Kutoka Ukurasa Tupu hadi Msingi wa Tathmini: Jinsi Ninavyopanga Utafiti wa Msingi Unaoweza Kulinganishwa na Tathmini ya Mwisho

Kila utafiti wa msingi ambao ninasaidia timu kuubuni huanza na mazungumzo yale yale. Timu ya programu iko na hamu kubwa, ratiba zinakandamiza, na mtu ameshakusanya dodoso la maswali 60 alilokuta kwenye mradi uliopita. Kazi yangu ya kwanza ni kupunguza kasi kidogo tu ili niulize swali moja ambalo linapaswa kutangulia yote mengine: ni uamuzi gani utafiti huu wa msingi utakaohitajika kuusaidia wakati wa tathmini ya mwisho?

Kama huwezi kujibu hilo kwa uwazi, bado hujawa tayari kuandika swali hata moja. Na hii si kukosoa mtu, ni ukweli wa kawaida wa jinsi utafiti wa msingi unavyokwenda mrama mara nyingi. Hubuniwa nyuma mbele: maswali kwanza, mfumo wa uchambuzi baadaye. Kisha miaka miwili baadaye, wakati wa kulinganisha matokeo, timu zinagundua zilipima mambo yasiyofaa, zilitumia sampuli isiyo sahihi, au ziliuliza maswali kwa njia tofauti sana na zana ya tathmini ya mwisho kiasi kwamba ulinganishaji hauwezekani kabisa.

Hapa ndivyo ninavyopanga utafiti wa msingi ili kuepuka hali hiyo kabisa.

Anza na Viashiria, Si Maswali

Utafiti wa msingi si zoezi la utafiti linalosimama peke yake. Ni nusu ya kwanza ya kipimo kilichounganishwa. Hii inamaanisha kabla ya kufungua dodoso tupu, unahitaji mfumo wako wa matokeo au logframe mkononi, hasa viashiria unavyojitolea kuripoti navyo.

Kwa kila kiashiria, jiulize: ni nini ufafanuzi wake halisi, kipi kipimo chake, ni mgawanyo gani unaohitajika, na chanzo cha data kilichoainishwa ni kipi? Utafiti wa msingi usioakisi vipimo hivyo utazalisha takwimu ambazo huwezi kuzilinganisha wakati wa tathmini ya mwisho. Kama mwongozo wa IFRC wa Misingi ya Baseline unavyoeleza, lengo kuu la utafiti wa msingi ni kupata data ya kuaminika na yenye manufaa kabla ya mradi kuanza, ili kisha itumike kufuatilia na kutathmini mradi [IFRC, 2013].

💡 Kidokezo: Kabla ya kuandika maswali yoyote, jenga jedwali rahisi la msalaba: safu moja kwa kila kiashiria, na safu wima kwa ufafanuzi wa kiashiria, swali (au maswali) yanayokipima, kipimo cha majibu, na vigeuzi vya mgawanyo (umri, jinsia, eneo, n.k.). Jedwali hili linakuwa ramani yako ya zana.

Hatua hii pia inaibua kutofautiana kwa kawaida mapema: viashiria vilivyofafanuliwa katika ngazi ya matokeo (kwa mfano, "asilimia ya kaya zenye matumizi ya chakula yanayotosha") mara nyingi huhitaji maswali mengi ya ziada na mbinu ya kupima kwa kujumlisha (kama Alama ya Matumizi ya Chakula, Food Consumption Score). Kama hujajua hilo mapema, utaandika swali moja zito na kushangaa kwa nini takwimu hazilingani na marejeo yoyote wakati wa tathmini ya mwisho.

Chagua Mpango Wako wa Sampuli kwa Makini

Sampuli ndiyo mahali ambapo maamuzi muhimu zaidi yanafanywa, na mahali ambapo naona mipango ya mkato mara nyingi zaidi. Swali la msingi ni: unahitaji muundo wa bamba (kufuatilia watu wale wale kwenye msingi na mwisho) au muundo wa mfululizo wa sehemu-mpya (kuchora sampuli mpya zinazojibu huru kwa kila hatua ya kipimo)?

