Рекомендательные системы в государственном управлении: международный опыт

Иванова М.И.1
1 Московский государственный институт международных отношений (Университет) Министерства иностранных дел Российской Федерации, Россия, Москва

Статья в журнале

Креативная экономика (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 15, Номер 9 (Сентябрь 2021)

Цитировать:
Иванова М.И. Рекомендательные системы в государственном управлении: международный опыт // Креативная экономика. – 2021. – Том 15. – № 9. – С. 3491-3504. – doi: 10.18334/ce.15.9.113419.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=46642534

Аннотация:
Современные «умные города» предоставляют новую цифровую инфраструктуру для населения. Использование современных цифровых технологий в процессе управления способствует лучшему обмену информацией и устойчивости взаимодействия между различными заинтересованными сторонами: государственными институтами, гражданами, бизнесом. Платформы электронного участия на базе рекомендательных систем становятся активной частью решений правительства, способные на основе явных предпочтений и анализа поведения профиля фильтровать и ранжировать инициативы, которые наиболее актуальны для граждан. В целом такие рекомендательные системы представляют собой систему поддержки принятия решения, направленное на удовлетворение потребностей общества. С точки зрения рекомендательных систем, концепцию «умного города» можно рассматривать как конвергенцию цифровой информации и физической среды. Эта новая парадигма с интеграцией интернет-технологий в городской контекст. Настоящая статья представляет собой обзор международного опыта применения рекомендательных систем в контексте государственного управления.

Ключевые слова: рекомендательные системы, государственное управление, международный опыт, искусственный интеллект, умные города

Финансирование:
Статья подготовлена при финансовой поддержке МГИМО в рамках гранта МГИМО для проведения научных исследований молодыми исследователями под руководством кандидатов наук. Заявка № КМУ-11/06.

JEL-классификация: O31, O32, O33



Введение

Краеугольным камнем концепции умного города является управление. Если мы говорим об управлении в умном городе, речь идет о принятии инклюзивных и совместных процессов, в том числе включении социального актора. Управление предполагает взаимодействие между различными заинтересованными сторонами: государственными институтами, гражданами, бизнесом. Использование современных цифровых технологий в процессе управления будет способствовать лучшему обмену информацией и устойчивости такого взаимодействия.

Платформы электронного участия граждан – институциональный механизм, позволяющий гражданам участвовать в жизни общества и стать активной частью решений правительства. Однако такие платформы обладают проблемой избытка информации и необходимостью индивидуальной настройки. Ответом на такого рода проблемы становятся рекомендательные системы, способные на основе явных предпочтений и анализа поведения профиля фильтровать и ранжировать инициативы, которые наиболее актуальны для граждан. Таким образом, рекомендательные системы не только способствуют участию граждан, но и повышают интенсивность их участия. Следует отметить, что рекомендательная система – это система поддержки принятия решения, направленного на удовлетворение потребностей общества.

Актуальность исследования обусловлена активным развитием контекстного поиска, позволяющего учитывать запросы пользователя и предлагающие наиболее актуальные рекомендации для конкретного заявителя. Усложнение информационных процессов в рамках гибридных рекомендательных систем, которые использует агрегированный механизм выборки рекомендаций, также предопределяют актуальность данной работы.

Цель работы – рассмотреть наиболее актуальные модели платформенного взаимодействия на базе рекомендательных систем, применимые в сфере государственного управления, а также выявить технические и алгоритмические недостатки существующих моделей.

Научная новизна заключается в уточнении специфических принципов, методов и инструментов построения рекомендаций в процессе принятия решений. Автор предполагает, что информационные панели (dashboards) с гибридным методом фильтрации рекомендаций являются наиболее перспективным инструментом интерактивного взаимодействия в процессе принятия управленческих решений на государственном уровне.

В статье используются методы анализа и систематизации данных.

