبت میکنید.
فرض کنید برنامهای برای آماده شدن برای مصاحبه شغلی دارید. تعداد جلسههای برگزارشده یک خروجیه. اینکه چند نفر در بازه مشخص به مصاحبه رسیدن یک نتیجه متفاوت محسوب میشه. میشه بررسی کرد کدوم عدد از پرونده اداری مجاز درمیآد و برای کدوم باید نظر داوطلبانه شرکتکننده رو بپرسید. اگر گروه مقایسه ندارید، تغییر قبل و بعد رو میشه گزارش کرد ولی نسبت دادن همه تغییر به برنامه نیاز به شواهد بیشتری داره.
کاربردها
- برای انتخاب شاخص نتیجه، تعریف و جمعیت مورد سنجش رو روشن کنید.
- در طراحی ارزیابی برنامه، هزینه و زمان جمعآوری داده رو با توان تیم بسنجید.
- برای گزارش اثر برنامه، خروجی فعالیت رو از تغییر واقعی شرکتکننده جدا کنید.
- مبنای مقایسه و هدف هر شاخص رو با تاریخ و منبع در جدول بیارید.
- کار گردآوری داده رو بین نقشها تقسیم کنید و موارد بدون مدرک رو مشخص بذارید.
نصب و استفاده
- اسکیل رو در ایجنتتون نصب کنید و منطق برنامه، نتیجه مورد انتظار، مخاطب گزارش و آمار تجمیعی مجاز رو بدید. استفاده از یک پرسشنامه تخصصی جداگانه به اجازه و شرایط خود اون ابزار بستگی داره.
- بگید «برای برنامه آمادگی شغلی سه شاخص قابل اندازهگیری پیشنهاد بده. برای هر کدوم منبع، زمان و محدودیت نتیجهگیری رو بنویس.»
- تعریفها رو با تیم اجرا چک کنید و قبل از استفاده از پاسخ افراد، رضایت و روش نگهداری امن رو مشخص کنید.
سوالات متداول
منبع
ساخته Nonprofit Skills (Sector Skills). نام اصلی: nonprofit-outcomes-measurement، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub