[论文解读] Crowdsourcing the Policy Cycle

John Prpić, Araz Taeihagh+1 more|arXiv (Cornell University)|Feb 10, 2017

Social Media and Politics被引用 5

一句话总结

本文提出了一套结构化框架，将众包技术映射到政策周期的各个阶段——议程设定、政策制定、实施、评估和反馈，展示了集体智慧如何在不同领域提升政策制定质量。该研究为每个阶段识别出特定的众包形式，提供了一套细致的、阶段特定的应用模型，从而提升治理的透明度与合法性。

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.

研究动机与目标

• 解决现有研究中缺乏将众包与已确立的政策周期各阶段系统性关联的问题。
• 探讨不同形式的众包如何在政策周期中实现战略性应用，以改善政策成果。
• 提供对众包在提升公共决策中合法性、透明度和响应性方面作用的细致理解。
• 超越对众包的一般性热情，为实践者和研究人员提供一种阶段特定、可操作的框架。
• 整合集体智慧与人机交互的洞见，形成一个连贯的政策创新模型。

提出的方法

• 将传统的五阶段政策周期（议程设定、政策制定、实施、评估、反馈）作为结构化框架。
• 将具体众包技术——如创意生成、参与式预算、实时反馈系统——映射到政策周期的各个阶段。
• 基于交通、城市规划和气候政策等领域的现有文献与案例研究，为每项映射决策提供依据。
• 分析各阶段众包的优势与局限，考虑代表性、可扩展性及决策影响力等因素。
• 通过定性综合实证与轶事证据，验证该框架在不同治理情境下的适用性。
• 整合集体智慧理论（如苏罗威基的“群体智慧”）与人机交互原则，以指导设计决策。

实验结果

研究问题

• RQ1 如何系统性地将众包应用于政策周期的各个独立阶段？
• RQ2 在议程设定、政策制定、实施、评估和反馈阶段，哪些类型的众包机制最为有效？
• RQ3 众包在政策周期各阶段可能带来哪些潜在风险与收益？
• RQ4 集体智慧的整合如何提升公共治理中政策的合法性和响应性？
• RQ5 现有交通、城市规划和气候政策案例研究在多大程度上支持或挑战了所提出的框架？

主要发现

• 当众包根据各政策周期阶段的具体需求量身定制时，其效果最佳，而非统一应用。
• 在政策制定与评估阶段，协商性方法（如协商论坛和数字平台）展现出更高的合法性与更优的政策成果。
• 在实施阶段采用实时反馈机制可提升动态政策环境下的适应性与响应能力。
• 在议程设定阶段运用众包可增强公众参与度，并有助于识别被忽视的政策议题。
• 在评估阶段实施众包可增强透明度与问责性，尤其当结合数据可视化与开放数据实践时。
• 尽管成果积极，但选择偏差、边缘群体参与度低以及信息过载等挑战在所有阶段仍是显著障碍。