Сама концепция умного города исследуется на базе статьи Ахлерса Дирка [1] (Dirk Ahlers, 2020). По вопросу рекомендательных систем были рассмотрены статьи Теран и Мейер [4, с. 62–76] (Terán, Meier, 2010, р. 62–76) и Марсал-Ллакуна и Де ля Роса-Эстева [5, с. 324–339] (Marsal-Llacuna, De la Rosa-Esteva, 2013, р. 324–339). Интерактивная информационная платформа Decide Madrid исследуется с отсылкой на материалы конференции при участии группы итальянских ученых [6] (Cantador, Bellogín, Cortés-Cediel, Gil, 2017). Исследование по части работы информационных панелей (дашбордов) основывается на статье Карима Кортит, Питера Нейкамп [11] (Karima Kourtit, Peter Nijkamp, 2018).

С точки зрения рекомендательных систем концепцию умного города можно рассматривать как конвергенцию цифровой информации, физической среды вместе с социальными факторами в рамках одного города [1] (Dirk Ahlers, 2020). «Ум» города обеспечивается информационными системами и касается ключевых областей: управление, социум, мобильность, экономика, окружающая среда. Таким образом, умные города предоставляют новую цифровую инфраструктуру для населения. Умный город должен не только воспроизводить умные данные и умные услуги, но и быть в состоянии разумно использовать и позволять своим гражданам разумно использовать эти данные, которые, в свою очередь, актуальны и доступны в открытых базах данных, краудсорсинговых платформах и социальных сетях. «Умный город» открывает новые способы общественного взаимодействия, меняет образ жизни людей и способствует развитию публичного творческого начала.

В рамках различных форм электронного государственного управления взаимодействие G2C (сокр. от Governmant-to-Citizen – правительство для граждан) направлено на предоставление гражданам онлайн-информации и электронных услуг наиболее эффективным и в то же время рентабельным образом. Кроме того, концепция G2С направлена на укрепление взаимоотношений между правительством и гражданами. Решается данная задача на разных уровнях взаимодействия, одновременно различая разные уровни информации, участия и консультаций для населения [2].

На уровне e-information [3] (Álvarez-Sabucedo, Soto-Barreiros, Santos-Gago, Fernández-Iglesias, 2012) правительство традиционно разрабатывает веб-сайты с актуальной информацией о политике, деятельности государственных органов, законах, формировании бюджета и другие вопросы публично-правового характера. Также для распространения, своевременного доступа и общественного пользования информацией существуют инструменты интерактивного взаимодействия, такие как рассылки по электронной почте, форумы, телеконференции. В этом контексте рекомендательные системы были предложены в основном для предоставления гражданам персонализированных государственных электронных услуг и уведомлений.

На уровне электронных консультаций правительство предлагает возможности выбора политических тем, позволяя проводить обсуждения в режиме реального времени. Кроме того, есть доступ к видео- и аудиоматериалам, записи публичных встреч, таким образом, гражданам предлагается принять участие в правительственных обсуждениях. В данном случае рекомендательные системы помогают избирателям принимать решения при голосовании. Так, Теран и Мейер [4, с. 62–76] (Terán, Meier, 2010, р. 62–76) предложили свою архитектуру рекомендательных систем для электронных выборов с использованием методов нечеткой кластеризации, помогая гражданам анализировать политиков. Их рекомендации основаны на сходстве между избирателями и кандидатами, профили которых заполняются с помощью анкеты, включающей вопросы о ценностях, политических взглядах по ряду вопросов. Система выполняет алгоритм нечеткой кластеризации и воспроизводит графическое представление политических партий, распределенных в сгенерированные кластеры, помогая гражданам проанализировать всех кандидатов. Марсал-Ллакуна и Де ля Роса-Эстева [5, с. 324–339] (Marsal-Llacuna, De la Rosa-Esteva, 2013, р. 324–339) предлагают агент-модель, которая, анализируя мнения граждан в Сети, дает рекомендации властям по разработке городского плана. Особенность модели в том, что участие граждан происходит до и во время разработки плана. В данную агент-модель заложен метод коллаборативной фильтрации для построения рекомендаций, который использует опросы об уровне удовлетворенности граждан по различным вопросам, связанным с городом, а также метод контентной фильтрации, который позволяет анализировать мнения жителей других городов о проектах, связанных cо стратегическими целями.

