美国电动校车采用数据集的技术说明

Leah Lazer ， Lydia Freehafer 和 Brian Zepka 摘要 CONTENTS 从传统柴油动力校车转向电动校车（ESB）可以降低学生的空气污染暴露并减少温室气体排放。美国各地的学区和私营车队运营商正在以越来越快的速度采用电动校车，但到目前为止，ESB的采用并未以集中且公开的方式进行跟踪。WRI旨在创建可访问的数据和分析，以帮助学区工作人员、倡导者、政策制定者和其他利益相关者做出基于证据的决策，并支持向ESB的过渡。本技术说明描述了创建一个前所未有的数据集的方法，该数据集追踪全美范围内ESB的采用情况。 摘要. ............................................................1 动机.........................................................2指标和选择标准................................................2 数据描述与方法.................................3限制条件....................................................... 13 附录A. 数据描述与来源. .................. 15附录B. 2019 和 2020 年 DERA 学校巴士补贴 - 电动巴士概览.......................................... 15 参考文献.......................................................16 致谢..............................................18 关于作者...............................................18关于WRI ....................................................... 18 数据集主要按照学区组织，并记录了每个学区内“已承诺”的电动汽车充电站（Electric Vehicle Supply Equipment,ESB）的数量。一旦学校学区或车队运营商获得资金用于购买ESB，或者正式与制造商或经销商签订购买协议，我们就会认为该ESB已被“承诺”。如果仅表示计划收购ESB，而不涉及实际的资金分配或合同，则不会将其视为“已承诺”。数据集还包括有关“已承诺”ESB的其他详细信息，如制造商和资金来源等。此外，还包含了与学区相关的人口贫困、种族构成以及地理位置（城市、郊区、城镇或农村）等特性，以支持对ESB采用情况更广泛的分析，包括判断向ESB的过渡是否公平进行。与ESB相关的数据从各种公开可获取的资源收集而来，包括新闻文章、学校网站、行业出版物和社交媒体帖子。其他人口统计和经济数据则来源于可信的公共数据库，包括环境领域相关的公开数据集。 技术说明文档记录了出版物、交互应用或工具背后的调研或分析方法论。 第 8 版 2024 年 8 月 建议引用 ：拉泽尔, L., L. Freehafer, 和 B. Zepka. 2024. “美国电动校车采用的数据集.” 技术笔记. 华盛顿特区: 世界资源研究所. 可在线访问：https: / / doi. org / 10.46830 / writn.21. 00134. v8. 本技术说明中描述的数据集可在<https://datasets.wri.org/dataset/electric_school_bus_adoption>获取。 环境保护署、美国人口普查局和国家教育统计中心。本数据集将在世界资源研究所的电动校车计划生命周期内定期更新，以包含新承诺的电动校车（ESBs）和额外指标。本版本的数据集截至2024年6月30日。 这些方法已被定期用于评估学区是否有资格获得联邦资金用于教育技术补助或其他项目，如贫困儿童的比例，这用于评估免费和减价学校午餐以及美国救援计划教育技术补助的资格。 2.策划考虑到我们无法预见到所有利益相关方希望使用这些数据的方式，这个数据集应提供与预期应用场景（参见“应用场景”部分）相关的所有信息，而不过度包含指标，以免使非技术用户感到困惑或承担研究和选择指标的负担。例如，在类别4中，人口统计数据应平衡地提供对由种族、财富、地理及其他因素导致的社会经济和环境健康差异和不平等的充分整体理解，但并不需要包括超过几个常见的贫困相关指标。 动机 近年来，全国的电气化校车（ESB）数量快速增长，但其采用情况并未以集中且公众可访问的方式报告。本数据集填补了这一空白，并包含了额外的数据，使研究者、政策制定者和倡导者能够根据学校区的特性（如平均收入、贫困程度、种族构成、地区和位置（城市、郊区、小镇或农村））进行ESB采用的自定义分析。这是构建一个关于ESB信息的中央枢纽的第一步，该枢纽将通过创新的数据组合（例如评分卡、指标、指数）和其他信息（例如案例研究、社区组织工具、社会连接）等补充内容，以帮助目标用户推动校车电动化进程。这可以为政策评估、未来政策设计、研究和倡导提供信息。我们希望与这个数据集互动的相关方能帮助我们找到更多或改进后的关于ESB部署的信息，以便在数据集的更新中包含进来。我们期望这些参与方能协助我们搜集并整合更多关于ESB部署的详细资料和改进信息，以供后续更新数据集使用。 3.与 ESB 相关针对健康风险指标，我们选择了与空气污染物暴露导致的健康问题相关的关键指标，因为这些问题正是电动校车（ESBs）能够改善的情况。按照这一标准，我们没有包含如水污染、铅暴露或临近Superfund场地等因素。对于与校车车队、学区行政及地理信息相关的指标，我们选择了那些最能反映电动校车采用情况的指标，例如巴士所有权结构和地理位置。 