Monitoring-und-Evaluation-(M&E)-Kurs

Lektion 1 • Stakeholder und ihre M&E-Rollen

Bildet die an M&E beteiligten Akteure und ihre Verantwortlichkeiten ab. Das Verständnis der Stakeholder-Rollen prägt das Design der Datenerhebung und die Berichtsstrategien.

Lektion 2 • Was M&E ist und warum es wichtig ist

Definiert Monitoring und Evaluation als unterschiedliche, aber sich ergänzende Funktionen. Legt dar, warum evidenzbasierte Entscheidungsfindung auf systematischer M&E-Praxis beruht.

Lektion 3 • Schlüsselkonzepte und Terminologie

Führt das im gesamten Fachgebiet verwendete Kernvokabular ein. Präzise Sprache verhindert Fehlinterpretationen bei der Gestaltung von Systemen oder der Kommunikation von Ergebnissen.

Lektion 1 • Validierung der Programmlogik mit Stakeholdern

Behandelt partizipative Methoden zur Prüfung und Verfeinerung der Programmlogik vor der Umsetzung. Die Validierung durch Stakeholder reduziert Designfehler und schafft Eigenverantwortung.

Lektion 2 • Verständnis der Wirkungstheorie

Erläutert, wie eine Wirkungstheorie Aktivitäten durch kausale Pfade mit langfristigen Zielen verbindet. Dieses kausale Denken untermauert die Indikatorenauswahl und das Evaluationsdesign.

Lektion 3 • Erstellung eines logischen Modells

Leitet den Aufbau von Input-Output-Outcome-Ketten in einem strukturierten visuellen Format an. Logische Modelle übersetzen die Programmstrategie in messbare Komponenten.

Lektion 1 • Erstellung einer Indikatoren-Tracking-Matrix

Konsolidiert alle Indikatoren in einem einzigen Managementinstrument und verknüpft jeden mit der Ergebniskette. Die Matrix wird zum operativen Kern des Monitoringsystems.

Lektion 2 • Arten von Indikatoren

Unterscheidet quantitative, qualitative, Prozess-, Outcome- und Impact-Indikatoren. Die Auswahl des richtigen Typs stellt sicher, dass die Messung der Ebene der Ergebniskette entspricht.

Lektion 3 • Entwicklung eines Indikatoren-Referenzblatts

Lehrt die Dokumentation der Definition, Quelle, Häufigkeit und Disaggregation jedes Indikators. Standardisierte Referenzblätter verhindern inkonsistente Datenerhebung über Teams hinweg.

Lektion 4 • Festlegung von Ausgangswerten und Zielen

Erläutert, wie Ausgangswerte und realistische Leistungsziele festgelegt werden. Ausgangswerte und Ziele machen Fortschritte messbar und ermöglichen eine aussagekräftige Abweichungsanalyse.

Lektion 1 • Komponenten eines M&E-Systems

Bildet die strukturellen Elemente ab, die ein funktionales M&E-System ausmachen. Das Verständnis der gesamten Architektur verhindert Lücken im Datenfluss und in der Berichterstattung.

Lektion 2 • Kapazitätsaufbau für M&E-Systeme

Behandelt die Schulung und Unterstützung, die das Feldpersonal benötigt, um den M&E-Plan zuverlässig umzusetzen. Kapazitätslücken sind die häufigste Ursache für das Versagen von M&E-Systemen.

Lektion 3 • Datenfluss und Informationsmanagement

Zeichnet nach, wie Daten von den Erhebungspunkten zu den Entscheidungsträgern gelangen. Ein effizienter Datenfluss reduziert Verzögerungen, Doppelarbeit und Fehler in der Berichterstattung.

Lektion 1 • Qualitätssicherung der Daten im Feld

Legt Protokolle zur Überprüfung der Genauigkeit, Vollständigkeit und Konsistenz von Daten während der Erhebung fest. Qualitätskontrollen auf Feldebene verhindern eine Kumulierung von Fehlern in der Analyse.

Lektion 2 • Gestaltung von Erhebungsinstrumenten

Lehrt das Formulieren von Fragen, die Abfolge und das Pilotieren für strukturierte Fragebögen. Gut gestaltete Instrumente reduzieren Messfehler und verbessern die Datenqualität.