Stats4SD, katika Zana yao ya Uamuzi wa Sampuli iliyoandaliwa kwa UNHCR, inaongoza timu kupitia uamuzi huu hasa [Stats4SD, 2018]. Miundo yote miwili ni halali, lakini inajibu maswali tofauti. Bamba inafuatilia mabadiliko ya mtu mmoja mmoja kwa wakati, ambayo ni nguvu zaidi kwa uthibitisho wa sababu-athari lakini ni ngumu zaidi kuitekeleza (upotevu wa washiriki ni tatizo halisi). Mfululizo wa sehemu-mpya unakuambia kama hali za ngazi ya idadi ya watu zimebadilika, bila kuhitaji kupata tena wahusika wale wale.

Chaguo lako linategemea viashiria vyako vinavyopima nini na jinsi watu wako wanahamia. Kwa programu thabiti inayofuatilia mapato ya kaya katika jamii, bamba inaweza kufanya kazi vizuri. Kwa mwitikio wa msongamano ambao wahusika mara nyingi wanahamia, mfululizo wa sehemu-mpya kwa kawaida ni wa vitendo zaidi.

⚠️ Onyo: Kama unachagua muundo wa bamba, andika mkakati wako wa ufuatiliaji wakati wa msingi, si wakati wa tathmini ya mwisho. Kusanya vitambulisho vya kipekee, nambari za simu, na mawasiliano ya jamii kwa kila mhojiwa. Kujaribu kuunda hivi baadaye ni maumivu na kwa kawaida kunabaki kukiwa na pengo.

Mwongozo wa tafiti za kaya wa Idara ya Takwimu ya Umoja wa Mataifa (UNSD) pia ni wazi kwamba sampuli ya uwezekano katika kila hatua ndiyo kiwango cha mbinu kwa matokeo ya kutetewa [UNSD, 2005]. Sampuli za urahisi au zenye kusudi maalum zinaweza kuepukika katika muktadha fulani wa kibinadamu, lakini ukizitumia, kuwa mkweli kuhusu mipaka hii kwa ujumla wa matokeo unayoripoti wakati wa tathmini ya mwisho.

📝 Kumbuka: Ukubwa wako wa sampuli unapaswa kuhesabiwa kulingana na athari ndogo kabisa inayoweza kugunduliwa unayoitegemea kutoka kwenye programu, si urahisi wa kiutekelezaji tu. Kama programu yako inatarajiwa kubadilisha kiashiria muhimu kwa asilimia 10, hesabu ukubwa wa sampuli unaohitajika kugundua mabadiliko hayo kwa nguvu ya takwimu inayotosha. Misingi iliyo na sampuli ndogo sana mara nyingi huzalisha ulinganishaji wa mwisho ambao hauwezi kusema kama programu ilifanya kazi au sampuli ilikuwa ndogo tu.

Buniwa Zana kwa Ulinganishaji, Si Upana tu wa Mada

Mara tu jedwali lako la msalaba la viashiria limekamilika na mpango wako wa sampuli umewekwa, unaweza kuandika maswali. Kanuni kadhaa ambazo daima ninazifuata hapa:

1. Tumia maneno yale yale ya maswali kwenye msingi na mwisho. Hata mabadiliko madogo ya maneno hubadilisha jinsi wahojiwa wanavyotafsiri na kujibu swali. Funga maneno hayo wakati wa msingi na yatendee kama yaliyowekwa.
2. Tumia vipimo vilivyothibitishwa pale vinapopatikana. Kwa usalama wa chakula, tumia HDDS au FCS. Kwa WASH, tumia ngazi za JMP za kawaida. Vipimo vilivyothibitishwa vinaboresha ulinganishaji si tu kwa muda bali pia dhidi ya programu nyingine na marejeo.
3. Weka vipimo vya majibu kuwa sawa kabisa. Kipimo cha Likert cha pointi 5 kwenye msingi hakiwezi kulinganishwa na kipimo cha pointi 4 kwenye mwisho. Hifadhi vipimo vyako kwa usahihi.
4. Jumuisha vigeuzi vyote vya mgawanyo kama maswali ya kujitegemea. Umri, jinsia, eneo, hali ya msongamano, chochote kinachohitajika na viashiria vyako, hivi vinahitaji kuwa maswali wazi, si kudhaniwa kutoka kwenye mfumo wako wa sampuli.

Mazoea bora ya Chama cha Marekani kwa Utafiti wa Maoni ya Umma (AAPOR) yanasisitiza kwamba ubora wa utafiti unategemea sana kiasi gcha umakini unaotonewa kuzuia na kushughulikia matatizo ya usanifu [AAPOR]. Si ukubwa au umaarufu wa utafiti wako unaofanya kuaminika, ni usimamizi wa maamuzi yaliyopo nyuma yake.

