{"id":670,"date":"2019-03-18T12:13:21","date_gmt":"2019-03-18T12:13:21","guid":{"rendered":"http:\/\/virtualseminar.icae.global\/?p=670"},"modified":"2019-03-18T12:33:13","modified_gmt":"2019-03-18T12:33:13","slug":"the-challenges-regarding-data-production","status":"publish","type":"post","link":"http:\/\/virtualseminar.icae.global\/?p=670","title":{"rendered":"The challenges regarding data production"},"content":{"rendered":"\n

The challenges regarding data production<\/strong><\/p>\n\n\n\n

El texto en espa\u00f1ol est\u00e1 abajo.\/ Le texte fran\u00e7ais est ci-dessous<\/em><\/p>\n\n\n\n

C\u00e9sar Guadalupe<\/strong> is a Doctor of Education (Sussex), M.A. Social and Political Thought (Sussex) and Sociologist (PUCP). He is a Senior Lecturer-Researcher at the Universidad del Pac\u00edfico (Peru). Previously he served for eleven years at the UNESCO Institute for Statistics, and UNESCO\/Santiago. He is a member of the Peruvian National Education Council (2014\u20132020) and its current Chair (2017\u20132020). <\/p>\n\n\n\n

Abstract<\/strong>\u2013 This article identifies some major issues regarding the generation and availability of data on youth and adult education. It discusses the production of data on programmes and enrolment, as well as financing and issues related to the identification of the target populations. A special focus is set on the realm of testing skills and competences, given their complexity as well as the paramount profile and importance that they have acquired in recent years. The article stresses the fact that technical attributes of data generation endeavours are contingent upon their purposes. A non-technocratic and more politically-sensitive approach to data generation is promoted. <\/em><\/p>\n\n\n\n

Systematic data on youth and adult education are scarce, and their quality is often not properly documented or known. This is somewhat typical of a field that is too often overlooked, also in educational policies.<\/p>\n\n\n\n

Apart from neglecting practices, there might be other factors preventing the development of a body of evidence that can play a role, not only regarding the analysis and debates on youth and adult education, but also in raising its profile.<\/p>\n\n\n\n

This article looks at four areas in which data are scarce or not systematic: (i) programmes and enrolment data; (ii) learning outcomes; (iii) population to be served; and (iv) financing.<\/p>\n\n\n\n

Each of these areas faces particular issues. Understanding them will enable stakeholders to better align their data-\u00adrelated activities by having an organised frame of ref\u00aderence.<\/p>\n\n\n\n

Educational programmes and enrolment<\/strong><\/p>\n\n\n\n

Youth and adult education programmes are highly diverse in the way they are organised and delivered, as well as which agencies are involved in organising and delivering them. The purposes that they aim to serve are equally diverse. In comparison to regular school programmes for children, however, the world of youth and adult education seems to be much more difficult to grasp.<\/p>\n\n\n\n

We can nevertheless sort youth and adult education programmes into three main categories: (i) programmes that are equivalent to those recognised as \u201cofficial\u201d in the country, that is leading towards official certifications that open up opportunities for further studies in the formal education system; (ii) programmes with specific purposes that serve specific needs and do not lead to formal certifications; and (iii) a combination of the first two.<\/p>\n\n\n\n

The first group of programmes can be mapped into the national qualifications structure, and into the International Standard Classification of Education (UNESCO\/UIS 2013). The organisation of enrolment and graduation records should facilitate that transfer. The second group of programmes represents a different challenge, since there is no need to map them into formal tracks, unless a standard compilation of data is needed for some specific purposes. In this case, a flexible classification scheme that acknowledges the nature of these programmes (as continuing education not leading to formal certificates) is called for.<\/p>\n\n\n\n

In both cases (as well as in those cases that combine the two), agreement among stakeholders is needed. Some might need to accept that data generation might not have the exact form that they would like it to, but that there is a more general benefit stemming from being able to portray a comprehensive and reliable map of youth and adult education programmes in general.<\/p>\n\n\n\n

As soon as the previous issue is sorted out, we need to focus on recording enrolment information. Here we must differentiate between two distinct observational units: (i) individuals and (ii) units of service (individuals served by a given programme). A typical issue stems from confounding these two things: An individual can be registered in more than one programme, and this individual should therefore be counted as one (if the focus is placed on headcounts), but there might be many units of service. Adding up participants in different programmes does not necessarily yield a total number of participants as individuals. The only exception is when enrolment in a given programme precludes enrolment in another programme in a given period of time.<\/p>\n\n\n\n

\u201c\u0007Measuring learning outcomes is probably the most difficult and most debated area of data generation in education.\u201d<\/em><\/strong><\/p>\n\n\n\n

Now, recording units of service entails a risk of counting programmes that are extremely diverse as if they were equivalent. For instance, a six-hour programme should not count as equivalent to a one-semester part-time programme. This is especially true if one is interested in acquiring information on financing and allocation of resources. Using some equivalent unit such as credit hours is one way to sort out this problem.<\/p>\n\n\n\n

It would therefore ultimately be possible to report participants (as headcounts), as well as units of service in equivalents of participant hours\/days\/credits.<\/p>\n\n\n\n

Learning outcomes<\/strong><\/p>\n\n\n\n

Measuring learning outcomes is probably the most difficult and most debated area of data generation in education. As in any information generation endeavour, the key question is how to identify, from the very beginning, the purpose(s) that the data generation effort is going to serve. If comparison (in time, across groups) is important (to identify progress, or gaps), that purpose should be ensured in every step along the way. This includes the way in which measuring instruments are built and administered.<\/p>\n\n\n\n

Programmes are usually structured to help teachers or facilitators provide a comprehensive assessment of participants\u2019 progress and achievements. Those assessment efforts are necessarily focused on each particular setting, and therefore mobilise different criteria. This makes it difficult to generate aggregated data that is meaningful beyond a simple (and not very specific) counting of those who pass\/fail\/complete a programme. We are left without any certainty with regard to the actual competences that attendees have developed. It is also difficult to track progress over time when the actual criteria used for assessing might change (if one wants to measure change, it is important not to change the measure).<\/p>\n\n\n\n

From these final elements stems the fact that standardised measures of skills and competences might be needed. However, testing competences is a complex task that poses challenges pertaining to several aspects, including validity and reliability issues. In this regard, it is important to pay due attention to the complexity of testing (American Educational Research Association et al. 2014), and to be wary of proposals that offer a cheap, quick fix to a complex problem.<\/p>\n\n\n\n

For instance, a test can be designed in such a way as to rank individuals (differentiating between those who perform better\/worse than others, regardless of the performance level that they achieve; this is what is usually known as a norm-referenced test), or to identify how they perform as compared to an expectation explicitly stated as a sort of standard or performance level (this is known as a criterion-references test), or a combination of those (Glaser 1963). This has major consequences on deciding which questions (items that include a stimulus and a question or task) are included in a particular test.<\/p>\n\n\n\n

A test should also be able to properly represent what it claims to measure (\u201cconstruct validity\u201d). It should be able to capture the main components of that construct (\u201ccontent validity\u201d). It should also be valid in relation to a particular observable behaviour that it is intended to describe (\u201cconcurrent validity\u201d) or anticipate (\u201cpredictive validity\u201d). Finally, it is important that when designing a measurement mechanism, attention is given to the consequences (\u201cconsequential validity\u201d) that it can have on the social setting in which it operates (Zumbo & Hubley 2016).<\/p>\n\n\n\n

The last element also points towards considering the overall institutional context and conditions under which a particular test is designed, administered and used. Data can be mobilised for different purposes, including some controversial political ends (Gorur 2015, 2017; Grek 2009, 2015; Guadalupe 2017; Hamilton 2012).<\/p>\n\n\n\n

\"\"
\u00a9 Shira Bentley<\/figcaption><\/figure><\/div>\n\n\n\n

We also need to consider the way in which data will be processed and analysed. Current testing practices tend to rely on mathematical models grouped under the label Item Response Theory (Baker 2001; Hambleton & Jones 1993; Hambleton et al. 1991). This approach allows for a more precise way of addressing the actual attributes that individual questions (items) have when applied to a given popu\u00adlation and, therefore, it allows identifying issues pertaining to how different populations respond to different questions which might affect the usability of some items for having reliable comparable data (Zumbo 1999, 2007). <\/p>\n\n\n\n

Finally, if a particular test is going to be administered to individuals from different cultural and linguistic backgrounds, some specific issues arise in relation to the translation and adaptation of tests (Hambleton 2005; Hambleton et al. 2005).<\/p>\n\n\n\n

The target population<\/strong><\/p>\n\n\n\n

Youth and adult education programmes are increasingly important in a world that is becoming progressively aware that education and learning take place along the whole course of life. This frequently makes it tricky to have a definition of the target population to be served, thus making it impossible to properly estimate the coverage of these programmes beyond a simple measure of the \u201cnumber of participants\u201d.<\/p>\n\n\n\n

A first way of addressing this topic requires differentiating according to the intentionality of the programmes: (i) programmes that have a remedial component in relation to failure to complete compulsory education, and (ii) programmes that go beyond remedial purposes.<\/p>\n\n\n\n

It is clear that the first group of programmes should have a definite target population: those who did not complete (or even start) compulsory schooling when they were supposed to. Household survey data can be used to estimate this segment of the population (Guadalupe et al. 2016; Guadalupe & Taccari 2004; UNESCO Santiago 2004), and these estimates are of paramount importance to avoid a trend towards self-complacent practices that are too focused on what we do, and neglect what we have to do. At the same time, estimates of the number of people who did not complete compulsory schooling might underestimate the need for remedial programmes since, unfortunately, many people complete schooling without developing the competences and skills that they should. Estimating this additional need can be done by surveying the distribution of competences among adults.<\/p>\n\n\n\n