Итальянская исследовательская группа [6] (Cantador, Bellogín, Cortés-Cediel, Gil, 2017) проанализировала работу платформы Decide Madrid [1], которая представляет собой цифровую онлайн-среду, созданную правительством Мадрида. Ученые поставили перед собой цель доказать полезность персонализированных рекомендаций, генерируемых рекомендательной системой, для электронного участия граждан. Стремясь выяснить, какие источники пользовательских предпочтений (например, теги и комментарии в соцсетях), а также какие подходы к генерации рекомендаций (например, контентный анализ или метод коллаборативной фильтрации) могут быть более эффективными, были проведены ряд автономных экспериментов с массивом данных.

В 2015 году городской совет Мадрида запустил платформу электронного участия Decide Madrid, позволяющую жителям города вносить, обсуждать и голосовать за предложения по различным городским аспектам, такие как транспорт, здравоохранение, образование, культура, окружающая среда, вопросы урбанизма. Посредством данной системы граждане принимают непосредственное участие в жизни города и имеют возможность решать, как распределить консолидированный городской бюджет. Этот процесс состоит из трех основных этапов: внесение предложений, поддержка предложений и голосование. На этапе внесения предложений любой гражданин может сформулировать собственное и предложить на рассмотрение финансовую смету, просто зарегистрировавшись на веб-платформе и заполнив анкету с указанием заголовка, описания и некоторых дополнительных тегов для презентации своего предложения. Следующий этап поддержки направлен на определение приоритетности наиболее актуальных и интересных предложений. Для этого всем граждан старше 16 лет разрешается прямо выражать поддержку понравившимся предложениям. Предложения, набравшие 1% от всех зарегистрированных пользователей в течение месяца, принимаются на рассмотрение. Перед переходом к следующему этапу одобренные предложения обсуждаются и комментируются гражданами в рамках данной платформы. Соответственно, инициативы, не получившие достаточной поддержки, уходят в архив. Для генерации предложений используется метод гибридной фильтрации (то есть коллаборативной и контент-фильтрации), анализирующий как комментарии отдельных пользователей, так и общее количество положительных/отрицательных голосов. Гибридный подход продемонстрировал компромисс между точностью рекомендаций и наилучшим охватом всех необходимых элементов и, соответственно, показал наибольшее разнообразие рекомендаций.

Принцип работы данной платформы сопоставим с работой российского интернет-ресурса «Российская общественная инициатива» [2] (РОИ), также позволяющего россиянам вносить на рассмотрение свои предложения и голосовать за существующие инициативы. Участие в РОИ предполагает авторизацию через поддерживаемую государством систему идентификации граждан ЕСИА. Схожесть наблюдается главным образом в том, что инициативе необходимо набрать пороговое значение для передачи ее в экспертную группу федерального, регионального или муниципального уровня для принятия решения о мерах реализации проекта. Так, в отличие от мадридской платформы, российской инициативе необходимо набрать не менее 5% голосов от общей численности зарегистрированных граждан. В качестве непроработанных вопросов эксперты называют оценку моделей матричной факторизации, которые используют информацию, основанную непосредственно на содержании.

Не менее инновационное решение было внедрено во Флоренции в рамках исследовательского проекта Европейской комиссии Resolute H2020 [9] (Bellini, Bellini, Cenni, Nesi, Pantaleo, Paoli, Paolucci, 2021). Подход основан на управлении данными с целью снижения неопределенности, лежащей в основе причин сбоев, путем анализа всех возможных данных, генерируемых городом. Данный проект открывает новую возможность для реализации принципа устойчивости. Инновационное решение использует технологию Интернета всего (IoE) и больших данных (Big Data) для управления отказоустойчивостью городских транспортных систем – метод анализа функционального резонанса (FRAM). Данный метод имеет определенную архитектуру: 1) различные виды доступных данных, генерируемых городом; 2) сбор больших данных, семантическая агрегация; 3) процесс осмысления данных, аналитика данных из различных источников, таких как социальные сети, коммуникационные сети, Интернет вещей, отзывы пользователей; 4) инструменты для принятия решений, основанных на знаниях, способные объединить информацию разного рода, полученную с помощью аналитики, опыта и проч. в комплексную модель принятия решений.

