政策设计：通过案例基础审议支持协作和参与式政策设计

研究背景与问题

• 作者发现了哪些问题或挑战？
  当前社区和组织政策的制定通常采取自上而下的集中方式，限制了受到影响的利益相关者的参与。结果可能导致政策与社区需求不匹配，并被视为不合法，从而引发不满或拒绝。这种情况不仅困扰在线社区（如内容审核政策）也影响本地政府（如城市规划法规制定）。
• 为什么这个问题很重要？
  政策的不合法性可能导致社区成员拒绝政策、组织抗议甚至离开社区。这种现象对社区的稳定性、信任和实现共同目标会产生重大阻碍。
• 研究动机与相关工作
  为解决上述问题，作者探索如何支持更协同、参与式的政策设计方法。他们基于以往研究提出，具体案例在群体讨论中是建立共同理解的重要工具，并可以帮助发现抽象政策与实际情况之间的不匹配。然而，这些案例与政策设计的关联目前仍显得零散和非系统化。因此有必要进一步开发工具来支持系统化的案例驱动的政策设计。

解决方案

• 作者提出了哪些方法或解决方案？
  作者设计了一个系统——PolicyCraft，用于支持社区通过基于案例的协作进行政策设计。通过让用户提案、评估、修订以及对具体案例投票，系统可以帮助社区成员明确政策设计中的分歧所在（是文字级别还是更深层的理念分歧）。
• 该解决方案的创新之处是什么？
  PolicyCraft通过将具体案例与抽象政策设计系统性链接，提供了一种高效工具来引导社区成员的讨论和协作。这种结构化方法可以帮助明确分歧来源（案例层级还是政策层级），并通过共识驱动有效的政策迭代。
• 实施步骤是什么？使用了哪些关键技术？
  1. 初始输入：组织者提供若干种子政策和相关案例，用于打破讨论冷启动问题。
  2. 迭代流程：社区成员通过投票和讨论具体案例，提出针对政策的改进意见，并对已存在的案件进行标注（例如政策是否清晰解释案例）。
  3. 最终定稿：成员对提案政策进行投票，同时提供意见以帮助选定最终将被实施的政策。
     系统还使用了内置的AI助手（基于LLM）来支持案例生成、政策修订和提案。

研究成果

• 取得了哪些具体成果？

  1. 使用PolicyCraft设计的政策获得了更强的社区支持和投票中的更大共识，与未使用案例支架的基线系统相比，表现出显著优势。
  2. 与基线条件相比，PolicyCraft更频繁地促使成员基于其他人提出的案例修改政策，显示出更强的协作性。
  3. 课程讲师评价通过PolicyCraft生成的政策更具全面性和创造性，尽管在某些场景下显得冗长。

• 与现有解决方案相比，它有哪些优势？
  PolicyCraft显著超越现有工具：它不仅支持观点采集，还明确帮助社区在案例驱动下直接协作撰写、修订政策。这种集成式流程提高了政策设计的系统性。

• 实验或评估结果是什么？
  实验显示使用PolicyCraft的群体：

  • 获得平衡分歧与共识的政策设计优势，投票中表现出更高支持率和更低分歧（低熵）。
  • 更好地帮助成员理解彼此观点，增强协作性。政策设计基于具体案例的比例显著提升。 外部评价则显示PolicyCraft的政策设计更清晰，但在某些场景下显得较冗长。

• 局限性与未来方向
  局限性：

  • 由于案例驱动，PolicyCraft生成的政策可能过于具体，造成冗余和实施上的复杂性。这与讲师和外部评价的反馈一致。
  • AI助手的使用率有限，显示需要进一步优化其设计以增强用户体验。

  未来方向：

  1. 平衡政策的具体性与抽象性的支持：开发工具帮助成员及时总结案例驱动的细节，保证政策简洁性。
  2. 加强政策的全局审查与综合能力，以减少冗余政策的重复。
  3. 通过视觉化界面与LLM生成的快速总结功能增强用户的集体意义生成能力。
  4. 探索如何更好地协调社区不同层级的权力结构，尤其是强权决策环境中的应用可能性。

通过PolicyCraft的设计与应用，作者提出了新的方式来解决传统政策设计中分歧大、参与有限等问题，对未来工具设计和公共参与方法具有重要启示意义。