For non-remedial programmes, there is no clear or precise way of identifying a target population; thus, coverage can be estimated only as a proportion of the whole youth and adult population.<\/p>\n\n\n\n

Collecting data on financing<\/strong><\/p>\n\n\n\n

This is probably the most problematic area because of the diversity of ways in which information is recorded in governmental sources, but also for the huge practical challenges entailed in trying to compile organised and systematic data from non-governmental sources. Having standard definitions of major components (current expenditure as opposed to investments; salaries as distinct from other current expenses; overheads or administrative costs) is not always an easy thing to do.<\/p>\n\n\n\n

At the same time, information on finance should be read against some sort of benchmark that would provide indications of the level of sufficiency of the resources invested. Establishing a benchmark is difficult (UNESCO Santiago 2007) since it requires one to have a clear estimation of needs (which are diverse, so that addressing them involves diverse costs). We must also disregard the oversimplifications that have populated the world of education for decades, such as establishing a magical (impossible to sustain) fixed percentage of something (production, public expenditure, etc.) that appears as applicable everywhere (as if diversity did not exist), in a world where diversity and change are the rules and for long periods of time (as if change did not exist).<\/p>\n\n\n\n

The next move is yours<\/strong><\/p>\n\n\n\n

This article is a quick summary of the major issues pertaining to the realm of data generation in youth and adult education. Data generation (not collection, since data is not a natural element that can be collected like berries, but consists of social constructions based on concepts, interests, ideas, etc.) cannot be taken as a simple issue or as something purely technical, void of political and ideological elements. On the contrary, decisions on what data should be produced, how that data should be generated, compiled, analysed and reported, are fundamentally grounded on the purposes and agendas that a particular agent wants to advance (Guadalupe 2015). Therefore, a substantive and explicit definition of purpose(s) is the cornerstone of any data generation endeavour.<\/p>\n\n\n\n

At the same time, the previous point should not be used as an alibi to justify any decision regarding data: There are specific complexities and attributes that need to be properly factored into any data generation effort if sound, useful data is to be produced and reported. Cheap and quick \u201cfixes\u201d usually disregard the scientific properties that sound data have and, therefore, its usability. It is usually better not to have any data and be aware of this lack of evidence than to have poor data and assume that we have something on which we can rely. The first situation leads to careful action (including addressing the information gap), while the second leads to mistakes that affect people\u2019s lives.<\/p>\n\n\n\n

\n\n\n\n

References<\/strong><\/p>\n\n\n\n

American Educational Research Association, American Psychological Association & National Council on Measurement in Education (2014): Standards for educational & psychological tests. Washington, DC: AERA.

Baker, F. B. (2001): The basics of item response theory (2nd ed.). USA: ERIC Clearinghouse on Assessment and Evaluation.
Glaser, R. (1963): Instructional technology and the measurement of learning outcomes: Some questions. In: American Psychologist, 18(8), 519\u2013521. https:\/\/bit.ly\/2vgo7Bd<\/a>. 

Gorur, R. (2015): Assembling a Sociology of Numbers. In: Hamilton, M.; Maddox, B. and Addey, C. (eds.): Literacy as Numbers: Researching the Politics and Practices of International Literacy Assessment Regimes, 1\u201316. Cambridge: Cambridge University Press.

Gorur, R. (2017): Towards productive critique of large-scale comparisons in education. In: Critical Studies in Education, 58(3), 1\u201315. https:\/\/bit.ly\/2Mbw1Ce<\/a>.

Grek, S. (2009): Governing by Numbers: The PISA \u201cEffect\u201d in Europe. In: Journal of Education Policy, 24(1), 23\u201337.

Grek, S. (2015): Transnational education policy-making: international assessments and the formation of a new institutional order. In: Hamilton, M.; Maddox, B. and Addey, C. (eds.): Literacy as numbers: researching the politics and practices of international literacy assessment, 35\u201352. Cambridge: Cambridge University Press.

Guadalupe, C. and Taccari, D. (2004): Conclusi\u00f3n Universal de la Educaci\u00f3n Primaria: \u00bfc\u00f3mo evaluar el progreso hacia esta meta? Santiago de Chile: UNESCO. https:\/\/bit.ly\/2M9UmIl<\/a> 

Guadalupe, C. (2015): Contar para que cuente: una introducci\u00f3n general a los sistemas de informaci\u00f3n educativa. Lima: Universidad del Pac\u00edfico. https:\/\/bit.ly\/2n5LFUU<\/a>

Guadalupe, C.; Castillo, L. E.; Castro, M. P.; Villanueva, A. and Urquizo, C. (2016): Conclusi\u00f3n de estudios primarios y secundarios en el Per\u00fa: progreso, cierre de brechas y poblaciones rezagadas (Documentos de Discusi\u00f3n No. DD1615). https:\/\/bit.ly\/2OEy8zQ<\/a>

Guadalupe, C. (2017): Standardisation and diversity in international assessments: barking up the wrong tree? In: Critical Studies in Education, 58(3), 326\u2013340. https:\/\/bit.ly\/2vpWhRW<\/a> 

Hambleton, R. K. et al. (1991): Fundamentals of Item Response Theory. Newbury Park, London, New Delhi: Sage.

Hambleton, R. K. and Jones, R. W. (1993): An NCME Instructional Modul on Comparison of Classical Test Theory and Item Response Theory and their Applications To Test Development. In: Educational Measurement: Issues and Practice, 12(3), 38\u201347. https:\/\/bit.ly\/2J6bmi7<\/a>

Hambleton, R. K. (2005): Issues, Designs and Technical Guidelines for Adapting Tests Into Multiple Languages and Cultures. In: Hambleton, R. K.; Merenda, P. and Spielberger, C. (eds.): Adapting Psychological and Educational Tests for Cross-Cultural Assessment, 38(3). Mahwah, NJ: Lawrence Erlbaum Associates.
Hambleton, R. K.; Merenda, P. and Spielberger, C. (eds.) (2005): Adapting educational and psychological tests for cross-cultural assessment. Mahwah, NJ: Lawrence Erlbaum Associates.

Hamilton, M. (2012): Literacy and the Politics of Representation. Oxon: Routledge.

UNESCO Santiago (2004): La conclusi\u00f3n universal de la educaci\u00f3n primaria en Am\u00e9rica Latina: \u00bfEstamos realmente tan cerca? Santiago de Chile: UNESCO. https:\/\/bit.ly\/2vvmPBt<\/a>

UNESCO Santiago (2007): Educaci\u00f3n de calidad para todos: un asunto de Derechos Humanos. Santiago de Chile: UNESCO. https:\/\/bit.ly\/2f0VWOK<\/a>

UNESCO\/UIS (2013): International Standard Classification of Education. ISCED 2011. Montreal: UNESCO\/UIS.

Zumbo, B. (1999): A Handbook on the Theory and Methods of Differential Item Functioning (DIF): Logistic Regression Modeling as a Unitary Framework for Binary and Likert-type (Ordinal) Item Scores. Ottawa: Directorate of Human Resources Research and Evaluation, Department of National Defense.

Zumbo, B. (2007): Three Generations of DIF Analyses: Considering Where It Has Been, Where It Is Now, and Where It Is Going. In: Language Assessment Quarterly, 4(2), 223\u2013233. https:\/\/bit.ly\/2LO0OsE<\/a>

Zumbo, B. and Hubley, A. M. (2016): Bringing consequences and side effects of testing and assessment to the foreground. In: Assessment in Education: Principles, Policy & Practice, 23(2), 299\u2013303. https:\/\/bit.ly\/2vbhJuZ<\/a><\/p>\n\n\n\n

\n\n\n\n

Los desaf\u00edos que plantea la generaci\u00f3n de datos<\/strong><\/p>\n\n\n\n

C\u00e9sar Guadalupe<\/strong>  arts en pensamiento social y pol\u00edtico (Sussex) y soci\u00f3logo (PUCP). Es profesor-investigador en la Universidad del Pac\u00edfico (Per\u00fa). Anteriormente trabaj\u00f3 durante once a\u00f1os en el Instituto de Estad\u00edstica de la UNESCO y en UNESCO Santiago. Es miembro (2014-2020) y actual presidente (2017-2020) del Consejo Nacional de Educaci\u00f3n de Per\u00fa. <\/p>\n\n\n\n

\n\n\n\n

Resumen<\/strong> \u2013  <\/em>En este art\u00edculo se identifican algunos de los principales obst\u00e1culos que se afrontan en la generaci\u00f3n y disponibilidad de datos sobre educaci\u00f3n de j\u00f3venes y adultos. Se analiza la generaci\u00f3n de datos sobre programas y matr\u00edcula, al igual que sobre financiaci\u00f3n y problemas que surgen cuando se trata de identificar las poblaciones destinatarias. Se hace especial hincapi\u00e9 en la evaluaci\u00f3n mediante test de las habilidades y competencias, teniendo en cuenta la complejidad, el destacado perfil y la importancia que han adquirido estos test durante los \u00faltimos a\u00f1os. En el art\u00edculo se destaca el hecho de que los atributos t\u00e9cnicos de los procesos de generaci\u00f3n de datos dependen de los objetivos que se persiguen. Se sugiere basar la generaci\u00f3n de datos en un enfoque no tecnocr\u00e1tico y de mayor sensibilidad pol\u00edtica.  
<\/em><\/p>\n\n\n\n