Устойчивость и инновации – два неотъемлемых аспекта одной и той же социальной проблемы, заключающейся в выработке интеграционного подхода. Согласно Цифровой повестке Европы, концепция умных городов подразумевает умные городские транспортные сети, модернизированные объекты водоснабжения и утилизации отходов, а также более эффективные способы городского освещения и обогрева зданий. Кроме того, умный город должен иметь более интерактивную городскую администрацию, более безопасные общественные места и необходимые удобства для людей пожилого возраста. Это новая парадигма с интеграцией интернет-технологий в городской контекст [10, с. 126–133] (Visvizi, Lytras, Damiani, Mathkour, 2018, р. 126–133).

В частности, цифровые технологии играют важную роль в преобразовании больших данных в стратегически ценные, сфокусированные знания, которые должны быть представлены в удобной форме, например с помощью графического дизайна или показателей в форме графиков, диаграмм, гистограмм и т.д. Таким образом, на одном экране согласуются стратегические цели и задачи и текущее состояние системы. Такая система показателей называется дашбордом (англ. Dashboard) или интеллектуальной городской информационной панелью. Данная панель обеспечивает сбор данных из нескольких источников с целью эффективного преобразования больших данных в действенные аналитические массивы.

Панель дашборд основана на так называемой модели Пентагона и представляет собой интеллектуальный инструмент для общения и навигации, предлагающий информированное и структурированное когнитивное руководство для оперативного управления городским хозяйством с целью достижения максимальной эффективности устойчивого города [11, с. 24–35] (Karima Kourtit, Peter Nijkamp, 2018, р. 24–35).

Как оперативное, так и стратегическое руководство современными городами в режиме ежеминутных изменений требуют профессиональных и информированных инструментов поддержки принятия решений. Информационная панель dashboard, наполняемая большими данными из систематически собираемой и подробной информации о городах, может быть оперативным средством управления сложными и неопределенными городскими объектами.

Правительства разных стран все больше и больше используют данные во всех аспектах своей деятельности. Data Science, или наука о данных в сфере государственного управления, занимается извлечением, интерпретацией и представлением информации из неструктурированных и структурированных данных, которые могут быть как закрытыми, так и открытыми. Важной частью науки о данных является как раз визуализация данных на информационных панелях (дашбордах). Панели мониторинга визуализируют консолидированный набор данных для определенной цели, что позволяет пользователям отслеживать актуальную информацию и инициировать соответствующие действия. Панели мониторинга могут использоваться представителями государственной власти для поддержки процессов принятия решений или для взаимодействия с общественностью. Дашборды могут повысить прозрачность и подотчетность, однако некоторые авторы [12] (Ricardo Matheus, Marijn Janssen, Devender Maheshwari, 2020) указывают на то, что работа с данными панелями сопряжена с некоторыми рисками, такими как недостаточное качество данных, непонимание части данных, некачественный анализ, неверная интерпретация, некоторая путаница в результатах. Перечисленные проблемы могут привести к неправильным представлениям, неправильному принятию решений, созданию нечеткой картины, что, в свою очередь, приведет к снижению прозрачности и подотчетности и в конечном итоге к еще большему снижению доверия правительству. Ученые полагают, что информационные панели необходимо дополнить механизмами, поддерживающими участие граждан, интерпретацию данных, элементы управления, а также институциональные механизмы.

В последнее время наука о данных (Data Science) и дашборды привлекают все больше внимания в государственном секторе. Так, федеральное правительство США разработало информационные панели с федеральным стимулирующим финансированием с целью обеспечения прозрачности и подотчетности национальной политики восстановления экономики [13]. А правительство Нидерландов использует информационные панели для мониторинга крупных ИТ-проектов со стороны общественности. Таким образом, информационные панели становятся важным средством коммуникации и взаимодействия с общественностью [14, с. 658] (Roberts, 2002, р. 658).

