这是我们的数据与影响系列的第二篇文章，我们在其中探讨了 Better Cotton 的数据驱动方法来衡量和报告影响。 看完我们的 新的和改进的报告模型，我们现在重点关注我们如何评估影响。
我们与 Better Cotton 高级监控、评估和学习经理 Eliane Augareils， 了解更多。
为确保我们的计划发挥作用并为更可持续的棉花生产做出重大贡献，我们需要了解良好棉花标准体系对环境、社会和经济的影响。 其中一个关键部分是确保有效的评估。 评估是对监测的补充，这样我们就可以了解变化是如何发生的以及为什么没有发生，以及这些变化是否可以归因于良好棉花及其合作伙伴的干预。
我们使用互补的研究和评估方法，并与独立组织和研究人员合作评估实地影响。 需要多种方法来有效衡量规模和深度的结果和影响——因为没有一种方法或方法可以满足了解可持续发展计划的范围、效率、结果和最终影响的所有需求。
我们的 MEL 计划侧重于农场层面的结果，根据我们的变革理论衡量最重要的因素：棉花种植中环境、社会和经济条件的持续改善。
通过我们的 MEL 计划，我们随着时间的推移收集农场层面的数据，以分析良好棉花棉农在实践、可持续绩效和结果方面的演变。 通过第三方研究，我们旨在证明这种演变可以完全或部分归因于良好棉花的干预措施，并量化我们对积极变化的贡献。
在 Better Cotton，我们同样有兴趣展示我们对变革的贡献，因为我们将变革归功于 Better Cotton 干预措施。
我们在三个层面上同时开展监测和评估工作：全项目监测、抽样监测和研究。
全计划监测
我们的 MEL 计划的第一个要素是计划范围内的监控，我们通过该监控收集棉农自我报告的有关良好棉花覆盖范围的信息。 该信息包括良好棉花棉农总数、种植的公顷数和良好棉花产量。 通过衡量这些覆盖面数据，我们可以评估我们在实现所有棉花种植可持续发展的世界愿景方面所取得的进展。
采样监测
我们还从良好棉农样本中收集数据，以评估他们的社会经济和环境绩效。 我们使用这些农场层面的结果来了解良好棉花棉农在加入良好棉花计划后是否取得了更好的绩效结果。
展望未来，我们现在开始报告良好棉花的表现，而不是像我们过去所做的那样报告一个季节的结果（比较良好棉花棉农和非良好棉花棉农在一个特定季节的结果）农民在多年的时间框架内。 这种方法与增强的背景报告相结合，将提高透明度并加强该部门对当地棉花种植条件和国家趋势的了解。 它还将帮助我们确认 Better Cotton Farmers 是否在长期内有所改善。 要了解更多相关信息，请查看 本系列的前一篇博文.
研究
最后，Better Cotton 委托独立研究收集和分析来自 Better Cotton Farmers 的数据，有时也来自非 Better Cotton Farmers。 这些研究混合使用了定量和定性方法。 定性或混合方法使我们能够听到农民自己的话，他们认为参与良好棉花计划是否以及如何为他们带来积极的变化。
比较良好棉花棉农和非良好棉花棉农在不同时间点的结果，使研究人员能够识别和量化良好棉花干预措施的影响。
例如，2019 年至 2022 年间，瓦赫宁根大学 开展了一项关于 Better Cotton 在印度的影响的研究. 你可以找到更多的研究论文 “展示结果和影响”页面 Better Cotton 网站的“独立研究和评估”部分。
根据手头的需求和资源，Better Cotton 还委托：
最后，我们定期提供农场级（匿名）数据，并对学术研究人员或其他对可持续棉花生产进行独立研究的研究机构进行采访。
除了我们自己的内部监督和评估政策和流程外，良好棉花标准体系还根据 ISEAL 的良好行为准则进行了独立评估。
作为 国际可持续标准联盟（ISEAL） Code Compliant 以及公平贸易和雨林联盟等其他行业领导者意味着我们正在满足严格的国际监测和评估标准。 我们致力于逐步改进我们衡量和报告进展以及展示我们影响的方式，投资于我们收集的数据的可靠性和我们评估方法的稳健性。
详细了解我们的监控、评估和学习方法 此处.
