杰西·奥康奈尔（Jesse O’Connell）
如果您要做出人生中最重要，最昂贵的决定之一，那么您想拥有多少必要的信息？ 大约100％？ 75％？ 你会解决百分之五十吗？
可能不是。 您将需要尽可能多的信息。 但是，请考虑现实，就上大学做出决定。
联邦毕业率仅占47％的学生，大专毕业生中约有三分之一被排除在大学后收入数据之外。
学生以及决策者，企业和许多其他人都希望依靠高质量的数据来确定机构的有效性以及其课程的质量和结果。 但是他们不能因为我们缺乏全面，准确的联邦数据来告诉我们美国的大学和学院是否正在履行其使命，即帮助学生获得获得良好工作所需的学位或其他证书。
联邦高等教育数据和报告系统的缺点和复杂性有据可查。 消费者需要计划级别的结果数据来告知他们关于上大学和学习什么的决定-但是我们当前的数据不能执行这一重要功能。 我们应该始终询问收集的数据是否可以：1）用于帮助机构理解和改善其结果； 2）帮助消费者了解特定机构和计划的运作方式； 3）帮助决策者指导公共投资。
旨在为消费者提供信息的数据收集，尤其是那些认为购买与大学教育同样重要的消费者，必须帮助他们做出明智的决定。 这些数据应该是可公开获取和理解的； 确保消费者拥有所需的信息，以指导他们的教育和培训，以获取所需的学位，证书或其他证书，以寻找并保留工作。 用于判断机构效力的数据收集同样重要。 如果不仔细检查数据，我们将无法知道哪种教育方法会产生可承受性，完成度，学识和公平度提高的预期结果。 因此，在各个方面进行适当的数据收集至关重要。
多年来，Lumina Foundation支持的研究表明以下原则对于利用数据的力量来改善制度和增强消费者能力至关重要：
学生，政策制定者和其他利益相关者应该获得学生和纳税人的关键质量指标和投资回报率衡量指标。 质量保证指标必须验证机构是否为学生，尤其是低收入学生和有色人种提供充分的教育机会； 代表已证明学习的证书； 提供支持，帮助学生完成课程，并对所获得的证书经过精心设计，以帮助毕业生通过使用所学知识获得财务稳定性，充满信心。 在适当情况下，这些指标还应反映不同类型的机构及其所服务学生的特征。
数据和指标在教育机构和州之间必须具有可比性和一致性。 没有这一点，就几乎不可能衡量结果并正确告知消费者，因为三分之一的学生在获得学位之前在某个时间点转学，而其中有27％的学生跨州学习。
收集和共享的数据必须反映所有类型的学生及其经验的整体。 当我们将学生排除在数据系统之外时，我们实际上是在将他们排除在决策过程之外。 这对于努力推动公平发展并为服务不足的学生增加机会产生了实际影响。 对于当今学生成功或失败原因的更准确，更全面的数据的日益增长的需求，可以通过深思熟虑地开发安全，受隐私保护的学生级数据网络来最有效地解决。 允许将有关学生进度的数据与其他联邦数据系统进行匹配，以便报告更全面，更高质量的计划和机构级数据，这将有助于我们所有人评估我们如何更好地帮助学生迁移，迁移和迁移高中后学习和工作人员的提供者。
高中毕业后与教育相关的所有联邦计划中，有关学生成绩的数据必须具有可比性。 今天，即使联邦教育，劳工，退伍军人事务和国防部的课程为相同或相似的学生群体提供服务，也无法对这些课程的结果进行比较。 每个机构都会制定自己的质量指标，并且很少与服务于相同或相似群体的其他机构和计划进行互动（如果有的话）。 这里要确保有细微差别-数据来源和测量间隔上的一些差异是适当的-但对基础数据的更强大匹配将使所有负责教育和人才培养的联邦计划能够相对评估其有效性。
尽管我们认为这些原则很重要，但最重要的原则却很简单：我们可以做得更好。
我们可以做的比47％好。
我们可以更好地处理数据。
杰西·奥康奈尔 是Lumina的联邦政策战略总监。