Сбор и анализ данных становятся первостепенной задачей современных государств. С момента первого зарегистрированного случая заражения COVID-19 в Ухане в конце 2019 года вирус быстро распространился по всему миру, серьезно повлияв на жизни миллионов граждан. Для того чтобы справиться с кризисом, возникшим в результате пандемии, международные организации были вынуждены принимать решения, серьезно повлиявшие на социально-экономическую сферу. Исследования чумы XXI века проходят в условиях неопределенности и крайней спешки, а отсутствие надежных данных препятствовало точному выполнению таких задач. Для решения данной проблемы была разработана платформа COnVIDa как инструмент, собирающий из различных источников точные разноаспектные данные, связанные с пандемией [15] (Enrique Tomás Martínez Beltrán, Mario Quiles Pérez, Javier Pastor-Galindo, Pantaleone Nespoli, Félix Jesús García Clemente, Félix Gómez Mármol, 2021). В частности, распространение пандемии анализируется с помощью показателей здоровья граждан, социальной мобильности и других переменных. Кроме того, COnVIDa позволяет гармонично объединить такие данные, сравнивать и загружать их для дальнейшего анализа. COnVIDa представляет собой веб-платформу для интерактивного построения графиков, которая отображает ежедневно обновляемые данные, связанные с влиянием и условиями COVID-19 в Испании. Основная цель данного веб-сайта – облегчить визуализацию, интерпретацию и сравнение многомерных данных различной природы с учетом выбранного временного диапазона и геолокации.

Благодаря открытой научной природе проекта платформа COnVIDa легко расширяет спектр своего анализа на любой регион планеты. Таким образом, COnVIDa стала мощным инструментом по обработке данных для процессов принятия решений, а также катализатором новых научных исследований, связанных с существующей пандемией.

В последние годы для систем поддержки принятия оперативных решений (DSS) появились новые типы интерактивных аналитических панелей. Аналитические компоненты таких инструментов решают проблемы оптимизации, что часто скрыто из поля зрения человека, в то время как интерактивные компоненты вовлекают человека в процесс оптимизации с помощью графических пользовательских интерфейсов. Подобные платформы в формате дашбордов являются наиболее мощным инструментом с точки зрения гибкости при фильтрации конкретных сценариев и перекрестном сравнении любого набора переменных, что позволяет ученым и лицам, принимающим решения, консультироваться по межсекторальным отношениям и в конечном счете выявлять корреляции в каждом конкретном случае. Панели мониторинга важны для поддержки принятия оперативных решений, поскольку оказывают значительное влияние на их эффективность, особенно на операционном уровне [16, с. 37] (Nadj, Maedche, Schieder, 2020, р. 37).

Также информационные панели являются неотъемлемой частью системы бизнес-аналитики, облегчают анализ данных и преобразование этого анализа в нужный формат, который помогает пользователю принимать организационные решения. Системы бизнес-аналитики состоят из четырех важнейших компонентов: 1) инфраструктура; 2) управление данными; 3) анализ данных и 4) выдача информации. Четвертый компонент представляет особый интерес с точки зрения теоретических взаимоотношений, поскольку предоставленная информация способствует принятию решений ответственными лицами. В то время как другие компоненты влияют на качество данных и качество представленной информации, что имеет первостепенное значение для принятия управленческих решений.

Заключение

Настоящее исследование было сосредоточено на системах, которые в большей степени полагаются на агрегацию данных, и механизмах на основе обработки данных, в то время как новые информационные панели начинают интегрировать возможности искусственного интеллекта (ИИ) для создания альтернативных источников и форматов информации. Информационные панели становятся все более важным инструментом в оценке качественных данных. Данный вывод подчеркивает необходимость будущих исследований инструментальных панелей.

В настоящий момент отсутствует четкое понимание того, какие качества инструментальной панели наиболее полезны и как эти инструментальные панели используются с точки зрения повышения или снижения эффективности системы управленческого контроля. Тем не менее автор подчеркивает эффективность гибридного метода фильтрации данных, который должен содержать в своей рабочей архитектуре универсальные алгоритмы в сочетании с модульной интеграцией, что обеспечит большую адаптивность рекомендательных систем.

