Education policies during the COVID-19 pandemic: scope, efficiency and gaps
本章では、新型コロナウイルス(COVID-19)のパンデミックが教育に与えた影響を検証し、世界各国の教育省が講じた政策対応を評価する。遠隔学習に関する政策は、世界中の児童生徒の学習継続性を確保する上で重要な役割を果たしてきたが、本分析では、学校閉鎖の規模と期間を調査し、教室での対面授業が中断された日数の定量化と、遠隔学習の普及状況を推定し、コロナパンデミック期間中に採用された遠隔教育プログラムがどの程度効果的であったかを検証する。最後に、教育を混乱させる可能性のある将来の危機に対応する上で、健全な遠隔学習政策の重要性について概説する。
Improving Targeting of Conditional Cash Transfer Programs: Through Posterior Simulation and Multilevel Modeling
条件付き現金給付(CCT)プログラムは、発展途上国で貧困家庭の健康と教育の向上を目的とした条件付き金銭的インセンティブを提供する近年人気のアプローチです。しかし、給付の最適化が不十分であることや、必要とする家庭を特定する行政上の困難から、多くのCCTプログラムでは支援を必要とする家庭の不完全なカバーや、低い財政効率性といった問題が生じています。De Janvry と Sadoulet(2003年)は、必要な家庭を特定し、最適な給付額を決定するために二値回帰モデルを使用する彼らのターゲティング手法(DJS法)が、これらの問題を効果的に解決できることを示しました。本論文では、DJS法の実施において直面する2つの課題に取り組みます。それは、二値モデルを比較するための適切な方法論の必要性と、外部妥当性の高い二値モデルを開発する必要性です。CCTプログラムのターゲティングにおいて、二値モデルは全体的な適合度を超えて包括的に分析する必要があります。たとえば、政策立案者はさまざまなモデルの偽陽性率や偽陰性率を知り、政策の優先順位に応じて最適なモデルを選択する必要がある場合があります。