美国数学政策研究中心信息领域信息情报检索

美国数学政策研究中心(Center for Mathematical Policy Research)是一个独立的研究机构,专注于数学教育和政策领域的研究。该中心的使命是提高数学教育的质量和效果,促进数学在社会和经济发展中的应用。中心的研究人员与教育机构、政府和行业合作,开展调查研究、政策分析和项目评估,为决策者提供科学依据和建议。美国数学政策研究中心致力于推动数学教育改革,提高学生的数学素养,促进数学在创新和发展中的作用。

进行公平性评估

Conducting Equity Assessments

这个为多部门社区联盟量身定制的工具描述了进行公平性评估的关键步骤,提出了一些问题来帮助理解他们的工作对不同人群的影响,并建议使用数据进一步推动联盟努力解决 SDOH 的额外资源。

影响儿童抚养计划在减少儿童贫困方面的作用的因素:会议总结

Factors that Impact the Child Support Program’s Role in Reducing Child Poverty: Convening Summary

本简报总结了一次专家会议,重点讨论了儿童抚养计划目前的能力和未来解决儿童贫困的潜力。

影响儿童抚养计划在减少儿童贫困中的作用的因素:召集摘要

Factors that Impact the Child Support Program’s Role in Reducing Child Poverty: Convening Summary

本摘要总结了一项专家召集的专注于儿童抚养计划的当前能力和未来解决儿童贫困的潜力。

社区护理中心如何与卫生部门合作以更快地取得进展

How Community Care Hubs Can Work with Health Departments to Get Further Faster

本期简报介绍了州和地方卫生部门如何与社区护理中心合作解决健康社会决定因素、参与中心的好处以及中心与卫生部门合作的建议。

真实的社区伙伴关系和权力分享:汉密尔顿县公共卫生局 WeTHRIVE!倡议案例研究

Authentic Community Partnership and Power Sharing: A Case Study of Hamilton County Public Health’s WeTHRIVE! Initiative

本案例研究描述了俄亥俄州汉密尔顿县公共卫生部门发起的一项倡议“WeTHRIVE!”如何促进公共卫生部门与当地社区之间建立真正的伙伴关系,并分享决策权,以解决健康的社会决定因素并预防全县社区和学校的慢性病。

能力评估:分步规划多部门社区联盟和伙伴关系

Capacity Assessments: Stepwise Planning for Multisector Community Coalitions and Partnerships

该资源概述了多部门社区联盟、伙伴关系或组织评估其在各个领域解决健康社会决定因素 (SDOH) 的能力的过程。 该资源包括一份精选的评估工具列表,联盟和伙伴关系可以使用这些工具来确定优势和需要改进的领域,同时规划未来解决 SDOH 的努力。

在 COVID-19 大流行期间通过实践社区在州、部落、地方和领土公共卫生机构之间传播知识

Knowledge Dissemination Among State, Tribal, Local, and Territorial Public Health Agencies Through Communities of Practice During the COVID-19 Pandemic

本报告总结了在 COVID-19 大流行期间使用实践社区支持州、部落、地方和领土公共卫生机构的经验教训。

Katherine Michelmore 赢得第 24 届 David N. Kershaw 奖和奖金

Katherine Michelmore Wins the 24th David N. Kershaw Award and Prize

密歇根大学杰拉尔德·R·福特公共政策学院的 Katherine Michelmore 因其作为社会安全网、教育政策和劳动经济学领域的领先学者和教育家的贡献而获得了 2024 年 David N. Kershaw 奖和奖项。

信息图:Head Start 计划中对儿童和看护者的全面支持

Infographic: Holistic Support for Children and Caregivers in Head Start Programs

Mathematica 与规划、研究和评估办公室合作,使用 Head Start 数据进行研究,以了解和满足家庭的需求并改善教育工作者的专业学习,最终支持儿童的结果。

在全国残疾受益人调查中测试网络和纸质模式

Testing Web and Paper Modes on a National Survey of Disability Beneficiaries

第 8 轮(2023 年)全国受益人调查包括对替代调查模式的测试。使用自管理的网络和纸质模式对未响应电话模式的样本成员进行了随机分配实验。研究结果表明,网络和纸质模式提高了调查的完成率。

与 Mathematica 的数据创新者一起参加 Health Datapalooza 和国际人口数据链接网络会议

Join Mathematica’s Data Innovators at Health Datapalooza and the International Population Data Linkage Network Conference

在 AcademyHealth 的 2024 年健康数据盛会和 2024 年国际人口数据链接网络会议上寻找 Mathematica 的数据创新者。

没有随机试验?没问题!

No Randomized Trial? No Problem!

我们都希望使用最佳证据和方法来证明我们的解决方案能够产生影响,但使用随机对照试验(研究中的黄金标准)通常是不可行或不切实际的。倾向评分方法等准实验方法减少了与观察性研究相关的偏差,从而可以在没有随机化的情况下估计准确的因果关系。 Mathematica 的方法专家已经掌握了一系列倾向评分技术,并开发了新的技术来满足客户的需求。

用于调查 K-12 学校中 SARS-CoV-2 的基于代理的模型

Agent-based models for investigating SARS-CoV-2 in K-12 Schools

在过去 50 年中,ABM 已用于评估控制疾病传播、减少青少年吸烟、传播技术和更新农业政策的努力的有效性。对于洛克菲勒基金会在六所学校开展的 COVID-19 检测协议示范项目,我们使用 ABM 来了解 COVID-19 筛查测试对学生、教师、管理人员和其他学校工作人员中 COVID 传播的影响。

失业保险导航员解决技术障碍

Unemployment Insurance Navigators Addressing Technology Barriers

本专题简报介绍了获取失业保险 (UI) 计划的技术障碍、受技术障碍影响的人群以及新墨西哥州和宾夕法尼亚州的 UI Navigators 为解决这些障碍而使用的策略。

失业保险导航员的外展和参与策略

Unemployment Insurance Navigator Outreach and Engagement Strategies

本聚焦简报介绍了 UI Navigator 在缅因州、新墨西哥州、俄克拉荷马州、宾夕法尼亚州和威斯康星州使用的推广和参与策略,这些策略旨在与代表性不足的群体分享有关 UI 计划和 UI 导航服务的信息,并解决 UI 计划访问的几个障碍。

通过基于社区的导航解决失业保险计划访问障碍

Addressing Barriers to Unemployment Insurance Program Access Through Community-Based Navigation

本聚焦简报重点介绍了新墨西哥州、俄克拉荷马州和宾夕法尼亚州三家 UI Navigator 受助者使用的方法,以填补历史上服务不足的人群(包括老年人、农村居民和来自黑人、土著和有色人种 (BIPOC) 社区的潜在索赔人)面对面服务的空白。

失业保险导航员为移民和季节性农场工人提供服务

Unemployment Insurance Navigators Serving Migrant and Seasonal Farmworkers

本焦点简报重点介绍了移民和季节性农场工人在领取失业保险 (UI) 福利方面面临的障碍,以及威斯康星州和新墨西哥州的 UI 导航员如何帮助消除这些障碍。

独立评估服务,以支持El Salvador投资气候项目和危地马拉私人合作伙伴活动

Independent Evaluation Services in Support of the El Salvador Investment Climate Project and the Guatemala Private–Public Partnerships Activity

为了改善商业环境并打破了可贸易行业的增长,千年挑战公司(MCC)和埃尔·萨尔瓦多政府在2014年9月签署了五年的投资紧凑型。同样,在危地马拉,MCC也签署了一项阈值计划,其中包括一项促进公共 - 公共团体活动的能力。