[1] «Decide Madrid» e-participation platform [Электронный ресурс]. URL: https://decide.madrid.es (дата обращения: 27.08.2021).

[2] «Российская общественная инициатива» [Электронный ресурс]. URL: https://www.roi.ru (дата обращения: 27.08.2021).


Источники:

1. Dirk Ahlers Making Sense of the Urban Future: Recommendation Systems in Smart Cities. - CEUR Workshop Proceedings, 2020.
2. Organisation for Economic Co-operation and Development (OECD). 2001. Citizens as partners: Information, consultation and public participation in policy-making. OECD Publishing.
3. Álvarez-Sabucedo L., Soto-Barreiros R., Santos-Gago J. M., Fernández-Iglesias M. A hybrid semantic driven recommender for services in the eGovernment domain // Proc. of the 2nd Intl. Conference on Digital Information and Communication Technology and its Applications. 2012. – p. 409–414.
4. Terán L. F., Meier A. A fuzzy recommender system for eElections // In Proceedings of the 1st International Conference on Electronic Government and the Information Systems Perspective. 2010. – p. 62–76.
5. Marsal-Llacuna M. L., De la Rosa-Esteva J. L. The representation for all model: An agent-based collaborative method for more meaningful citizen participation in urban planning // Proc. of the 13th International Conference on Computational Science and its Applications. 2013. – p. 324–339.
6. Cantador I., Bellogín A., Cortés-Cediel M. E., Gil O. Personalized recommendations in e-participation: Offline experiments for the ‘Decide Madrid’ platform // Conference: ACM RecSys 2017 Workshop on Recommender Systems for Citizens. Como, 2017.
7. «Decide Madrid» e-participation platform. [Электронный ресурс]. URL: https://decide.madrid.es (дата обращения: 27.08.2021).
8. Российская общественная инициатива. [Электронный ресурс]. URL: www.roi.ru (дата обращения: 27.08.2021).
9. Bellini E., Bellini P., Cenni D., Nesi P., Pantaleo G., Paoli I., Paolucci M. An IoE and Big Multimedia Data Approach for Urban Transport System Resilience Management in Smart Cities // Sensors. – 2021. – № 21(2). – p. 435. – doi: 10.3390/ s21020435.
10. Visvizi A., Lytras M.D., Damiani E., Mathkour H. Policy making for smart cities: innovation and social inclusive economic growth for sustainability // Journal of Science and Technology Policy Management. – 2018. – № 2. – p. 126-133.
11. Karima Kourtit, Peter Nijkamp Big data dashboards as smart decision support tools for i-cities – An experiment on Stockholm // Land Use Policy. – 2018. – № 71. – p. 24-35.
12. Ricardo Matheus, Marijn Janssen, Devender Maheshwari Data science empowering the public: Data-driven dashboards for transparent and accountable decision-making in smart cities // Government Information Quarterly. – 2020. – № 37(3).
13. Ganapati S. (2011). Use of dashboards in government-been there and done that modified 12: 00, 11 Nov 2011 by admin|page history
14. Roberts N.C. Keeping public officials accountable through dialogue: Resolving the accountability paradox // Public Administration Review. – 2002. – № 62 (6). – p. 658-669.
15. Enrique Tomás Martínez Beltrán, Mario Quiles Pérez, Javier Pastor-Galindo, Pantaleone Nespoli, Félix Jesús García Clemente, Félix Gómez Mármol COnVIDa: COVID-19 multidisciplinary data collection and dashboard // Journal of Biomedical Informatics. – 2021. – № 117.
16. Mario Nadj, Alexander Maedche, Christian Schieder The effect of interactive analytical dashboard features on situation awareness and task performance // Decision Support Systems. – 2020. – № 135.
17. Rikhardsson P., Yigitbasioglub O. Business intelligence & analytics in management accounting research: status and future focus // Int. J. Account. Inf. Syst.. – 2018. – № 29. – p. 37-58.

Страница обновлена: 14.09.2023 в 18:08:19