为系统性不公正的
这两种直觉都是错误的。复杂系统方法要求政策制定者不仅要看到更多的相互联系还要掌握更多的联系不再可能对政策的意外副作用不承担责任。正如系统科学家约翰斯特曼所说没有副作用只有影响。正如他解释的那样副作用并不是现实的一个特征而是我们心理模型的界限太窄我们的时间范围太短的标志。复杂的系统账户要求我们承认系统性伤害和不公正现象经常会发生但不一定是任何人意图造成伤害或采取不公平的行为。人们注定会失败或成受害者这一观点引发了一系列更复杂的问题即谁应该负责以及如何负责。在我即将出版的书中我将我们需要克服的问题描述为疏忽状态。这种状态未能关注健康和福祉的 数字数据 系统性风险结果导致大量人员遭受本可避免的伤害或死亡。疏忽大意的国家还常常试图通过将系统性损害重新描述为个人责任的失败来转移人们对其失败的注意力。在目前的情况下从一种疏忽的状态转变为一种有教养的状态并不容易。政府承认相关的影响范围越广并且可以对其负责他们为反对者设定的目标就越大。这就是为什么尽管几十年来有大量深思熟虑的声音提倡对公共政策采用复杂系统方法但政府采用复杂系统在实践中却常常遭到抵制的原因之一。
http://zh-cn.gelists.com/wp-content/uploads/2023/10/%E6%95%B0%E5%AD%97%E6%95%B0%E6%8D%AE-300x168.png
另一个原因是复杂性框架要求我们更具创造性地思考公共政策的目标成功是什么样子以及如何衡量它。正如我们所看到的表现性意味着政策的目标不是固定的和直接的而且我们不应该期望干预措施的效果是可预测的。在这种情况下指定共同利益的最佳方式是什么我认为公共价值的理念可以有所帮助公共价值的创造或获取取决于公共部门机构进一步推进其民主确立的目标。这种观点有助于阐明政策决策中的利害关系例如是否扩大数据的商业使用规模但重要的是不会预先判断这样做是否会创造或破坏公共价值。
頁:
[1]