Lektion 3 • Qualitative Datenerhebungsmethoden

Führt Fokusgruppendiskussionen, Schlüsselpersoneninterviews und Fallstudien ein. Qualitative Methoden erfassen Kontext, Wahrnehmungen und kausale Erklärungen, die Zahlen nicht liefern können.

Lektion 4 • Quantitative Datenerhebungsmethoden

Behandelt Umfragen, strukturierte Beobachtungen und administrative Aufzeichnungen als primäre quantitative Instrumente. Die Methodenwahl hängt vom Indikatortyp, der Stichprobengröße und den Ressourcenbeschränkungen ab.

Lektion 1 • Stichprobenziehung und Evaluationsumfang

Behandelt Entscheidungen zur Wahrscheinlichkeits- und zielgerichteten Stichprobenziehung, die die Generalisierbarkeit der Evaluation bestimmen. Die Wahl der Stichprobe wirkt sich direkt auf die Validität und die Kosten der Evaluationsergebnisse aus.

Lektion 2 • Evaluationsfragen und -kriterien

Lehrt die Formulierung von Evaluationsfragen anhand von Standardkriterien wie Relevanz, Effektivität und Nachhaltigkeit. Klare Fragen bestimmen alle nachfolgenden Design- und Methodenentscheidungen.

Lektion 3 • Experimentelle und quasi-experimentelle Designs

Behandelt randomisierte kontrollierte Studien und quasi-experimentelle Ansätze zur Zuschreibung von Veränderungen zu Programmen. Die Teilnehmenden beurteilen, wann diese Designs praktikabel und ethisch angemessen sind.

Lektion 4 • Arten und Zwecke von Evaluation

Unterscheidet formative, summative, Prozess-, Outcome- und Impact-Evaluationen nach Zweck und Zeitpunkt. Die Abstimmung des Evaluationstyps auf den Entscheidungsbedarf verhindert Ressourcenverschwendung und irrelevante Ergebnisse.

Lektion 1 • Triangulation und Mixed-Methods-Analyse

Demonstriert, wie quantitative und qualitative Ergebnisse für eine umfassendere Interpretation kombiniert werden. Triangulation stärkt das Vertrauen in Schlussfolgerungen und deckt untersuchenswerte Widersprüche auf.

Lektion 2 • Datenbereinigung und -aufbereitung

Behandelt die Identifizierung und Korrektur von Fehlern, Duplikaten und fehlenden Werten vor der Analyse. Bereinigte Daten sind die Voraussetzung für glaubwürdige Ergebnisse und valide Schlussfolgerungen.

Lektion 3 • Quantitative Analyse für M&E

Wendet deskriptive und inferenzstatistische Verfahren an, um die Programmleistung im Vergleich zu den Zielen zu messen. Die Analyse übersetzt Rohdaten in Leistungsnarrative für Entscheidungsträger.

Lektion 4 • Qualitative Datenanalyse

Führt thematisches Kodieren, Inhaltsanalyse und narrative Synthese für qualitative Daten ein. Diese Techniken decken Muster und Erklärungen auf, die quantitative Daten nicht liefern können.

Lektion 1 • Nutzung von Evidenz zur Programmanpassung

Demonstriert, wie Monitoringdaten adaptive Managemententscheidungen während der Umsetzung auslösen. Die adaptive Nutzung von Evidenz unterscheidet leistungsstarke Programme von statischen.

Lektion 2 • Verbreitung und Wissensaustausch

Behandelt Strategien zur Weitergabe von M&E-Ergebnissen über das unmittelbare Programmteam hinaus. Eine breite Verbreitung vervielfacht den Wert der Evaluationsinvestitionen im gesamten Sektor.

Lektion 3 • Datenvisualisierung für M&E

Lehrt die Auswahl und Gestaltung von Diagrammen, Tabellen und Dashboards zur Kommunikation von Leistungsdaten. Effektive Visualisierung beschleunigt das Verständnis und unterstützt evidenzbasierte Entscheidungen.

Lektion 4 • Grundsätze effektiver M&E-Berichterstattung

Legt Standards für Klarheit, Genauigkeit und Zielgruppenrelevanz in M&E-Berichten fest. Berichte, die Ergebnisse nicht klar kommunizieren, untergraben die gesamte M&E-Investition.