COVID-19对就业和教育的影响:利用数据缓解冲击

Competitive analysis identifies and evaluates the business strategies of your competitors, resulting in the analysis of strengths, weaknesses, opportunities and threats for your product relative to the competitors’ in a business ecosystem that is supported by data.
Data can help determine safe school reopening plans and a return to work.Image: Unsplash/UX Indonesia
本内容由人工智能自动翻译。
  • COVID-19对就业和教育的影响极为不利。

  • 数据有助于确定安全的学校复课方案和复工安排。

  • 城市层面的建模揭示了不同情景对感染率的影响。

  • “城市泡泡”方法有助于试点并推广有效的、以数据为指导的工作场所和学校复课策略。

疫情发生后,感染防控策略遏制了病毒传播,但不可避免地对学童和在职人员造成了影响。两年多过去了,在控制病毒以及应对COVID-19对就业和教育的影响方面,仍没有完美的解决方案。不过,基于城市的疫情数据建模或许能指明最佳路径。

疫情期间全国性封锁导致企业关闭和破产。2020年,工作时长减少了8.8%,超过1.14亿人失业。失业。学校停课也扰乱了教育,导致超过1亿名儿童未能达到最低阅读能力水平。这些后果在菲律宾等发展中国家尤为严重,那里的不平等现象更为突出。

截至2021年9月,菲律宾国家首都大区大马尼拉经历了四次不同严格程度的封锁,工作、学校及其他公共聚集活动受限的时间合计九个月。这些封锁扩大了教育和就业方面的差距。学业数字化不可避免地有利于特权群体,因为国家首都大区中只有55%的学生能够上网。

更甚者,公立学校正面临适应困难,原因是资源匮乏、准备不足。菲律宾的失业率也达到了10.3%,为15年来最高水平。鉴于这些挑战,哪些策略有助于学校和办公场所复课,并遏制贫富差距的进一步扩大?

数据可为学校安全复课和复工提供参考

疫情初期,由于对病毒所知甚少,预测COVID-19的传播及其影响颇具挑战,因此菲律宾政府的决策主要依据国内阳性病例和患者症状报告。这种回顾式做法以及随后实施的居家令,虽然限制了病毒的影响,却以牺牲无法居家工作者的教育和生计为代价。当前社区所需的,是针对疫情以及这些领域所受干扰的战略性应对。

制定恰当策略的一种方法是利用疫情数据,并将其输入过去疫情中使用过的一种名为SEIR的计算模型。尽管该模型的准确性依赖于历史数据,但它可以帮助决策者在实施前主动评估各项方案。

该模型的运作方式是将个体划分为以下疾病状态:

  • 易感者——健康个体

  • 暴露者——与感染者有过接触的个体

  • 感染者——已确诊且具有传播性的COVID-19感染个体

  • 康复者——因死亡或康复而不再患病的个体

通过这种方式对个体进行分类,我们便可以模拟个体随时间在各组之间的转移速率。这一序列使我们能够可视化感染动态,并在不同干预措施(例如复课程度、保持社交距离和佩戴口罩)的作用下预测传播情况。

城市层面的建模

我们使用了与年龄相关的接触数据,并在一个基于主体的模型中进行了运算,并在可获得可靠数据的一座城市——大马尼拉的帕西格——进行了试点。随后,我们模拟了不同情景:

  • 学校:100%开放和50%开放,以0%开放作为对照情景

  • 工作场所:100%开放,以50%开放作为对照情景,因为部分公司已实施混合办公。

随后,我们检验了在结合不同程度的口罩佩戴和保持社交距离的情况下,能否实现100%开放:

  • 理想情况——100%佩戴口罩并保持社交距离

  • 中等情况——50%佩戴口罩并保持社交距离

  • 最差情况——0%佩戴口罩并保持社交距离。

根据建模结果,若能维持佩戴口罩和保持社交距离,帕西格市学校和办公场所100%开放将不会显著增加感染。在中等措施下,学校和办公场所100%开放分别会使感染增加3.9%和5.2%,即每10万人口中分别增加3,900人和5,200人。

“城市泡泡”方法

利用疫情数据预判干预措施如何影响传播,很可能带来更具战略性的复课。然而,若在全国范围内实施,可能会引发感染,造成不利的健康和经济后果。

那么,我们如何将其转化为政策?

COVID-19“泡泡”概念——即在限制措施期间,允许一个以上(通常为两个)家庭之间进行身体接触的做法——已在新西兰、澳大利亚和英国得到应用。在此方法基础上,可以逐城实施以数据为指导的复课政策。具体做法如下:

1. 从一座城市、一个泡泡开始

选择单一城市开展试点研究,可以判断基于模型的复课策略是否有效。所选城市应具备高效的接触者追踪系统,且不应是COVID-19热点地区,以尽量降低试点失败的风险。

2. 优先复课学校

我们的数据表明,无论采取何种开放策略,学校复课都只会使中小学生的感染率维持在较低水平,这与工作场所不同——在工作场所,50%和100%的开放可能会显著增加在职感染人数。尽管如此,仍应考虑采取为学校工作人员接种疫苗以及尽早隔离疑似病例等缓解措施。

3. 按年龄组分阶段复课

研究表明,与成年人相比,儿童对COVID-19的易感性较低。尽管如此,学校和工作场所复课后的感染率仍相近——部分儿童很可能无症状,但可能会将病毒传染给父母。尽管如此,从易感性最低的年龄组开始,有助于对新增感染进行审慎监测。若进一步采取限制在校时长、缩减班级规模以及设立感染控制工作组等额外预防措施,效果将更为显著。

4. 调整政策并推广至其他城市

在试点阶段,记录哪些做法有效、哪些无效十分重要,并利用疫苗效力、无症状病例和病毒变异株的数据完善模型。这些经验有助于在其他城市扩大和复制这些策略。此次疫情凸显了政策制定者、医疗服务提供者、科学家、教育工作者和企业领袖之间开展合作的重要性,以确保复课策略系统且安全。由于发展中国家的医疗资源尤为有限,“城市泡泡”方法有望在感染传播与学校和工作长期受扰所带来的危害之间实现权衡。

授权与转载
世界经济论坛发布的文章,可依据《知识共享署名-非商业性使用-禁止演绎4.0国际公共许可协议》以及我方《使用条款》进行转载。 本文所表达的观点仅代表作者个人立场,并不代表世界经济论坛的观点。