\n\n\n\n

Los datos sistem\u00e1ticos sobre la educaci\u00f3n de j\u00f3venes y adultos son escasos, y por lo general no se tiene informaci\u00f3n sobre su calidad o \u00e9sta no ha sido debidamente documentada. Se trata de un fen\u00f3meno habitual en un campo que es ignorado con demasiada frecuencia, tambi\u00e9n en las pol\u00edticas educativas. 
<\/p>\n\n\n\n

Fuera de esa actitud de desinter\u00e9s puede haber otros factores que entorpecen el desarrollo de un conjunto de evidencias que no solo pueda influir en el an\u00e1lisis y los debates en torno a la educaci\u00f3n de j\u00f3venes y adultos, sino que adem\u00e1s le permita a \u00e9sta adquirir mayor notoriedad. <\/p>\n\n\n\n

En este art\u00edculo se exploran cuatro \u00e1reas en las que los datos son escasos o no son sistem\u00e1ticos: (i) datos sobre programas y matr\u00edcula; (ii) resultados de aprendizaje; (iii) poblaci\u00f3n destinataria; (iv) financiaci\u00f3n.
<\/p>\n\n\n\n

Cada una de estas \u00e1reas afronta dificultades espec\u00edficas. Una vez que los actores involucrados logren comprenderlas, y cuenten con un marco de referencia estructurado, ser\u00e1n capaces de coordinar m\u00e1s eficazmente sus actividades de gesti\u00f3n de datos.<\/p>\n\n\n\n

Programas educativos y matr\u00edcula<\/strong><\/p>\n\n\n\n

Los programas de educaci\u00f3n de j\u00f3venes y adultos son sumamente diversos en cuanto a la manera de organizarlos e impartirlos, y en cuanto a las entidades encargadas de esas tareas. Igualmente variados son los objetivos que pretenden alcanzar. En comparaci\u00f3n con los programas escolares tradicionales destinados a ni\u00f1os y ni\u00f1as, la educaci\u00f3n de j\u00f3venes y adultos se presenta como un \u00e1mbito mucho m\u00e1s dif\u00edcil de abordar.<\/p>\n\n\n\n

As\u00ed y todo, es posible clasificar los programas de educaci\u00f3n de j\u00f3venes y adultos en tres categor\u00edas principales: (i) programas equivalentes a aquellos que gozan de acreditaci\u00f3n \u201coficial\u201d en el pa\u00eds, es decir, que conducen a la obtenci\u00f3n de certificados oficiales que permiten realizar estudios superiores en el sistema de educaci\u00f3n formal; (ii) programas para fines espec\u00edficos que satisfacen determinadas necesidades y no conducen a la obtenci\u00f3n de certificados formales; y (iii) una combinaci\u00f3n de las dos modalidades anteriores.<\/p>\n\n\n\n

El primer grupo de programas puede incluirse en la estructura nacional de cualificaciones y en la Clasificaci\u00f3n Internacional Normalizada de la Educaci\u00f3n (UNESCO\/UIS 2013). Las organizaciones encargadas de los registros de matr\u00edcula y graduaci\u00f3n deber\u00edan facilitar la transferencia. El segundo grupo de programas plantea una dificultad distinta, ya que no es necesario insertarlos en trayectorias formales, a menos que se requiera una compilaci\u00f3n normalizada de datos para un determinado fin. En tal caso, ser\u00e1 preciso recurrir a un sistema de clasificaci\u00f3n flexible en el que se reconozca la naturaleza de estos programas (iniciativas de educaci\u00f3n continua que no conducen a la obtenci\u00f3n de certificados formales). <\/p>\n\n\n\n

En ambos casos (y tambi\u00e9n cuando se combinan las dos alternativas) es menester que las partes involucradas lleguen a un acuerdo. Es probable que algunas de estas partes deban aceptar que, si bien la generaci\u00f3n de datos no adoptar\u00e1 la forma exacta que hab\u00edan deseado, se obtendr\u00e1 un beneficio m\u00e1s general gracias a la posibilidad de trazar un mapa integral y confiable de los programas de educaci\u00f3n para j\u00f3venes y adultos en general. <\/p>\n\n\n\n

\u201cLa medici\u00f3n de los resultados de aprendizaje es quiz\u00e1s el \u00e1rea m\u00e1s compleja y pol\u00e9mica de la generaci\u00f3n de datos sobre educaci\u00f3n.\u201d<\/em><\/strong><\/p>\n\n\n\n

Una vez superado el escollo anterior, debemos concentrarnos en el registro de informaci\u00f3n sobre matr\u00edcula. En este caso hay que establecer una diferencia entre dos elementos de observaci\u00f3n claramente distinguibles: (i) las personas y (ii) las unidades beneficiarias (las personas a las que est\u00e1 destinado un determinado programa). Uno de los problemas m\u00e1s comunes es el que surge cuando se confunden ambos componentes: una persona puede ser inscrita en m\u00e1s de un programa, y por tanto debe ser contabilizada como una sola (si el \u00e9nfasis se pone en la cantidad total de personas), pero puede haber muchas unidades beneficiarias. El hecho de sumar los participantes de distintos programas no necesariamente arroja una cantidad total de participantes como individuos. La \u00fanica excepci\u00f3n se da cuando la matr\u00edcula en un determinado programa impide la matr\u00edcula en otro programa durante un per\u00edodo determinado.<\/p>\n\n\n\n

Ahora bien, el registro de unidades beneficiarias entra\u00f1a el riesgo de considerar programas que son sumamente diversos como si fueran equivalentes. Por ejemplo, un programa de seis horas no deber\u00eda considerarse equivalente a un programa de jornada parcial que dura un semestre. Lo anterior es especialmente relevante cuando lo que nos interesa es obtener informaci\u00f3n sobre financiaci\u00f3n y asignaci\u00f3n de recursos. Una de las maneras de sortear este obst\u00e1culo consiste en emplear alguna unidad equivalente, como las horas de cr\u00e9dito. <\/p>\n\n\n\n

Por consiguiente, en \u00faltimo t\u00e9rmino ser\u00eda posible dar a conocer el n\u00famero de participantes (como cantidad total de personas) y las unidades beneficiarias empleando equivalentes de horas\/d\u00edas\/cr\u00e9ditos de participaci\u00f3n.<\/p>\n\n\n\n

Resultados de aprendizaje<\/strong><\/p>\n\n\n\n

La medici\u00f3n de los resultados de aprendizaje es quiz\u00e1s el \u00e1rea m\u00e1s compleja y pol\u00e9mica de la generaci\u00f3n de datos sobre educaci\u00f3n. Tal como ocurre en toda iniciativa de generaci\u00f3n de informaci\u00f3n, la pregunta clave es c\u00f3mo identificar desde un comienzo el (los) objetivo (s) que se pretende alcanzar. Si la comparaci\u00f3n (a lo largo de un per\u00edodo o entre distintos grupos) es un aspecto importante (para medir el progreso realizado o detectar lagunas de informaci\u00f3n), el logro de ese objetivo deber\u00eda ser asegurado en cada etapa sucesiva del proceso. Ello incluye la manera en que se dise\u00f1an y gestionan los instrumentos de medici\u00f3n.<\/p>\n\n\n\n

Por lo general, los programas se planifican con el fin de ayudar a los maestros o instructores a proporcionar una evaluaci\u00f3n integral del progreso y los logros de los participantes. En esa labor de evaluaci\u00f3n es preciso concentrarse en cada entorno particular y, por tanto, aplicar diferentes criterios. Por ello no resulta f\u00e1cil generar datos agregados que sean significativos y vayan m\u00e1s all\u00e1 de un mero (y no muy espec\u00edfico) recuento de los alumnos que concluyen exitosamente o no logran completar un programa. Carecemos de toda evidencia respecto de las competencias que efectivamente han adquirido los participantes. Tambi\u00e9n es dif\u00edcil hacer un seguimiento del progreso a lo largo del tiempo si los criterios reales de evaluaci\u00f3n utilizados cambian (cuando uno desea medir los impactos, es importante mantener invariable el criterio de medici\u00f3n). <\/p>\n\n\n\n

De estos \u00faltimos razonamientos surge la eventual necesidad de emplear par\u00e1metros estandarizados para medir las aptitudes y competencias. Con todo, medir las competencias a trav\u00e9s de test es una tarea compleja que plantea dificultades en distintos aspectos, incluidos la validez y la fiabilidad. En este contexto, es importante prestar debida atenci\u00f3n a la dificultad de llevar a cabo los test (American Educational Research Association y otros 2014) y considerar con cautela las propuestas que ofrecen una soluci\u00f3n barata y r\u00e1pida a un problema complejo.<\/p>\n\n\n\n

Por ejemplo, un test puede ser dise\u00f1ado de tal manera que clasifique a los participantes (diferenci\u00e1ndolos entre los que obtienen mejor o peor puntaje que los dem\u00e1s, independientemente del nivel de rendimiento que lleguen a alcanzar; es lo que se conoce com\u00fanmente como test normalizado) o eval\u00fae su desempe\u00f1o con referencia a una cifra esperada expresada de manera expl\u00edcita como norma o nivel de rendimiento (lo que se conoce como test referidos a criterios), o una combinaci\u00f3n de ambos (Glaser 1963). Ello influye poderosamente en las decisiones sobre las preguntas (\u00edtems que contienen un est\u00edmulo y una pregunta o tarea) que son incluidas en un determinado test. <\/p>\n\n\n\n

