分列的数据

最近更新时间:

分类数据指从多个来源和/或多个度量、变量或个人收集的数字或非数字信息;(2)编译成聚合数据即:那summaries of data—typically for the purposes of public reporting or statistical analysis; and then (3) broken down in component parts or smaller units of data. For example, information about whether individual students graduated from high school can be compiled and summarized into a single graduation rate for a school or a graduating class, and annual graduation rates for individual schools can then be aggregated into graduation rates for districts, states, and countries. Graduation rates can then be分解例如,为了显示男女学生、白人学生和非白人学生的毕业比例。一般来说,对数据进行分类是为了揭示在汇总数据集中无法观察到的潜在趋势、模式或见解,例如标准化测试分数例如,在不同类别的学生划船的招生模式。

虽然大多数分列的教育数据是数值的,但它既是可能的,也可以分解非数字信息。例如,学区中的教育工作者,学生和家长可能会在一个主题上进行调查,然后可以将这些调查的信息和评论汇总成一份报告,该报告显示三组教育者,学生和父母集体的内容想想和感受这个问题。然后,编译的信息可以分解并报告每个不同的组,以比较教育工作者,学生和父母如何感知问题的差异。在民意调查,访谈和焦点小组中收集的信息可以以类似的方式汇总和分解。

为了进一步说明分类数据的概念以及如何在公共教育中使用,考虑一所学校入学500名学生,这意味着学校维持500名学生记录,其中每个学生记录都包含有关注册学生的各种信息。- 例如,姓氏,家庭住址,出生日期,种族或种族识别,日期和课程,课程,获得的课程等级,测试分数等(个人收集和维持的信息学生经常被称为学生层次的数据除其他条款中)。每年一次或两次,学区可能需要向其国家教育部提交学生招生报告。然后,该区的每所学校将编制一份报告,该报告将目前在学校和每个年级纳入学校的学生人数,这需要管理员将数据从所有个人学生记录中汇总,以产生报告报告。该区现在有学校学生的注册信息。未来五年,学区可以利用这些年度报告来分析全区招生、每所学校或每个年级招生的增加或减少情况。然而,该学区无法根据从学校收到的总体数据确定白人和非白人学生的入学率是增加了还是减少了。例如,要制作一份报告,显示不同种族和民族的独特招生趋势,学区学校就需要分解按种族和民族分组登记信息。

汇总数据与分类数据

汇总数据是指对数据进行汇编和总结;分解数据是将聚合的数据分解成组成部分或更小的数据单元。虽然汇总数据和分类数据之间的区别看起来很简单,但这里有一个细微之处值得讨论:教育领域的许多“分类”数据实际上是技术上的数据汇总在某种程度上,从维护个人学生的记录。例如,毕业率被广泛被认为是“总数据”,而对于不同种族和种族的学生的不同亚组的毕业率,对于不同种族和种族的学生通常被认为是“分列的数据”。然而,为了制定报告,将争论和种族分解毕业率,个人学生的数据实际上必须是“汇总”,以便为不同的种族亚组产生摘要毕业率。最有可能的是,聚合和分列数据之间的这种区别是由于历史上,只有在全职,区域范围内或全州教育绩效上只有汇总数据是可容易或公开的。调查或报告诸如此类的主题时聚合数据分类数据,重要的是要准确地确定术语如何在特定上下文中使用。

改革

在21世纪初之前,大多数州教育机构和地区只收集公立学校注册学生的综合数据。然而,今天,美国所有50个州都有收集和维护学生水平数据的州一级系统,而不仅仅是汇总记录,这使得州教育机构可以对学校和学生表现产生汇总和分类报告(公立学区通常从学校收集学生水平的数据,各州从各区收集学生水平的数据)。

虽然高中毕业率或平均考试成绩等总数据可以产生各种重要的见解,近年来倡导了大量的学校领导人,研究人员,教育改革者和决策者,以便在分解数据揭露潜在的潜在界面的重要性趋势和问题的差距机会的差距学习空白和其他不公平现象在公共教育系统中。例如,如果可以获得唯一的毕业数据是个别学校的年度价格,这一总数据可能会对低收入家庭,颜色学生,残疾学生的学生,或者没有精通学生的学生英语这门语言。一世t’s possible for a school’s aggregate graduation rate to appear strong overall—say, 90 percent—but when the data are disaggregated for different groups of students, the disaggregation may reveal, for example, that more than 50 percent of the African American and Hispanic students in the school fail to graduate.

当数据被分类后,教育工作者还可以获得关于某些学生群体的教育表现和学习需求的更详细的信息,这使他们能够设计更合适或有效的教育体验和学术支持。F或example, disaggregated data may help school leaders and educators to direct limited resources—such as funding, staff time, or social services—where they are needed most (i.e., to those groups of students who are the furthest behind, struggling the most academically, or at greatest risk of dropping out).

一般来说,收集和报告汇总和分类数据的主要目的是向监督学校或努力改善学校的人提供有关公立学校和学生表现的有用信息。虽然这两种形式的数据对于了解公共教育系统的运作方式都是必不可少的,但汇总数据报告一般仅限于确定教育领域更广泛的趋势和模式,虽然分类数据更有助于诊断更深层次的潜在问题,如不同学生群体之间的教育成绩差异。

辩论

在公共教育中,汇总数据已经被广泛收集和公开报道了几十年,在大多数情况下,汇总数据的使用在公共教育中并不是一个有争议的话题,主要是因为汇总数据比收集、分享、以及使用特定学生的数据和个人信息。

虽然学生级别的数据和个人信息的安全、隐私和保密性是更严重的问题,但在某些情况下,即使数据似乎不包含个人可识别的信息,也可能间接地揭示特定学生的身份,即。,这些信息可能直接或间接透露特定学生的身份或个人信息。例如,在一些农村学校,少数族裔学生的人数可能非常少——整个学校只有一到两个有色人种学生。如果州或地区的记录包含了不同种族的测试分数或水平,那么非洲裔美国学生、西班牙裔美国学生或亚洲学生的个人身份可能会在无意中暴露出来,即使这些分类数据是“匿名的”(通过查看数据,那些熟悉学校的人,或者知道谁是少数族裔学生的人,可以推断出哪些学生获得了哪些考试分数)。出于这个原因,各州、地区和学校可能会这样做面具抑制(即,不公开报告或分享)某些数据时子组足够小,以潜在地将否则将匿名数据连接到特定的学生。

有关相关辩论的更详细讨论,请参见个人身份信息

Creative Commons许可
狗万app怎么下载经过4manbet cc在a下获得许可知识共享署名-非商业-相似共享4.0国际许可