💡 Kidokezo: Kabla ya kumaliza zana, fanya "uchambuzi wa tathmini ya mwisho wa mazoezi" kwenye karatasi. Chora jedwali na chati unazozalisha wakati wa tathmini ya mwisho. Kama huwezi kuzizalisha kutoka kwa data ya msingi unayopanga kukusanya, rekebisha zana sasa, si miaka miwili baadaye.

Fanya Majaribio, na Ufanye Kwa Ufanisi

Majaribio si tu kuhusu kukamata makosa ya uchapaji. Ni kuhusu kujaribu kama wahojiwa wanaelewa maswali yako jinsi unavyokusudia, kama mantiki ya kuruka inafanya kazi kwa usahihi, kama mahojiano yanachukua muda unaofaa, na kama wahaulizi wanaelewa maswali kwa usawa.

Mwongozo wa QuestionPro wa tafiti za msingi unasisitiza majaribio kama mazoea bora muhimu hasa kwa sababu yanazuia ukusanyaji wa data yenye upendeleo wa mfumo au isiyo thabiti, ambayo inadhoofisha ulinganishaji wote wa msingi na mwisho [QuestionPro]. Ningeongeza: jadiliana na wahaulizi wako baada ya majaribio. Waulize ni maswali gani yalisababisha mkanganyiko au kusita kwa muda mrefu. Mazungumzo hayo yanabua matatizo ambayo hata ukaguzi makini wa data ya majaribio unaweza kukosa.

Hifadhi Kila Kitu Kabla ya Kwenda Uwanjani

Hii inapuuzwa. Mwishoni mwa msingi, unapaswa kuwa na kumbukumbu ya mbinu inayohifadhi:

• Mfumo wa sampuli, mbinu ya sampuli, na sababu ya ukubwa wa sampuli
• Jinsi nafasi badala zilivyoshughulikiwa ikiwa wahojiwa waliochaguliwa hawakupatikana
• Toleo halisi la zana lililotumika (linalodhibitiwa kwa toleo, lenye tarehe)
• Mikengeuko yoyote kutoka kwa muundo wa awali na sababu zake
• Hatua za usafi wa data na uhakikisho wa ubora uliotekelezwa

Kwa nini hii ina umuhimu mkubwa? Kwa sababu mtu anayeandika ripoti ya tathmini ya mwisho miaka miwili baadaye huenda si mtu yule yule aliyebuni msingi. Kumbukumbu ya mbinu ni mkono wa kukubaliana kati ya nyakati hizo mbili.

📝 Kumbuka: Hifadhi seti yako ya data ya msingi, kitabu cha msimbo, na kumbukumbu ya mbinu pamoja katika folda moja ya mradi na uzihifadhi nakala. Nimeshuhudia programu kupoteza data yao yote ya msingi kwa kubadilika kwa wafanyakazi na uhamishaji wa seva. Huwezi kufanya ulinganishaji wa tathmini ya mwisho wenye maana bila seti ya data ya awali ya msingi, si ripoti ya muhtasari tu.

Mtego Ninaoona Mara Nyingi

Timu zinauona msingi kama formaliti ya mradi, kitu cha kukagua kabla ya utekelezaji kuanza. Huharakishwa, data yoyote inayopatikana inakusanywa, kisha mradi unaendelea. Kisha, wakati wa tathmini ya kati au mwisho, inaonekana kwamba msingi haukujibu swali la msingi: ikilinganishwa na nini?

Utafiti wa msingi si picha ya ulimwengu kwa ajili yake mwenyewe. Ni ahadi iliyosajiliwa mapema kwa mbinu ya kipimo. Tathmini ya mwisho ni kioo chake. Wakati hizo mbili zimebuniwa pamoja, kwa viashiria vile vile, maneno yale yale ya maswali, mantiki ya sampuli inayolingana, na mbinu iliyohifadhiwa, unapata ulinganishaji unaoweza kutetewa mbele ya mfadhili, mtoa tume, au timu ya programu inayojaribu kujifunza kilichofanya kazi.

Huo ndio msingi unaostahili bajeti yake.

Kama unafanya kazi kwenye utafiti wa msingi sasa hivi na unataka msaada wa kubadilisha mfumo huu kuwa zana halisi au mpango wa sampuli, hiyo ndiyo kazi ninayoifanya. Njoo tufanye kazi pamoja kwenye vera.ignex.io, tunajenga pamoja.

Follow Vera for more on MEL & project management: LinkedIn · Instagram · Facebook · X