\"\"
\u00a9 Shira Bentley<\/figcaption><\/figure><\/div>\n\n\n\n

Un test deber\u00eda describir adecuadamente lo que pretende medir (\u201cvalidez de constructo\u201d). Deber\u00eda incluir los principales componentes de ese constructo (\u201cvalidez del contenido\u201d). Tambi\u00e9n deber\u00eda ser aplicable en relaci\u00f3n con un determinado comportamiento observado que se pretende describir (\u201cvalidez concurrente\u201d) o predecir (\u201cvalidez predictiva\u201d). Por \u00faltimo, es importante que al momento de dise\u00f1ar un mecanismo de medici\u00f3n se preste atenci\u00f3n a las consecuencias (\u201cvalidez consecuencial\u201d) que puede tener en el entorno social en que opera (Zumbo y Hubley 2016).<\/p>\n\n\n\n

Este \u00faltimo elemento tambi\u00e9n apunta a la consideraci\u00f3n del contexto y las condiciones institucionales generales en que se dise\u00f1a, aplica y emplea un determinado test. Los datos pueden ser manejados para alcanzar distintos objetivos, entre ellos algunos fines pol\u00edticos pol\u00e9micos (Gorur 2015, 2017; Grek 2009, 2015; Guadalupe 2017; Hamilton 2012).<\/p>\n\n\n\n

Tambi\u00e9n debemos considerar la manera en que los datos ser\u00e1n procesados y analizados. Las actuales pr\u00e1cticas para aplicar test tienden a basarse en modelos matem\u00e1ticos agrupados bajo la denominaci\u00f3n de teor\u00eda de respuesta al \u00edtem (Baker 2001; Hambleton y Jones 1993; Hambleton y otros 1991). Este enfoque incluye un m\u00e9todo m\u00e1s preciso para abordar los atributos de determinadas preguntas (\u00edtems) cuando se aplican a una determinada poblaci\u00f3n y, por tanto, permite identificar aspectos relativos a la manera en que diferentes poblaciones responden a distintas preguntas que podr\u00edan influir en la posibilidad de usar algunos \u00edtems para obtener datos comparables que sean confiables (Zumbo 1999, 2007).<\/p>\n\n\n\n

Por \u00faltimo, si un determinado test va a ser aplicado a personas de distintos ambientes culturales y ling\u00fc\u00edsticos, surgen algunos problemas espec\u00edficos respecto de la traducci\u00f3n y adaptaci\u00f3n de los test (Hambleton 2005; Hambleton y otros 2005).<\/p>\n\n\n\n

La poblaci\u00f3n destinataria<\/strong><\/p>\n\n\n\n

Los programas de educaci\u00f3n de j\u00f3venes y adultos cobran cada vez m\u00e1s importancia en un mundo que est\u00e1 adquiriendo progresivamente conciencia de que la educaci\u00f3n y el aprendizaje se realizan durante toda la vida. As\u00ed pues, definir la poblaci\u00f3n destinataria es por lo general una tarea dif\u00edcil, por lo que resulta imposible determinar adecuadamente la cobertura de estos programas m\u00e1s all\u00e1 de un simple c\u00e1lculo del \u201cn\u00famero de participantes\u201d.<\/p>\n\n\n\n

Un primer m\u00e9todo para abordar este tema requiere hacer una diferenciaci\u00f3n seg\u00fan la intencionalidad de los programas: (i) programas que tienen un componente de recuperaci\u00f3n en relaci\u00f3n con el hecho de no haber concluido la educaci\u00f3n obligatoria, y (ii) programas que van m\u00e1s all\u00e1 de los fines de recuperaci\u00f3n. <\/p>\n\n\n\n

Resulta evidente que el primer grupo de programas deber\u00eda contar con una poblaci\u00f3n destinataria claramente definida: las personas que no completaron (o ni siquiera comenzaron) la educaci\u00f3n obligatoria cuando se esperaba que lo hicieran. Se pueden utilizar los datos de encuestas domiciliarias para realizar estimaciones en este segmento de la poblaci\u00f3n (Guadalupe y otros 2016; Guadalupe y Taccari 2004; UNESCO Santiago 2004). Esas cifras son de enorme importancia para evitar la tendencia a adoptar pr\u00e1cticas autocomplacientes que se concentran demasiado en lo que hacemos y no prestan atenci\u00f3n a lo que debemos hacer. Al mismo tiempo, las estimaciones del n\u00famero de personas que no completaron la ense\u00f1anza obligatoria podr\u00edan llevar a subestimar la necesidad de contar con programas de recuperaci\u00f3n ya que, desgraciadamente, muchos alumnos terminan la etapa escolar sin haber desarrollado las competencias y las aptitudes esperadas. Para determinar la necesidad de programas de recuperaci\u00f3n, se podr\u00eda analizar la distribuci\u00f3n de competencias entre los adultos.<\/p>\n\n\n\n

En el caso de los programas sin car\u00e1cter recuperativo no existe una manera clara o precisa de identificar una poblaci\u00f3n destinataria, por lo que la cobertura solo puede determinarse como una proporci\u00f3n de la poblaci\u00f3n total de j\u00f3venes y adultos.<\/p>\n\n\n\n

Recopilaci\u00f3n de datos sobre financiaci\u00f3n<\/strong><\/p>\n\n\n\n

Esta es tal vez el \u00e1rea m\u00e1s problem\u00e1tica debido a la enorme variedad de m\u00e9todos con que se registra la informaci\u00f3n en las oficinas gubernamentales, y adem\u00e1s a la enorme dificultad pr\u00e1ctica que supone el intento de obtener datos estructurados y sistem\u00e1ticos de fuentes no gubernamentales. No siempre resulta f\u00e1cil establecer definiciones normalizadas de los componentes principales (gastos corrientes como algo diferente de las inversiones; sueldos como algo distinto de otros gastos corrientes, gastos generales o costos administrativos).<\/p>\n\n\n\n

Por otra parte, la informaci\u00f3n sobre las finanzas deber\u00eda ser interpretada con referencia a alg\u00fan tipo de par\u00e1metro que proporcione un indicador del grado de disponibilidad de los recursos invertidos. Es dif\u00edcil establecer un par\u00e1metro (UNESCO Santiago 2007), ya que se necesita contar con una estimaci\u00f3n clara de las necesidades (las cuales son m\u00faltiples, por lo que para abordarlas hay que afrontar diversos costos). Tambi\u00e9n debemos desechar las simplificaciones excesivas que han circulado durante d\u00e9cadas en el \u00e1mbito educativo, como la de establecer un porcentaje fijo ideal (imposible de sostener) de algo (producci\u00f3n, gasto p\u00fablico, etc.) que parece ser aplicable durante per\u00edodos prolongados (como si no existiera el cambio) en cualquier \u00e1mbito (como si no existiera la diversidad) en un mundo donde la diversidad y el cambio son la norma.<\/p>\n\n\n\n

El pr\u00f3ximo paso lo tienen que dar ustedes<\/strong><\/p>\n\n\n\n

Este art\u00edculo constituye un breve resumen de las principales dificultades que se afrontan en la tarea de generar datos sobre educaci\u00f3n de j\u00f3venes y adultos. La generaci\u00f3n de datos (no la recopilaci\u00f3n, ya que los datos no son un elemento natural que pueda ser recolectado como los frutos rojos, sino que corresponden a construcciones sociales basadas en conceptos, intereses, ideas, etc.) no puede ser considerada una tarea sencilla o una actividad meramente t\u00e9cnica, desprovista de una dimensi\u00f3n pol\u00edtica o ideol\u00f3gica. Por el contrario, las decisiones sobre qu\u00e9 datos hay que producir, c\u00f3mo deben generarse, compilarse, analizarse y darse a conocer, se basan fundamentalmente en los objetivos y en las agendas que un determinado actor procura promover (Guadalupe 2015). Por consiguiente, una definici\u00f3n sustantiva y expl\u00edcita de los objetivos constituye la piedra angular de cualquier iniciativa de generaci\u00f3n de datos.<\/p>\n\n\n\n

Al mismo tiempo, el argumento anterior no deber\u00eda emplearse como pretexto para justificar cualquier decisi\u00f3n relativa a los datos: existen complejidades y atributos espec\u00edficos que hay que tener debidamente en cuenta en cualquier proceso de generaci\u00f3n de datos si se pretende producir y dar a conocer datos fiables y \u00fatiles. En las soluciones \u201cde parche\u201d baratas y r\u00e1pidas por lo general se desestiman las propiedades cient\u00edficas de datos fidedignos y, por tanto, su facilidad de uso. Con frecuencia resulta preferible no contar con ning\u00fan dato y ser consciente de esta falta de evidencias que disponer de datos insuficientes y suponer que son una fuente de informaci\u00f3n confiable. La primera situaci\u00f3n conduce a adoptar medidas precautorias (entre ellas, tratar de corregir los d\u00e9ficits de informaci\u00f3n), en tanto que la segunda lleva a cometer errores que afectan la vida de las personas.<\/p>\n\n\n\n

\n\n\n\n

Referencias<\/strong><\/p>\n\n\n\n

American Educational Research Association, American Psychological Association y National Council on Measurement in Education (2014): Standards for educational & psychological test. Washington, DC: AERA.

Baker, F. B. (2001): The basics of item response theory (2nd ed.). USA: ERIC Clearinghouse on Assessment and Evaluation.

Glaser, R. (1963): Instructional technology and the measurement of learning outcomes: Some questions. En: American Psychologist, 18(8), 519\u2013521. https:\/\/bit.ly\/2vgo7Bd<\/a>. 

