[论文解读] Data as an economic good, data as a commons, and data governance

Nadezhda Purtova, Gijs van Maanen|arXiv (Cornell University)|Dec 20, 2022

Privacy, Security, and Data Protection被引用 5

一句话总结

本文批判了将数据视为经济商品的主导范式，认为该范式固化了数据攫取行为，并损害了更广泛的社会目标。文章提出一种以生态思维和政治意识为核心的政治理论-生态学数据治理方法，超越以市场为中心的模型，以应对系统性的数字不平等。

ABSTRACT

This paper provides a systematic and critical review of the economics literature on data as an economic good and draws lessons for data governance. We conclude that focusing on data as an economic good in governance efforts is hardwired to only result in more data production and cannot deliver other societal goals contrary to what is often claimed in the literature and policy. Data governance is often a red herring which distracts from other digital problems. The governance of digital society cannot rely exclusively on data-centric economic models. We review the literatures and the underlying empirical and political claims concerning data commons. While commons thinking is useful to frame digital problems in terms of ecologies, it has important limitations. We propose a political-ecological approach to governing the digital society, defined by ecological thinking about governance problems and the awareness of the political nature of framing the problems and mapping their ecological makeup.

研究动机与目标

• 批判性审视将数据视为经济商品可推动有效数据治理的假设。
• 评估在数字治理话语中将数据视为公共品框架的局限性。
• 挑战数据驱动经济模型能够实现公平与可持续性等社会目标的观点。
• 提出一种替代性的政治理论-生态学框架以治理数字社会。
• 阐明框架构建与权力关系如何塑造数字治理问题的生态图景。

提出的方法

• 系统性且批判性地回顾关于数据作为经济商品的经济学文献。
• 分析数据公共品框架所依赖的经验与政治主张。
• 将生态思维应用于数字治理问题，强调相互依存与系统性动态。
• 强调在数字治理中，问题界定与生态图景构建的政治维度。
• 借鉴批判理论与政治生态学，将数据治理重新框架化为超越市场逻辑的形式。
• 整合洞见，形成一种将生态意识与政治问责相结合的新政治理论-生态学方法。

实验结果

研究问题

• RQ1 尽管政策主张广泛，为何将数据视为经济商品的范式无法实现更广泛的社会目标？
• RQ2 在应对系统性数字不平等方面，数据公共品框架存在哪些局限性？
• RQ3 问题界定的政治维度如何塑造对数字治理问题的生态理解？
• RQ4 以市场为中心的数据治理模式在多大程度上掩盖了数字社会中的深层结构性问题？
• RQ5 政治理论-生态学方法如何为当前数据治理模型提供更具可持续性与公平性的替代方案？

主要发现

• 将数据视为经济商品的框架本质上会促进数据生产的增加，并固化现有的权力失衡。
• 以经济模型为中心的数据治理举措，往往使人们忽视更紧迫的数字社会问题。
• 尽管将数据视为公共品在生态框架中具有启发性，但其未能解决数据系统中的权力动态与政治不平等。
• 治理中的生态思维必须与政治意识相结合，方能避免复制结构性不公。
• 当前的数据治理模型不足以实现公平、可持续性与民主控制等目标。
• 必须采用政治理论-生态学方法，才能围绕系统性相互依存与民主问责重构数字治理。