Quatre nombres sur lesquels un directeur d'école peut agir

Comptez d’abord les dénominateurs

L’habitude que ce module construit depuis le début, une dernière fois.

Indicateur	Dénominateur	n
Taux brut de scolarisation	Enfants de 6 à 11 ans (projetés)	963
Taux net de scolarisation	Enfants de 6 à 11 ans (projetés)	963
Part en retard d’âge	Inscrits du primaire	1 052
Assiduité moyenne quotidienne	Pointages faits	69 974
Élèves présents 90 %+	Élèves avec 20 pointages ou plus	1 200
Passage, redoublement, abandon	Élèves 2023 hors transferts	1 255
Transition d’un an	Élèves présents les deux années	1 103
Apprentissages, tous présents	Élèves ayant passé chaque épreuve	741 / 658
Apprentissages, panel	Élèves ayant passé les deux	585

Six dénominateurs différents et aucun n’est « les élèves ». Deux sont des populations projetées, deux sont des pointages, trois sont des effectifs d’élèves sous des règles différentes, et un est un sous-échantillon d’un sous-échantillon.

import pandas as pd

denominators = pd.DataFrame([
    ("gross enrolment", "children aged 6-11, projected", 963),
    ("attendance, ADA", "marks made", 69974),
    ("attendance, regular", "students with 20+ marks", 1200),
    ("dropout", "2023 students, transfers excluded", 1255),
    ("learning change", "students who sat both rounds", 585),
], columns=["indicator", "denominator", "n"])
print(denominators)

# Build it in code, print it above the results, every time.

Le rapport de district

Education, four districts, school year 2023-24

ENROLMENT                                   denominator: 963 projected 6-11
  Gross enrolment ratio           109.2%    1,052 primary enrolees
  Net enrolment ratio              97.4%      938 aged 6-11
  Over-age for grade               36.4%    grade 1 17.0%, grade 6 50.8%

  Denominator is a 2015 census projected at 2.1% a year; about a sixth of it
  is an assumption. 12 student-years were recorded twice and deduplicated.

ATTENDANCE                                  February to April 2024
  Average daily attendance         88.4%    69,974 marks
  Students attending 90%+ of days  62.1%    1,200 students with 20+ marks
  Students below 75%                9.5%    114 students

  SCH07 and SCH18 were closed 11-29 March, fifteen school days. Their rates
  are computed on the 45 days they opened. Counting the closure as absence
  would report them at 66.1% and 63.9% and rank them worst.

RETENTION                                   2023 cohort, transfers excluded
  Promotion (incl. completion)     78.4%    n=1,255
  Repetition                       10.1%
  Dropout                          10.5%
  One-year transition observed     88.5%    n=1,103 in both years

  Dropout is 19.5% among over-age students against 4.8% in-age.
  Centre reports repetition at 7.4% against 12.0-12.3% elsewhere while
  holding the highest over-age share; treat as a recording difference.

LEARNING                                    literacy
  Below minimum band        19.3% -> 11.1%
  Advanced band             11.9% -> 26.1%
  Items correct, panel      56.8% -> 63.7%   +6.9 points, n=585
  Items correct, all comers 53.1% -> 61.8%   +8.7 points

  Instruments were 40 and 50 items; raw scores are not comparable and are not
  reported. 156 baseline students did not sit the endline and scored 39.3%
  against 56.8% for those who did.

NOT REPORTED
  Survival to the final grade. A reconstructed cohort gives 19.3% on
  promotion and 40.3% on retention; neither is a completion rate. A true
  cohort needs six years of the register or a household survey.
  Safely managed anything. This is an enrolment register, not a survey of
  children out of school — every denominator above counts children the
  system already has.

Les quatre nombres pour un directeur d’école

Un rapport de district n’est pas un rapport d’école, et remettre à un directeur le tableau ci-dessus est une façon de garantir qu’il ne se passera rien.

Quatre nombres, chacun rattaché à quelque chose qu’une école peut changer.

Nombre	Pourquoi celui-là	L’action
Élèves sous 75 % de présence	Une liste, non un taux	Visite de suivi ce trimestre
Part en retard d’âge en première année	L’entrée tardive se corrige à l’inscription	Campagne d’inscription
Taux de redoublement de cette école	Une décision que l’école prend	Revoir les critères
Part sous la bande minimum	Les enfants qui n’apprennent pas à lire	Soutien ciblé

follow_up = (attendance_rates < 0.75).sum()
print(f"students to visit this term: {follow_up}")

# One number, one list, one action.

Remarquez ce qui ne figure pas sur cette liste. Le taux brut de scolarisation est un nombre de planification de district et un directeur ne peut pas le déplacer. L’assiduité moyenne quotidienne est un indicateur de système et elle masque précisément les enfants que l’école devrait visiter. Les deux ont leur place dans le rapport de district et aucun n’a sa place au mur d’une école.

Faites correspondre l’indicateur au périmètre réel de décision de son destinataire, ce qui est la règle qu’appliquait le cours EAH à une équipe mobile et le cours de protection à une charge de dossiers — et la raison pour laquelle un tableau de bord unique pour tous les publics n’en sert aucun.

La distinction pour laquelle tout ce cours existait

Inscrit, présent et apprenant sont trois populations différentes, et ce cours a produit un nombre pour chacune sur les mêmes enfants.

funnel = pd.DataFrame([
    ("enrolled in primary", 1052),
    ("attending 90%+ of days", int(1200 * 0.621)),
    ("proficient or advanced in literacy", int(658 * 0.65)),
], columns=["stage", "students"])
print(funnel)

# Three stages, three denominators. Do not draw them as one funnel without
# saying so.

Ces trois-là ne peuvent pas être enchaînés en entonnoir, car ils sont mesurés sur des dénominateurs différents et sur des périodes différentes — et les dessiner comme un seul est l’erreur la plus courante des tableaux de bord éducatifs après le taux de scolarisation.

Ce qu’ils permettent en revanche, c’est la phrase que ce cours existe pour rendre disponible : un système peut scolariser presque chaque enfant d’âge scolaire, avoir la plupart d’entre eux présents la plupart des jours, et laisser malgré tout un enfant sur neuf incapable de lire au niveau minimum — et chacun de ces trois faits exige son propre instrument, son propre dénominateur et sa propre réserve.

Le module 4, en un paragraphe

Six secteurs, six vocabulaires, un seul jeu de questions.

Qu’ai-je compté, sur quoi ? Des personnes-temps en épidémiologie, des visites en EAH, des cas consentants en protection, des pointages en éducation. Aucun de ces dénominateurs n’était « la population » et aucun n’allait de soi.

Qu’est-ce qui pourrait aussi l’expliquer ? Une structure par âge dans une épidémie de choléra, une route coupée dans un district d’eau, l’ouverture d’un service dans une charge de dossiers de protection, une grève dans un registre scolaire. Dans chaque cas la chose absente n’était pas une valeur et rien dans le fichier ne l’annonçait.

Que devrait-on faire différemment ? La question qui décide si les deux premières valaient la peine d’être posées, et celle qui décide quels quatre nombres parviennent à la personne capable d’agir.

La suite

Le module 4 est achevé. Le module 5 passe de la description des données de programme à leur modélisation — régression, prévision et les tableaux de bord qui en portent le résultat — et chacun de ses cours s’appuie sur les fichiers que ce module a construits.