Gorur, R. (2015): Assembling a Sociology of Numbers. En: Hamilton, M.; Maddox, B. y Addey, C. (eds.): Literacy as Numbers: Researching the Politics and Practices of International Literacy Assessment Regimes, 1\u201316. Cambridge: Cambridge University Press.

Gorur, R. (2017): Towards productive critique of large-scale comparisons in education. En: Critical Studies in Education, 58(3), 1\u201315. https:\/\/bit.ly\/2Mbw1Ce<\/a>.

Grek, S. (2009): Governing by Numbers: The PISA \u201cEffect\u201d in Europe. En: Journal of Education Policy, 24(1), 23\u201337.

Grek, S. (2015): Transnational education policy-making: international assessments and the formation of a new institutional order. En: Hamilton, M.; Maddox, B. y Addey, C. (eds.): Literacy as numbers: researching the politics and practices of international literacy assessment, 35\u201352. Cambridge: Cambridge University Press.

Guadalupe, C. y Taccari, D. (2004): Conclusi\u00f3n Universal de la Educaci\u00f3n Primaria: \u00bfc\u00f3mo evaluar el progreso hacia esta meta? Santiago de Chile: UNESCO. https:\/\/bit.ly\/2M9UmIl<\/a> 

Guadalupe, C. (2015): Contar para que cuente: una introducci\u00f3n general a los sistemas de informaci\u00f3n educativa. Lima: Universidad del Pac\u00edfico. https:\/\/bit.ly\/2n5LFUU<\/a>

Guadalupe, C.; Castillo, L. E.; Castro, M. P.; Villanueva, A. y Urquizo, C. (2016): Conclusi\u00f3n de estudios primarios y secundarios en el Per\u00fa: progreso, cierre de brechas y poblaciones rezagadas (Documentos de Discusi\u00f3n No. DD1615). https:\/\/bit.ly\/2OEy8zQ<\/a>

Guadalupe, C. (2017): Standardisation and diversity in international assessments: barking up the wrong tree? En: Critical Studies in Education, 58(3), 326\u2013340. https:\/\/bit.ly\/2vpWhRW<\/a> 

Hambleton, R. K. et al. (1991): Fundamentals of Item Response Theory. Newbury Park, Londres, Nueva Delhi: Sage.

Hambleton, R. K. y Jones, R. W. (1993): An NCME Instructional Modul on Comparison of Classical Test Theory and Item Response Theory and their Applications To Test Development. En: Educational Measurement: Issues and Practice, 12(3), 38\u201347. https:\/\/bit.ly\/2J6bmi7<\/a><\/p>\n\n\n\n

Hambleton, R. K. (2005): Issues, Designs and Technical Guidelines for Adapting Test Into Multiple Languages and Cultures. En: Hambleton, R. K.; Merenda, P. y Spielberger, C. (eds.): Adapting Psychological and Educational Test for Cross-Cultural Assessment, 38(3). Mahwah, Nueva Jersey: Lawrence Erlbaum Associates.

Hambleton, R. K.; Merenda, P. y Spielberger, C. (eds.) (2005): Adapting educational and psychological test for cross-cultural assessment. Mahwah, Nueva Jersey: Lawrence Erlbaum Associates.

Hamilton, M. (2012): Literacy and the Politics of Representation. Oxford: Routledge.

UNESCO Santiago (2004): La conclusi\u00f3n universal de la educaci\u00f3n primaria en Am\u00e9rica Latina: \u00bfEstamos realmente tan cerca? Santiago de Chile: UNESCO.\u00a0https:\/\/bit.ly\/2vvmPBt<\/a>

UNESCO Santiago (2007): Educaci\u00f3n de calidad para todos: un asunto de Derechos Humanos. Santiago de Chile: UNESCO.\u00a0https:\/\/bit.ly\/2f0VWOK<\/a>

UNESCO\/UIS (2013): International Standard Classification of Education. ISCED 2011. Montreal: UNESCO\/UIS.

Zumbo, B. (1999): A Handbook on the Theory and Methods of Differential Item Functioning (DIF): Logistic Regression Modeling as a Unitary Framework for Binary and Likert-type (Ordinal) Item Scores. Ottawa: Directorate of Human Resources Research and Evaluation, Department of National Defense.

Zumbo, B. (2007): Three Generations of DIF Analyses: Considering Where It Has Been, Where It Is Now, and Where It Is Going. En: Language Assessment Quarterly, 4(2), 223\u2013233.\u00a0https:\/\/bit.ly\/2LO0OsE<\/a>

Zumbo, B. y Hubley, A. M. (2016): Bringing consequences and side effects of testing and assessment to the foreground. En: Assessment in Education: Principles, Policy & Practice, 23(2), 299\u2013303.\u00a0https:\/\/bit.ly\/2vbhJuZ<\/a><\/p>\n\n\n\n

\n\n\n\n

La production d\u2019informations et ses d\u00e9fis<\/strong><\/p>\n\n\n\n

C\u00e9sar Guadalupe<\/strong>\u00a0est titulaire d\u2019un doctorat en \u00e9ducation (Sussex) et d\u2019une ma\u00eetrise en pens\u00e9e politique et sociale (Sussex), et il est sociologue (PUCP). Il est enseignant-chercheur \u00e0 l\u2019Universidad del Pac\u00edfico (P\u00e9rou). Auparavant, il a travaill\u00e9 pendant onze ans \u00e0 l\u2019Institut de statistique de l\u2019UNESCO, et \u00e0 l\u2019UNESCO\/Santiago. Il est membre du Conseil national p\u00e9ruvien de l\u2019\u00e9ducation (2014-2020) dont il est l\u2019actuel pr\u00e9sident (2017-2020).<\/p>\n\n\n\n

\n\n\n\n

R\u00e9sum\u00e9<\/strong> \u2013 <\/em>Cet article met en lumi\u00e8re un certain nombre de questions importantes concernant la production et la disponibilit\u00e9 d\u2019informations sur l\u2019\u00e9ducation des jeunes et des adultes. Il aborde la g\u00e9n\u00e9ration de donn\u00e9es concernant les programmes et leurs effectifs ainsi que les financements et les questions li\u00e9es \u00e0 l\u2019identification des populations cibles. Il accorde une attention particuli\u00e8re aux tests de connaissances et de comp\u00e9tences du fait de leur complexit\u00e9 ainsi que du profil et de l\u2019importance pr\u00e9pond\u00e9rants qu\u2019ils ont acquis ces derni\u00e8res ann\u00e9es. Cet article souligne le fait que les caract\u00e9ristiques techniques des efforts entrepris pour produire des informations d\u00e9pendent de l\u2019objectif vis\u00e9. Il pr\u00e9conise \u00e0 ce propos une approche non technocratique et plus sensible au plan politique. 
<\/em><\/p>\n\n\n\n

\n\n\n\n

Les informations syst\u00e9matiques sur l\u2019\u00e9ducation des jeunes et des adultes sont peu nombreuses, et leur qualit\u00e9 est rarement pr\u00e9sent\u00e9e convenablement ou connue. C\u2019est assez typique d\u2019un domaine trop souvent n\u00e9glig\u00e9 \u2013 entre autres aussi dans les politiques de l\u2019\u00e9ducation.
<\/p>\n\n\n\n

Outre cette n\u00e9gligence, d\u2019autres facteurs pourraient non seulement emp\u00eacher de r\u00e9unir des \u00e9l\u00e9ments susceptibles de jouer un r\u00f4le en ce qui concerne l\u2019analyse et les d\u00e9bats sur l\u2019\u00e9ducation des jeunes et des adultes, mais aussi d\u2019en am\u00e9liorer le profile.
<\/p>\n\n\n\n

Cet article se penche sur quatre domaines dans lesquels les informations sont rares ou ne sont pas syst\u00e9matiques : (i) les informations sur les programmes et les inscriptions ; (ii) les r\u00e9sultats de l\u2019apprentissage ; (iii) la population \u00e0 desservir et (iv) le financement.
<\/p>\n\n\n\n

Chacun de ces domaines se trouve confront\u00e9 \u00e0 des probl\u00e8mes qui lui sont propres. Les comprendre permettra aux parties prenantes de mieux aligner leurs activit\u00e9s li\u00e9es aux informations en disposant d\u2019un cadre de r\u00e9f\u00e9rence organis\u00e9.<\/p>\n\n\n\n

Les programmes \u00e9ducatifs et leurs effectifs<\/strong><\/p>\n\n\n\n

Les programmes d\u2019\u00e9ducation pour les jeunes et les adultes sont tr\u00e8s divers non seulement de par leur organisation et la fa\u00e7on dont ils sont mis en \u0153uvre, mais aussi de par les organismes qui participent \u00e0 ces activit\u00e9s. Leurs objectifs sont tout aussi vari\u00e9s. Par rapport aux programmes scolaires ordinaires destin\u00e9s aux enfants, les programmes d\u2019\u00e9ducation ouverts aux jeunes et aux adultes sont beaucoup plus difficiles \u00e0 cerner.
<\/p>\n\n\n\n

Nous pouvons n\u00e9anmoins les classer dans trois cat\u00e9gories principales : (i) les programmes \u00e9quivalents \u00e0 ceux reconnus comme \u00ab officiels \u00bb dans le pays, qui m\u00e8nent \u00e0 des examens permettant d\u2019obtenir des dipl\u00f4mes officiels donnant la possibilit\u00e9 de poursuivre des \u00e9tudes dans le syst\u00e8me d\u2019\u00e9ducation formelle ; (ii) les programmes avec des objectifs sp\u00e9cifiques destin\u00e9s \u00e0 r\u00e9pondre \u00e0 des besoins particuliers et ne menant pas \u00e0 des dipl\u00f4mes formels et (iii) un m\u00e9lange des deux.<\/p>\n\n\n\n

