[논문 리뷰] Crowdsourcing the Policy Cycle

John Prpić, Araz Taeihagh외 1명|arXiv (Cornell University)|2017. 02. 10.

Social Media and Politics인용 수 5

한 줄 요약

이 논문은 정책 순환의 각 단계—의제 설정, 정책 설계, 이행, 평가, 피드백—에 대응하는 군중 기반 기법을 맵핑하는 구조적 프레임워크를 제안한다. 이는 다양한 분야에서 집단 지능이 정책 수립을 어떻게 향상시킬 수 있는지 보여주며, 각 단계에 맞는 독특한 군중 기반 형태를 식별함으로써 투명성과 합법성을 높이는 단계별 적용 모델을 제공한다.

ABSTRACT

Crowdsourcing is beginning to be used for policymaking. The wisdom of crowds [Surowiecki 2005], and crowdsourcing [Brabham 2008], are seen as new avenues that can shape all kinds of policy, from transportation policy [Nash 2009] to urban planning [Seltzer and Mahmoudi 2013], to climate policy. In general, many have high expectations for positive outcomes with crowdsourcing, and based on both anecdotal and empirical evidence, some of these expectations seem justified [Majchrzak and Malhotra 2013]. Yet, to our knowledge, research has yet to emerge that unpacks the different forms of crowdsourcing in light of each stage of the well-established policy cycle. This work addresses this research gap, and in doing so brings increased nuance to the application of crowdsourcing techniques for policymaking.

연구 동기 및 목표

• 군중 기반 기법과 잘 정립된 정책 순환 단계 간의 체계적인 연구 부족을 해결하기 위해.
• 다양한 군중 기반 기법이 정책 순환 전반에 전략적으로 적용되어 정책 결과를 향상시킬 수 있는 방법을 검토하기 위해.
• 공공 의사결정에서 합법성, 투명성, 민감성 향상에 기여하는 군중 기반 기법의 역할에 대한 세밀한 이해를 제공하기 위해.
• 일반적인 군중 기반 기법에 대한 열광을 넘어서, 실무자와 연구자들이 활용할 수 있는 단계별로 적용 가능한 프레임워크를 제공하기 위해.
• 집단 지능 이론과 인간-컴퓨터 상호작용 원리를 융합하여 정책 혁신을 위한 통합 모델을 구축하기 위해.

제안 방법

• 의제 설정, 정책 설계, 이행, 평가, 피드백의 전통적인 다섯 단계 정책 순환 구조를 기반으로 한 구조적 프레임워크로 활용한다.
• 특정 군중 기반 기법—예를 들어 아이디어 생성, 참가형 예산 편성, 실시간 피드백 시스템—을 정책 순환의 각 단계에 맵핑한다.
• 이동, 도시 계획, 기후 정책 분야의 기존 문헌과 사례 연구를 바탕으로 각 맵핑 결정을 뒷받침한다.
• 대표성, 확장성, 의사결정 영향력 등의 요소를 고려하여 각 단계에서 군중 기반 기법의 강점과 한계를 분석한다.
• 실증적이고 비공식적인 증거의 질적 종합을 통해 다양한 거버넌스 환경에서 제안된 맵핑의 타당성을 검증한다.
• 수로위에키의 군중의 지혜 등 집단 지능 이론과 인간-컴퓨터 상호작용 원리를 통합하여 설계 결정을 뒷받침한다.

실험 결과

연구 질문

• RQ1 군중 기반 기법은 어떻게 정책 순환의 각 단계에 체계적으로 적용될 수 있는가?
• RQ2 의제 설정, 정책 설계, 이행, 평가, 피드백 단계에 가장 효과적인 군중 기반 메커니즘의 유형은 무엇인가?
• RQ3 정책 순환의 각 단계에서 군중 기반 기법의 잠재적 위험과 이점은 무엇인가?
• RQ4 집단 지능의 통합은 공공 거버넌스에서 정책의 합법성과 민감성을 어떻게 향상시키는가?
• RQ5 이동, 도시 계획, 기후 정책 분야의 기존 사례 연구는 제안된 프레임워크를 지지하거나 도전하는가?

주요 결과

• 군중 기반 기법은 각 정책 순환 단계의 특정 요구사항에 맞게 맞춤형으로 적용될 때 가장 효과적이다. 균일하게 적용하는 것보다 더 낫다.
• 의사결정적 포럼과 디지털 플랫폼과 같은 참가형 방법은 정책 설계 및 평가 단계에서 더 높은 합법성과 더 나은 정책 결과를 이끌어낸다.
• 이행 단계에서 실시간 피드백 메커니즘을 도입하면 변화가 빠른 정책 환경에서의 적응성과 민감성이 향상된다.
• 의제 설정 단계에서 군중 기반 기법을 활용하면 시민 참여가 증가하고, 간과된 정책 문제를 식별하는 데 도움이 된다.
• 평가 단계에서 군중 기반 기법은 데이터 시각화 및 개방형 데이터 관행과 결합될 경우 투명성과 책임성 향상에 기여한다.
• 긍정적인 결과에도 불구하고, 선택 편향, 소외된 집단의 참여 부족, 정보 과부하 등의 과제는 모든 단계에서 여전히 주요 장벽으로 남아 있다.