指标和来源选择标准 源选择标准 以下标准指导了我们选择用于构建此数据集的来源。完整的数据来源列表可以在网址https://www.wri.org/research/technical-note-dataset-electric-school-bus-adoption-united-states提供的表格A1中找到。 指标选择标准 以下标准指导我们选择要包括的指标。这些标准特别适用于制定第 4 类 “社会经济和人口特征 ” 指标时，但它们也为所有其他类别的指标做出了决定 ，因为并非所有有关 ESB 特征的信息，校车车队的特征，学区管理结构等，对数据集的目标受众和预期目的都同样有用。 1.信誉良好数据应来源于政府机构或其它信誉良好且广泛使用的来源，如学术期刊、享有盛誉的行业出版物，或智库或非营利组织的同行评审资源。部分数据（主要与ESB承诺相关）仅能从不太可信的来源，如新闻文章或学区新闻稿中获取。在这种情况下，我们尽可能地跨多个来源交叉验证信息，并倾向于采用最可信或细节最丰富的来源。 1.流行指标应广泛应用于相关主题的其他工作之中，以实现与其他研究的对比、符合ESB资助标准以及与更广泛的共识对使用这些主题上最合适的指标进行对齐。例如，在类别4中，我们包含了以下指标： 2.适当规模： 数据应该已经在学区一级可用 ， 或者在 然而，大多数地方教育机关（LEAs）是“常规公立学校区，不属于监督联合体的一部分”，并且与学校巴士车队特性、ESB车队特性和人口统计学（下文2-5类相关数据）相关的大部分数据都与此类型的LEA相关。这类LEA，以及“属于监督联合体的常规公立学校区”，通常是人们常说的“学区”的主要类型，包括在提到美国大约有13,500个学区时。 采用比学区（例如，普查街区群）更精细的分辨率，以便能够准确地放大至学区级别。 3.最近： 数据应该是最新的 ， 定期更新 ， 并且在过去三到五年中已经更新。 数据描述和方法 本节描述了数据集的内容。它将数据分为十一个类别，并为每个类别提供了信息，如数据是如何收集和/或分析的、如何解释它们以及为什么被包括（与上述指标选择标准相关）。 该类别还包含有关学区的地理和行政特征的数据，包括其地址、在不同区域群组中的位置、所在地区（城市、郊区、小镇或农村）、纬度和经度坐标以及其他相关信息。 表 1. 采用 ESB 的地区级数据集 数据源、收集方法和 / 或分析方法 本数据集包含的学区源自NCES在2022-23学年LEA全样本调查的初步目录。本类别中的所有数据均在学区层面可用，因此无需进行缩放或聚合。详细信息请参见表A1。 类别 1 ： 学区特色 本类别包含该数据集的基础表格，来源于美国教育部（U.S. Department of Education）国家教育统计中心（National Center for Education Statistics, NCES）于2022-23学年的区目录。NCES是一个负责收集和分析美国教育相关数据的联邦机构。目录通过名称和唯一的识别编号（LEA ID）列出国家的本地教育机构（LEAs，在此技术说明中为了便于理解而称为“学区”）。美国教育部定义本地教育机构为“州内为公立小学或中学的行政控制、指导或服务提供者，可以是城市、县、乡镇、学区或其他州的政区，或州内认可的组合学区或县，作为其公立小学或中学的行政机构”（IDEA 2017）。 此类别，特别是LEA ID列表，为本数据集奠定了基础，因为在Excel中通过XLOOKUP函数根据LEA ID匹配其他所有数据集与NCES LEA目录时，这种方法比基于名称匹配学区更为有效。因为不同州的一些学区具有相同的名称，或者在不同的上下文中书写方式不同（例如，Mt. Pleasant School District与Mount Pleasant School District）。 类别 2 ： 校车车队特点 这些数据涵盖了学区整体校车车队的特性，包括校车的数量和所有权模式。 数据源、收集方法和 / 或分析方法 本部分数据（除非在特定地区的“来源”列中另有说明），来自WRI的“美国校车车队数据集”（Lazer等，2023年）。该数据集包含全美各类燃料类型校车车队的详细信息，数据来源于各州政府相关部门。包括46个州和哥伦比亚特区的数据，涉及超过45万辆校车和约9000个教育服务机构（LEA）。使用Microsoft Excel的XLOOKUP函数将地区使用的总校车数量以及是否涉及承包商的数据合并进了采用电动校车（ESB）的数据集。 美国大约19,500个LEA构成了这份数据集的行。共有九种类型的LEA，包括除了通常所说的“学区”之外的多种与公共教育相关的实体，如州运营机构或服务机构（参见表1）。由于任何这些LEA类型都可能拥有电校车（ESB），因此此ESB采用数据集包含所有LEA类型。此外，还包括任何未包含LEA ID但已获得电校车的实体（例如私立学校和私营车队运营商）在内的其他实体。 因此，我们不得不决定在这个过程中何时应将ESB（企业服务总线）包含进这个数据集。这个数据集追踪的是“已承诺”的ESB。 该类别中的所有数据均可在学校教学级别获得 ， 因此无需缩放或汇总。 类别 3 ： 电动校车车队特点 ▪定义:当学区或车队运营商已被授予资金用于购买ESB，或者已与制造商或经销商正式达成购买协议时，我们认为“ESB被承诺”。如果仅表示对ESB感兴趣或计划获取ESB，但未获得资金或与第三方达成正式协议，则我们不会认为“ESB被承诺”。 这些数据涵盖了学区是否拥有任何承诺使用的电动校车；如果存在，则数据还包括关于这些校车的其他信息，如承诺使用的电动校车数量、每辆校车在采购阶段的数量（参见“Sheet 2: 校车级数据”），涉及的政府机构、充电公司和公用事业。从“Sheet 2: 校车级数据”中收集的更详细数据汇总至学区级别以生成这些数据。这些数据由WRI收集，并未以整