\u00ab Mesurer les r\u00e9sultats de l\u2019apprentissage est probablement le domaine le plus difficile et le plus d\u00e9battu en mati\u00e8re de g\u00e9n\u00e9ration de donn\u00e9es relatives \u00e0 l\u2019\u00e9ducation. \u00bb<\/em><\/strong><\/p>\n\n\n\n

Le premier groupe de programmes peut \u00eatre d\u00e9fini comme entrant dans la structure des qualifications nationales et dans la classification internationale type de l\u2019\u00e9ducation (UNESCO\/UIS 2013). L\u2019organisation des inscriptions et de l\u2019enregistrement des dipl\u00f4mes doit faciliter le transfert. Le second groupe pose un autre d\u00e9fi \u00e9tant donn\u00e9 qu\u2019il n\u2019y a aucune n\u00e9cessit\u00e9 de faire entrer les programmes qui en font partie dans des voies formelles, sauf s\u2019il est n\u00e9cessaire dans \u00e0 des fins particuli\u00e8res de fournir une compilation standard d\u2019informations. Dans ce cas, il est n\u00e9cessaire de disposer d\u2019un syst\u00e8me de classification souple, reconnaissant la nature de ces programmes (en tant que programmes de formation continue ne menant pas \u00e0 des certificats formels).
<\/p>\n\n\n\n

Dans les deux cas (de m\u00eame que dans les cas o\u00f9 les deux types de programmes sont combin\u00e9s), les intervenants doivent se mettre d\u2019accord. Certaines d\u2019entre eux devront se r\u00e9soudre \u00e0 accepter que la production d\u2019informations ne se pr\u00e9sente pas forc\u00e9ment sous la forme qu\u2019ils souhaiteraient exactement, mais qu\u2019il est globalement plus profitable de pouvoir faire une description compl\u00e8te et fiable des programmes d\u2019\u00e9ducation ouverts aux jeunes et aux adultes en g\u00e9n\u00e9ral.
<\/p>\n\n\n\n

D\u00e8s que cette question a \u00e9t\u00e9 mise au point, il faut se concentrer sur le recensement d\u2019informations relatives aux effectifs des programmes. Il convient ici de diff\u00e9rencier entre deux \u00e9l\u00e9ments d\u2019observation distincts : (i) les individus et (ii) les unit\u00e9s de service (des individus desservis par un programme donn\u00e9). L\u2019un des probl\u00e8mes courants vient du fait que l\u2019on confond les deux : un individu peut \u00eatre inscrit \u00e0 plus d\u2019un seul programme. Aussi convient-il de ne le compter qu\u2019une seule fois (si l\u2019on s\u2019int\u00e9resse au comptage des effectifs), alors qu\u2019il peut y avoir de nombreuses unit\u00e9s de service. Additionner les participants \u00e0 diff\u00e9rents programmes ne permet pas forc\u00e9ment de recueillir un nombre total de participants individuels. La seule exception : quand l\u2019inscription \u00e0 un programme donn\u00e9 exclut l\u2019inscription \u00e0 un autre programme pendant une dur\u00e9e d\u00e9termin\u00e9e.
<\/p>\n\n\n\n

Par contre, recenser les unit\u00e9s de service entra\u00eene le risque de compter des programmes extr\u00eamement diff\u00e9rents comme s\u2019ils \u00e9taient \u00e9quivalents. Par exemple, un programme de six heures ne devrait pas compter comme l\u2019\u00e9quivalent d\u2019un programme \u00e9tal\u00e9 sur un semestre \u00e0 temps partiel. C\u2019est vrai en particulier si l\u2019on souhaite obtenir des informations concernant le financement et l\u2019affectation de ressources. Utiliser des unit\u00e9s \u00e9quivalentes comme, par exemple, des cr\u00e9dits pourrait \u00eatre une fa\u00e7on de r\u00e9gler ce probl\u00e8me.
<\/p>\n\n\n\n

Ainsi serait-il finalement possible de recenser les participants (calcul des effectifs) de m\u00eame que les unit\u00e9s de service en effectuant ce calcul en \u00e9quivalents d\u2019heures\/de jours\/de cr\u00e9dits des participants.<\/p>\n\n\n\n

Les r\u00e9sultats de l\u2019apprentissage<\/strong><\/p>\n\n\n\n

Mesurer les r\u00e9sultats de l\u2019apprentissage est probablement le domaine le plus difficile et le plus d\u00e9battu en mati\u00e8re de g\u00e9n\u00e9ration de donn\u00e9es relatives \u00e0 l\u2019\u00e9ducation. Comme dans toute tentative entreprise pour g\u00e9n\u00e9rer des informations, la question essentielle ici consiste \u00e0 d\u00e9terminer comment identifier d\u00e8s le d\u00e9part l\u2019objectif\/les objectifs poursuivi(s) avec la production de ces donn\u00e9es. Si la dimension de comparaison (dans le temps, entre des groupes) est importante (pour d\u00e9terminer des progr\u00e8s ou des \u00e9carts), il convient de veiller \u00e0 la prendre en compte \u00e0 chaque \u00e9tape tout au long du processus. Ceci inclut la fa\u00e7on dont les instruments de mesure sont con\u00e7us et g\u00e9r\u00e9s.
<\/p>\n\n\n\n

Les programmes sont d\u2019habitude structur\u00e9s pour aider les enseignants ou les facilitateurs \u00e0 fournir une \u00e9valuation compl\u00e8te des progr\u00e8s et r\u00e9sultats des participants. Ces \u00e9valuations sont n\u00e9cessairement ax\u00e9es sur chaque contexte particulier, et r\u00e9unissent par cons\u00e9quent diff\u00e9rents crit\u00e8res. Il est de ce fait difficile de produire des donn\u00e9es agr\u00e9g\u00e9es utiles au-del\u00e0 d\u2019un pur comptage (pas tr\u00e8s sp\u00e9cifique) des personnes ayant r\u00e9ussi\/\u00e9chou\u00e9 \u00e0 un programme ou \u00e9tant all\u00e9 jusqu\u2019au bout de celui-ci. Nous n\u2019obtenons ainsi aucune certitude quant aux comp\u00e9tences r\u00e9elles que les participants ont acquises. Il est par cons\u00e9quent difficile de suivre les progr\u00e8s au fil du temps quand le v\u00e9ritable crit\u00e8re utilis\u00e9 pour proc\u00e9der \u00e0 l\u2019\u00e9valuation peut changer (si l\u2019on veut mesurer le changement, il est important de ne pas changer l\u2019unit\u00e9 de mesure) \u2013 d\u2019o\u00f9 le fait qu\u2019il pourrait \u00eatre n\u00e9cessaire de disposer de syst\u00e8mes standardis\u00e9s de mesure des connaissances et comp\u00e9tences. Toutefois, tester des comp\u00e9tences est une t\u00e2che complexe qui pose des difficult\u00e9s li\u00e9es \u00e0 diff\u00e9rentes questions, entre autre \u00e0 la validit\u00e9 et \u00e0 la fiabilit\u00e9. \u00c0 cet \u00e9gard, il est important d\u2019accorder l\u2019attention qui convient \u00e0 la complexit\u00e9 de la proc\u00e9dure de test (American Educational Research Association et coll. 2014) et de se m\u00e9fier des propositions qui offrent une solution bon march\u00e9 et rapide \u00e0 un probl\u00e8me complexe.<\/p>\n\n\n\n

\"\"
\u00a9 Shira Bentley<\/figcaption><\/figure><\/div>\n\n\n\n

Par exemple, un test peut \u00eatre con\u00e7u de mani\u00e8re \u00e0 constituer un classement parmi des individus (en faisant la diff\u00e9rence entre ceux qui ont de meilleurs\/de plus mauvais r\u00e9sultats que les autres, quel que soit le niveau de leurs r\u00e9sultats ; c\u2019est ce l\u2019on appelle g\u00e9n\u00e9ralement un test normatif). Il peut aussi \u00eatre con\u00e7u pour identifier la fa\u00e7on dont les gens r\u00e9ussissent par rapport \u00e0 une attente formul\u00e9e explicitement comme une sorte de standard ou de niveau de r\u00e9sultats (c\u2019est ce que l\u2019on appelle un test crit\u00e9ri\u00e9). Il peut aussi combiner ces deux approches (Glaser 1963). Ceci a des r\u00e9percussions majeures sur le choix des questions (items incluant un stimulus et une question ou une t\u00e2che) incluses dans un test donn\u00e9.
<\/p>\n\n\n\n

Un test devrait \u00eatre capable de repr\u00e9senter correctement ce qu\u2019il affirme vouloir mesurer (\u00ab validit\u00e9 conceptuelle ou de construit \u00bb). Il devrait \u00eatre en mesure de saisir les \u00e9l\u00e9ments essentiels de ce construit (\u00ab validit\u00e9 de contenu \u00bb). Il devrait aussi \u00eatre valable du point de vue de ce qui rel\u00e8ve d\u2019un comportement observable particulier qu\u2019il entend d\u00e9crire (\u00ab validit\u00e9 convergente \u00bb) ou anticiper (\u00ab validit\u00e9 pr\u00e9dictive \u00bb). Enfin, il est primordial lors de la conception d\u2019un m\u00e9canisme de mesure de s\u2019int\u00e9resser aux cons\u00e9quences (\u00ab validit\u00e9 cons\u00e9quentielle \u00bb) qu\u2019il peut avoir sur l\u2019environnement social au sein duquel il intervient (Zumbo et Hubley 2016).
<\/p>\n\n\n\n

