Dos opciones para superar el desafío 1

Opción 1: Limitar el ejercicio al nivel de los grupos de datos (excluir la matriz de indicadores)

El ejercicio sigue siendo vasto y su alcance puede reducirse aún más si se tiene en cuenta lo siguiente:
1) El rango de grupos de datos a investigar
Por ejemplo, Côte d’Ivoire decidió investigar los grupos de datos gestionados por los sectores clave que participan en nutrición (salud, educación, género, asuntos sociales, agricultura, recursos animales, agua, economía, finanzas y planificación) y otras agencias conocidas por gestionar bases de datos (Agencia Nacional de Desarrollo Rural, Oficinas Nacionales del Agua, etc.).
Los “sectores clave” son los que participan en el Plan multisectorial de acción para la nutrición. En algunos países esta lista puede ser mucho más amplia e incluir más de diez ministerios. En favor del ejercicio de panorama de datos, se recomienda reducir la lista de proveedores de datos a investigar para mantener la viabilidad del ejercicio. Se podrán investigar otros sectores en una segunda etapa, utilizando la experiencia del primer ejercicio.

2) El nivel de detalle de la información que se debe recopilar para cada grupo de datos
Los equipos de las PNIN pueden decidir el nivel de detalle que necesitan recopilar para cada conjunto de datos. Una opción es solicitar una descripción detallada de los grupos de datos solo para algunos sectores priorizados.

Opción 2: Incluir los grupos de datos y la matriz de indicadores en el ejercicio de panorama de datos

El alcance del ejercicio de panorama de datos se puede reducir observando:
1) La cantidad y el rango de indicadores que investigar
Hay varias formas de decidir la cantidad y el rango de indicadores para incluir en la matriz:

  • Seleccionar proveedores de datos. Por ejemplo, el equipo de país de la PNIN en Côte d’Ivoire decidió investigar todos los datos disponibles en ministerios clave (salud, educación, género, asuntos sociales, agricultura, recursos animales, agua, economía, finanzas y planificación) y otras agencias conocidas por gestionar bases de datos (Agencia Nacional de Desarrollo Rural, Oficinas Nacionales del Agua, etc.).
  • Remitirse al plan de monitoreo y evaluación y a la lista de indicadores multisectoriales que se adjunta a un plan nacional multisectorial de acción para la nutrición. Si esta lista continúa siendo demasiado larga, se pueden identificar y seleccionar indicadores clave. Por ejemplo, el equipo de país de la PNIN en Guatemala seleccionó 70 indicadores clave del plan de monitoreo y evaluación. Esto significaría que la matriz de indicadores se limita a esos 70 indicadores, pero la descripción de los grupos de datos debería tener un alcance más amplio.
  • Adaptar el sistema SUN MEAL que incluye una lista de indicadores multisectoriales (alrededor de 300) y una subselección de indicadores clave (alrededor de 70) para la nutrición.

2) El nivel de detalle de la información que se debe recopilar para cada indicador
Existen varias opciones a considerar cuando se decide el nivel de detalle para cada indicador, estas incluyen:

  • Completar una matriz de indicadores en su totalidad. La matriz de indicadores disponible aquí es un ejemplo de una evaluación exhaustiva para cada indicador seleccionado.
  • Recabar solo información básica para cada indicador. Por ejemplo, la PNIN en Burkina Faso solo armó una lista de todos los indicadores disponibles en los grupos de datos junto con su definición.
  • Completar la matriz de indicadores en su totalidad solo para sectores clave (salud, agricultura, educación, etc.) y recopilar información menos detallada para los sectores de menor prioridad. Por ejemplo, la PNIN en Etiopía decidió concentrarse en nutrición y WASH en la primera fase. Esto significa que se puede completar una matriz de indicadores detallada para estos dos dominios con información menos detallada para los otros dominios.
We use cookies. By continuing to use our site, you agree to this. Details and objection options can be found in our privacy policy.
Use of third party offers

In addition to technically necessary ‘session’ cookies, this website uses Matomo tracking as well as video hosting from Youtube.com and Vimeo.com.

When you choose to play a video, your browser establishes a connection to third-party providers’ servers, which may automatically transmit your IP address as well as information about your browser, operating systems, date/time and the address of our website to them.

Tracking cookie from Matomo

Matomo is used in a GDPR-compliant manner, as it only collects and processes data within this website. It is used for non-personal tracking of user interaction.