Conception d'indicateurs et cadre logique

Ce public est jugé sur sa capacité à défendre un chiffre en revue, non à le produire. Le module 2 a amené les données à un état où un chiffre peut être calculé. Ce cours porte sur le choix de ce chiffre, sur ses raisons, et sur la manière de le consigner pour que la personne qui vous remplacera calcule le même.

L’artefact central est la fiche de référence d’indicateur : une page par indicateur portant le numérateur, le dénominateur, la désagrégation, la fréquence, la source et — le champ que presque tous les modèles omettent — la décision que le chiffre éclaire. Un indicateur qui n’éclaire aucune décision est un coût de rapportage, et nommer la décision est le moyen le plus rapide de découvrir que vous en avez plusieurs.

La défaillance récurrente que ce cours existe pour prévenir est celle que le cours Évaluation de la qualité des données retrouvait sous tout le reste — deux personnes calculant des choses différentes sous un même nom d’indicateur. Ce n’est pas un problème de qualité des données et aucun nettoyage n’y remédie. C’est un problème de définition, et les définitions sont bon marché à corriger et définitives une fois corrigées.

Python et R tout du long, même si ce cours contient plus de prose et moins de chaînes de traitement que le reste du module — la difficulté d’un indicateur est rarement l’arithmétique. Les exemples s’exécutent sur l’extraction vaccinale de type DHIS2, où l’abandon entre penta1 et penta3 atteint 13,8 % et où tout taux de couverture repose sur un dénominateur projeté d’un recensement de 2015, et sur le registre de dépistage par PB, où 4 218 dépistages ne font pas 4 206 enregistrements et où ni l’un ni l’autre n’est le nombre d’enfants.

Vous devriez avoir suivi Fondamentaux de l’analyse de données. Le module 2 n’est pas un prérequis, mais chaque exemple suppose que vous savez déjà pourquoi un rapport manquant n’est pas un zéro.