Ce dernier \u00e9l\u00e9ment attire \u00e9galement l\u2019attention sur l\u2019importance de tenir compte de la situation institutionnelle globale et sur les conditions dans lesquelles un test donn\u00e9 a \u00e9t\u00e9 con\u00e7u, g\u00e9r\u00e9 et utilis\u00e9. On peut rassembler des informations dans des buts divers, y compris \u00e0 des fins politiques sujettes \u00e0 controverse (Gorur 2015, 2017 ; Grek 2009 ; Guadalupe 2017 ; Hamilton 2012).
<\/p>\n\n\n\n

Nous devons aussi prendre en compte la fa\u00e7on dont les informations vont \u00eatre trait\u00e9es et analys\u00e9es. Les pratiques actuelles en mati\u00e8re de tests ont tendance \u00e0 s\u2019appuyer sur des mod\u00e8les math\u00e9matiques regroup\u00e9s sous l\u2019intitul\u00e9 th\u00e9orie des r\u00e9ponses aux items (Baker 2001 ; Hambleton et Jones 1993 ; Hambleton et coll. 1991). Cette approche permet d\u2019aborder avec davantage de pr\u00e9cisions les v\u00e9ritables attributs qu\u2019ont des questions (items) individuelles lorsqu\u2019on les applique \u00e0 une population donn\u00e9e, et elle permet par cons\u00e9quent d\u2019identifier des sujets en rapport avec la fa\u00e7on dont des populations fournissent des r\u00e9ponses diff\u00e9rentes \u00e0 des questions, ce qui peut se r\u00e9percuter sur l\u2019exploitabilit\u00e9 de certaines questions lorsqu\u2019il s\u2019agit d\u2019obtenir des informations comparables qui sont fiables (Zumbo 1999, 2007).
<\/p>\n\n\n\n

Enfin, si un test particulier doit \u00eatre g\u00e9r\u00e9 par des individus de diff\u00e9rents milieux culturels et linguistiques, certaines questions sp\u00e9cifiques seront suscit\u00e9es en rapport avec la traduction et l\u2019adaptation de ce test (Hambleton 2005 ; Hambleton et coll. 2005).<\/p>\n\n\n\n

La population cible<\/strong><\/p>\n\n\n\n

Les programmes d\u2019\u00e9ducation destin\u00e9s aux jeunes et aux adultes rev\u00eatent une importance croissante dans un monde qui prend progressivement conscience du fait que l\u2019\u00e9ducation et l\u2019apprentissage se d\u00e9roulent tout au long de la vie. Il est de ce fait souvent difficile de trouver une d\u00e9finition de la population cible \u00e0 desservir, ce qui emp\u00eache de dresser une estimation correcte de la couverture de ces programmes au-del\u00e0 d\u2019une simple mesure du \u00ab nombre de leurs participants \u00bb.
<\/p>\n\n\n\n

Une premi\u00e8re fa\u00e7on d\u2019aborder ce sujet consiste \u00e0 faire des distinctions en fonction de l\u2019intention des programmes : (i) les programmes avec un \u00e9l\u00e9ment de remise \u00e0 niveau li\u00e9 au fait de ne pas avoir r\u00e9ussi \u00e0 aller jusqu\u2019au bout de la scolarit\u00e9 obligatoire et (ii) les programmes qui vont au-del\u00e0 de la d\u00e9marche de remise \u00e0 niveau.
<\/p>\n\n\n\n

Il est clair qu\u2019il faudrait faire correspondre une population cible d\u00e9finie au premier groupe de programmes : une population compos\u00e9e de personnes n\u2019ayant pas termin\u00e9 (voire m\u00eame pas commenc\u00e9) la scolarit\u00e9 obligatoire au moment o\u00f9 elles \u00e9taient suppos\u00e9es le faire. On peut utiliser pour cela les r\u00e9sultats d\u2019une enqu\u00eate r\u00e9alis\u00e9e aupr\u00e8s des m\u00e9nages pour dresser une estimation de ce segment de population (Guadalupe et coll. 2016 ; Guadalupe et Taccari 2004 ; UNESCO Santiago 2004), ce type d\u2019estimations \u00e9tant \u00e9minemment important pour \u00e9viter une propension \u00e0 des pratiques complaisantes, trop ax\u00e9es sur ce que nous faisons et n\u00e9gligeant ce que nous devons faire. En m\u00eame temps, les estimations du nombre de personnes n\u2019ayant pas achev\u00e9 la scolarit\u00e9 obligatoire peut conduire \u00e0 une sous-\u00adestimation de la n\u00e9cessit\u00e9 de disposer de programmes de remise \u00e0 niveau. Malheureusement en effet, beaucoup de gens ach\u00e8vent leur scolarit\u00e9 sans avoir acquis les connaissances et comp\u00e9tences qu\u2019ils auraient dues. On peut dresser une estimation de cette n\u00e9cessit\u00e9 suppl\u00e9mentaire en r\u00e9alisant une enqu\u00eate sur la distribution des comp\u00e9tences au sein de la population adulte.
<\/p>\n\n\n\n

En ce qui concerne les programmes non ax\u00e9s sur la remise \u00e0 niveau, il n\u2019existe aucun moyen clair ni pr\u00e9cis d\u2019identifier une population cible. Par cons\u00e9quent, la couverture ne peut \u00eatre estim\u00e9e que sous la forme d\u2019un pourcentage de la population des jeunes et des adultes.<\/p>\n\n\n\n

Recueillir des donn\u00e9es sur les financements<\/strong><\/p>\n\n\n\n

Il s\u2019agit probablement du domaine le plus probl\u00e9matique du fait de la diversit\u00e9 des fa\u00e7ons dont les informations sont recens\u00e9es dans les sources gouvernementales, mais aussi des immenses difficult\u00e9s pratiques qui surgissent lorsque l\u2019on tente de compiler des donn\u00e9es organis\u00e9es et syst\u00e9matiques \u00e0 partir de sources non gouvernementales. Disposer de d\u00e9finitions standard pour des \u00e9l\u00e9ments importants (d\u00e9penses courantes par opposition aux investissements ; salaires en tant que d\u00e9penses distinctes d\u2019autres d\u00e9penses courantes ; frais g\u00e9n\u00e9raux ou frais administratifs) n\u2019est pas toujours chose ais\u00e9e.
<\/p>\n\n\n\n

En m\u00eame temps, les informations concernant les finances devraient \u00eatre interpr\u00e9t\u00e9es par rapport \u00e0 un point de r\u00e9f\u00e9rence qui fournirait un certain nombre de renseignements sur le degr\u00e9 de suffisance des ressources investies. Il est difficile de d\u00e9terminer un point de r\u00e9f\u00e9rence (UNESCO Santiago 2007) \u00e9tant donn\u00e9 qu\u2019il est pour cela n\u00e9cessaire d\u2019avoir une estimation pr\u00e9cise des besoins (qui sont divers, de sorte qu\u2019y r\u00e9pondre entra\u00eene des co\u00fbts eux aussi divers). Nous devons \u00e9galement ignorer les simplifications excessives qui ont peupl\u00e9 l\u2019univers de l\u2019\u00e9ducation pendant des d\u00e9cennies, par exemple en d\u00e9terminant un pourcentage magique (impossible \u00e0 respecter) pour quelque chose (production, d\u00e9penses publiques, etc.) qui semble applicable partout (comme si la diversit\u00e9 n\u2019existait pas), dans un monde un monde ou la diversit\u00e9 et le changement sont des r\u00e8gles qui sont l\u00e0 pour durer (comme si le changement n\u2019existait pas).<\/p>\n\n\n\n

\u00c0 pr\u00e9sent, \u00e0 vous de jouer\u00a0!<\/strong><\/p>\n\n\n\n

Cet article propose un bref r\u00e9sum\u00e9 des questions essentielles li\u00e9es au domaine de la production d\u2019informations en mati\u00e8re d\u2019\u00e9ducation des jeunes et des adultes. La g\u00e9n\u00e9ration de donn\u00e9es (pas leur collecte puisque les donn\u00e9es ne sont pas des \u00e9l\u00e9ments naturels susceptibles d\u2019\u00eatre cueillis comme des fruits mais qu\u2019elles sont des constructions sociales reposant sur des concepts, des int\u00e9r\u00eats, des id\u00e9es, etc.) ne peut pas \u00eatre consid\u00e9r\u00e9e comme une simple question ou comme quelque chose de purement technique, d\u00e9pourvu d\u2019\u00e9l\u00e9ments politiques et id\u00e9ologiques. Inversement, les d\u00e9cisions concernant le choix des donn\u00e9es \u00e0 g\u00e9n\u00e9rer et la fa\u00e7on de les produire, de les compiler, de les analyser et de les communiquer reposent fondamentalement sur les buts et priorit\u00e9s qu\u2019un acteur particulier souhaite faire progresser (Guadalupe 2015). Par cons\u00e9quent la pierre angulaire de tout effort entrepris pour produire des donn\u00e9es consiste en une d\u00e9finition substantielle et explicite du ou des buts de cette production d\u2019informations.
<\/p>\n\n\n\n

En m\u00eame temps, ce point ne devrait pas \u00eatre utilis\u00e9 comme alibi pour justifier une d\u00e9cision concernant les donn\u00e9es : certaines difficult\u00e9s et attributs sp\u00e9cifiques doivent \u00eatre correctement pris en compte dans toute g\u00e9n\u00e9ration de donn\u00e9es si l\u2019on veut produire et communiquer des informations solides et utiles. Les solutions bon march\u00e9 et rapides font g\u00e9n\u00e9ralement fi des propri\u00e9t\u00e9s scientifiques que les donn\u00e9es solides poss\u00e8dent et qui les rendent par cons\u00e9quent exploitables. G\u00e9n\u00e9ralement, il vaut mieux ne pas disposer d\u2019informations et \u00eatre conscient de cette absence de preuves plut\u00f4t que d\u2019avoir des donn\u00e9es de mauvaise qualit\u00e9 en pensant que nous tenons des \u00e9l\u00e9ments auxquels nous pouvons nous fier. La premi\u00e8re situation conduit \u00e0 agir avec circonspection (y compris en abordant le manque d\u2019informations) alors que la seconde entra\u00eene des erreurs qui affectent la vie des gens.<\/p>\n\n\n\n

\n\n\n\n

R\u00e9f\u00e9rences<\/strong><\/p>\n\n\n\n

American Educational Research Association, American Psychological Association et National Council on Measurement in Education (2014)\u00a0: Standards for educational & psychological tests. Washington, DC\u00a0: AERA.

