数据驱动的政策制定：理解弱势社区的需求与偏好

文献标题

Seeing Like a Community: Public Perceptions of Data Use in Government

出版信息

• 主题领域: 政府政策制定中数据治理的公众认知。
• 关键词: 数据治理, 公共行政, 公平, 透明性, 边缘化社区, 交叉性, 基于地点的正义, 公民技术, 参与式数据, 算法偏见。

背景与问题

• 问题/挑战: 数据驱动的政策制定日益依赖数据，但同时也引发了关于公平性、代表性以及边缘化社区包容性的问题。目前的系统往往延续偏见、强化系统性不平等，并缺乏透明性。
• 意义: 理解公众态度，尤其是来自弱势社区的态度，对于设计符合民主价值观的公平且可信的数据治理系统至关重要。
• 动机与相关研究: 先前的研究探讨了算法偏见、公民技术和参与式治理，但尚未充分研究边缘化社区如何解读和评估数据驱动的政策制定。本文通过交叉性和基于地点的正义视角，聚焦公众认知，填补这一研究空白。

解决方案

• 提出的方法: 本研究结合交叉性和基于地点的正义理论与HCI理论，采用混合方法分析公众对政府数据使用的认知。
• 创新性:
  1. 对数据可靠性、透明性和参与性认知中的交叉性差异进行实证分析。
  2. 将弱势社区的生活经验置于设计公平数据基础设施的核心。
  3. 提供可操作的设计建议，用于参与式公民技术和共同治理模型。
• 程序与关键技术:
  • 使用Prolific平台开展了全国代表性调查（N = 754），收集人口统计和地理数据。
  • 通过卡方检验、结构化主题建模（STM）和内容分析对调查结果进行分析。
  • 探讨了与公众态度、关切以及改进数据治理建议相关的主题。

结果

• 具体发现:
  • 弱势和低收入群体对数据可靠性、偏见、透明性和伦理问题表现出更高的关注。
  • 与白人受访者相比，黑人受访者显著更倾向于优先考虑数据实践中的正义与公平（OR = 7.91，p = 0.01）。
  • 弱势社区强调需要可访问的平台、透明性以及政策影响的证据。
• 相较基线的优势: 提供了关于交叉性和基于地点的劣势如何塑造公众认知的全国性见解，超越了局部或概念性研究。
• 实验/评估:
  • 调查包括关于态度和关切的李克特量表问题，以及关于需求和建议的开放式问题。
  • 统计分析显示人口统计因素（如种族、收入、社区地位）与数据治理认知之间存在显著关联。
• 局限性与未来工作:
  • 由于Prolific参与者群体的样本偏差，可能会过度代表数据素养较高的个体。
  • 对其他交叉性框架（如性别与地点）的探索有限。
  • 未来研究应扩展交叉性分析，并探索更多身份维度。

总结

本研究通过交叉性和基于地点的正义视角，探讨了公众对政府数据使用的认知，重点关注边缘化社区。主要发现表明，弱势和低收入群体对数据可靠性、偏见和透明性表现出显著关切，强调需要参与式和公平的治理框架。研究提供了设计公民技术的可操作建议，以促进信任、问责和包容性。通过将社区声音融入数据治理，政策制定者可以解决系统性不平等，并增强公众对数据驱动政策制定的信任。