Baker, F. B. (2001)\u00a0: The basics of item response theory (2e \u00e9d.). USA\u00a0: ERIC Clearinghouse on Assessment and Evaluation.

Glaser, R. (1963)\u00a0: Instructional technology and the measurement of learning outcomes: Some questions. Dans\u00a0: American Psychologist, 18(8), 519-521.\u00a0https:\/\/bit.ly\/2vgo7Bd<\/a>

Gorur, R. (2015)\u00a0: Assembling a Sociology of Numbers. Dans\u00a0: Hamilton, M.\u00a0; Maddox, B.\u00a0et Addey, C. (dir. publ.)\u00a0: Literacy as Numbers: Researching the Politics and Practices of International Literacy Assessment Regimes, 1-16. Cambridge\u00a0: Cambridge University Press.

Gorur, R. (2017)\u00a0: Towards productive critique of large-scale comparisons in education. Dans\u00a0: Critical Studies in Education, 58(3), 1-15.\u00a0https:\/\/bit.ly\/2Mbw1Ce<\/a>

Grek, S. (2009)\u00a0: Governing by Numbers: The PISA \u201cEffect\u201d in Europe. Dans\u00a0: Journal of Education Policy, 24(1), 23-37.

Grek, S. (2015)\u00a0: Transnational education policy-making: international assessments and the formation of a new institutional order. Dans\u00a0: Hamilton, M\u00a0; Maddox, B.\u00a0et Addey, C. (dir. publ.)\u00a0: Literacy as Numbers: Researching the Politics and Practices of International Literacy Assessment, 35-52. Cambridge\u00a0: Cambridge University Press.

Guadalupe, C. et Taccari, D. (2004)\u00a0: Conclusi\u00f3n Universal de la Educaci\u00f3n Primaria: \u00bfc\u00f3mo evaluar el progreso hacia esta meta? Santiago du Chili\u00a0: UNESCO.\u00a0https:\/\/bit.ly\/2M9UmIl<\/a>

Guadalupe, C. (2015)\u00a0: Contar para que cuente: una introducci\u00f3n general a los sistemas de informaci\u00f3n educativa. Lima\u00a0: Universidad del Pac\u00edfico.\u00a0https:\/\/bit.ly\/2n5LFUU<\/a>

Guadalupe, C.\u00a0; Castillo, L. E.\u00a0; Castro, M. P.\u00a0; Villanueva, A. et Urquizo, C. (2016)\u00a0: Conclusi\u00f3n de estudios primarios y secundarios en el Per\u00fa: progreso, cierre de brechas y poblaciones rezagadas (Documentos de Discusi\u00f3n no DD1615).\u00a0https:\/\/bit.ly\/2OEy8zQ<\/a>

Guadalupe, C. (2017)\u00a0: Standardisation and diversity in international assessments: barking up the wrong tree? Dans\u00a0: Critical Studies in Education, 58(3), 326-340.\u00a0https:\/\/bit.ly\/2vpWhRW<\/a>

Hambleton, R. K. et coll. (1991)\u00a0: Fundamentals of Item Response Theory. Newsbury Park, Londres, New Delhi\u00a0: Sage.

Hambleton, R. K. et Jones, R. W. (1993)\u00a0: An NCME Instructional Modul on Comparison of Classical Test Theory and Item Response Theory and their Applications To Test Development. Dans\u00a0: Educational Measurement: Issues and Practice, 12(3), 38-47.\u00a0https:\/\/bit.ly\/2J6bmi7<\/a>

Hambleton, R. K. (2005)\u00a0: Issues, Designs and Technical Guidelines for Adapting Tests Into Multiple Languages and Cultures. Dans\u00a0: Hambleton, R. K.\u00a0; Merenda, P.\u00a0et Spielberger, C. (dir. publ.)\u00a0: Adapting Psychological and Educational Tests for Cross-Cultural Assessment, 38 (3). Mahwah, NJ\u00a0: Lawrence Erlbaum Associates.

Hambleton, R. K.\u00a0; Merenda, P.\u00a0et Spielberger, C. (dir. publ.) (2005)\u00a0: Adapting Psychological and Educational Tests for Cross-Cultural Assessment, 3-38. Mahwah, NJ\u00a0: Lawrence Erlbaum Associates.

Hamilton, M. (2012)\u00a0: Literacy and the Politics of Representation. Oxon\u00a0: Routledge.

UNESCO Santiago (2004)\u00a0: La conclusi\u00f3n universal de la educaci\u00f3n primaria en Am\u00e9rica Latina: \u00bfEstamos realmente tan cerca? Santiago du Chili\u00a0: UNESCO.\u00a0https:\/\/bit.ly\/2vvmPBt<\/a>

UNESCO Santiago (2007)\u00a0: Educaci\u00f3n de calidad para todos: un asunto de Derechos Humanos. Santiago du Chili\u00a0: UNESCO.\u00a0https:\/\/bit.ly\/2f0VWOK<\/a>

UNESCO\/UIS (2013)\u00a0: International Standard Classification of Education. ISCED 2011. Montr\u00e9al\u00a0: UNESCO\/UIS.

Zumbo, B. (1999)\u00a0: A Handbook on the Theory and Methods of Differential Item Functioning (DIF): Logistic Regression Modeling as a Unitary Framework for Binary and Likert-type (Ordinal) Item Scores. Ottawa\u00a0:\u00a0
Directorate of Human Resources Research and Evaluation, Department of National Defense.

Zumbo, B. (2007)\u00a0: Three Generations of DIF Analyses: Considering Where It Has Been, Where It Is Now, and Where It Is Going. Dans\u00a0: Language Assessment Quarterly, 4(2), 223-233.\u00a0https:\/\/bit.ly\/2LO0OsE<\/a>

Zumbo, B. et Hubley, A. M. (2016)\u00a0: Bringing consequences and side effects of testing and assessment to the foreground. Dans\u00a0: Assessment in Education: Principles, Policy & Practice, 23(2), 299-303.\u00a0https:\/\/bit.ly\/2vbhJuZ<\/a>
https:\/\/bit.ly\/2vbhJuZ<\/a><\/p>\n\n\n\n

\n\n\n\n

Links to the AED 85\/2018 publication in three languages: English<\/a>, French<\/a>, S<\/a>panish<\/a>
Estos son los links para acceder a la publicaci\u00f3n en tres idiomas: In<\/a>gl\u00e9s<\/a>, Franc\u00e9s<\/a>, Espa\u00f1ol<\/a>
Voici les liens vers la publication en trois langues: Anglais <\/a>, Fran\u00e7ais<\/a>, Espagnol<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

The challenges regarding data production El texto en espa\u00f1ol est\u00e1 abajo.\/ Le texte fran\u00e7ais est ci-dessous C\u00e9sar Guadalupe is a Doctor of Education (Sussex), M.A. Social and Political Thought (Sussex) and Sociologist (PUCP). He is a Senior Lecturer-Researcher at the Universidad del<\/p>\n","protected":false},"author":2,"featured_media":673,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[7],"tags":[],"_links":{"self":[{"href":"http:\/\/virtualseminar.icae.global\/index.php?rest_route=\/wp\/v2\/posts\/670"}],"collection":[{"href":"http:\/\/virtualseminar.icae.global\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"http:\/\/virtualseminar.icae.global\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"http:\/\/virtualseminar.icae.global\/index.php?rest_route=\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"http:\/\/virtualseminar.icae.global\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=670"}],"version-history":[{"count":3,"href":"http:\/\/virtualseminar.icae.global\/index.php?rest_route=\/wp\/v2\/posts\/670\/revisions"}],"predecessor-version":[{"id":675,"href":"http:\/\/virtualseminar.icae.global\/index.php?rest_route=\/wp\/v2\/posts\/670\/revisions\/675"}],"wp:featuredmedia":[{"embeddable":true,"href":"http:\/\/virtualseminar.icae.global\/index.php?rest_route=\/wp\/v2\/media\/673"}],"wp:attachment":[{"href":"http:\/\/virtualseminar.icae.global\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=670"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"http:\/\/virtualseminar.icae.global\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=670"},{"taxonomy":"post_tag","embeddable":true,"href":"http:\/\/virtualseminar.icae.global\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=670"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}