۱. معرفی مقاله و اهمیت آن

بودجه‌ریزی مشارکتی (PB) به عنوان یک رویکرد دموکراتیک برای تخصیص منابع عمومی، سال‌هاست که در کشورهای مختلف جهان از جمله اسکاتلند رواج یافته است. این فرایند که در ابتدا به صورت فعالیت‌های مردمی و جامعه‌محور برای اعطای کمک‌هزینه‌های کوچک آغاز شد، اکنون در اسکاتلند به یک ابزار سیاستی اصلی و یکپارچه تبدیل شده است. مقاله مورد بحث، تحت عنوان «رویکرد مردم‌نگاری ترکیبی به بودجه‌ریزی مشارکتی در اسکاتلند»، به بررسی این تحول مهم و نقش پلتفرم‌های دیجیتال در آن می‌پردازد.

اهمیت این پژوهش در آن است که در عصر دیجیتال، مشارکت شهروندان در امور حکمرانی به طور فزاینده‌ای از طریق ابزارهای آنلاین صورت می‌گیرد. پلتفرم «Consul» به عنوان ابزار اصلی مشارکت دیجیتال شهروندان در فرایند بودجه‌ریزی مشارکتی اسکاتلند، نقش محوری ایفا می‌کند. این مقاله نه تنها چگونگی استفاده ۳۲ نهاد محلی اسکاتلند از این پلتفرم را برای جذب مشارکت شهروندان بررسی می‌کند، بلکه به چالش‌های تحلیل و تبدیل ورودی‌های شهروندان به سیاست‌های اجرایی نیز می‌پردازد. تمرکز ویژه بر استفاده از ابزارهای پردازش زبان طبیعی (NLP) برای تسهیل این فرایندها، این پژوهش را در مرز دانش حکمرانی دیجیتال و علوم محاسباتی قرار می‌دهد و پتانسیل‌های جدیدی را برای تقویت دموکراسی مشارکتی نمایان می‌سازد.

۲. نویسندگان و زمینه تحقیق

این مقاله توسط تیمی از محققان برجسته شامل Jonathan Davies، M. Arana-Catania، Rob Procter، F. A. Van Lier و Yulan He نگاشته شده است. ترکیب نام‌ها نشان‌دهنده یک رویکرد میان‌رشته‌ای است که تخصص‌هایی در زمینه علوم رایانه (به ویژه پردازش زبان طبیعی)، مطالعات اجتماعی، حکمرانی و محاسبات اجتماعی را در بر می‌گیرد.

زمینه تحقیق این مقاله در تقاطع محاسبات و زبان (Computation and Language) و رایانه‌ها و جامعه (Computers and Society) قرار دارد. این ترکیب، به محققان امکان می‌دهد تا نه تنها جنبه‌های فنی استفاده از پلتفرم‌های دیجیتال و ابزارهای NLP را بررسی کنند، بلکه پیامدهای اجتماعی، سیاسی و نهادی این فناوری‌ها را نیز مورد کاوش قرار دهند. به طور خاص، پژوهش در بستری از افزایش تمایل به دموکراسی مشارکتی و حکمرانی باز در سطح جهانی و همچنین رشد چشمگیر فناوری‌های هوش مصنوعی و تحلیل داده‌های کلان متنی صورت می‌گیرد. اسکاتلند به دلیل پیشگامی در اجرای بودجه‌ریزی مشارکتی و اتکای فزاینده به ابزارهای دیجیتال، بستر مناسبی برای این نوع پژوهش‌های پیشرو فراهم کرده است.

۳. چکیده و خلاصه محتوا

چکیده مقاله نشان می‌دهد که بودجه‌ریزی مشارکتی (PB) در اسکاتلند، که پیش از این به شکل اعطای کمک‌هزینه‌های جامعه‌محور ریشه دوانده بود، اخیراً از یک فعالیت مردمی به یک فرایند اصلی و «ابزار سیاستی» تعبیه شده تبدیل شده است. بخش جدایی‌ناپذیری از این تحول، استفاده از پلتفرم دیجیتال Consul به عنوان ابزار اصلی مشارکت شهروندان است.

این پژوهش، با اتکا به یک رویکرد مردم‌نگاری ترکیبی، به بررسی چگونگی استفاده هر یک از ۳۲ نهاد محلی اسکاتلند از پلتفرم Consul برای جذب شهروندان در فرایند PB می‌پردازد و اینکه چگونه این نهادها سپس به تفسیر و درک مشارکت‌های شهروندان می‌پردازند. هدف اصلی، کاوش این موضوع است که آیا ابزارهای پردازش زبان طبیعی (NLP) می‌توانند هم مشارکت شهروندان را تسهیل کنند و هم فرایندهای تحلیل و ترجمه مشارکت‌های شهروندان به سیاست‌ها را بهبود بخشند. این یعنی پژوهش دو بُعد اساسی را پوشش می‌دهد: اول، چگونگی تعامل مردم با سیستم‌های دیجیتال و دوم، چگونگی پردازش و استفاده از داده‌های تولید شده توسط این تعاملات برای شکل‌دهی به سیاست‌های عمومی. در واقع، مقاله به دنبال یافتن راهکارهای تکنولوژیکی برای کارآمدتر و شفاف‌تر کردن یک فرایند دموکراتیک حیاتی است.

۴. روش‌شناسی تحقیق

این پژوهش از یک رویکرد مردم‌نگاری ترکیبی (Mixed-methods Ethnographic Approach) بهره می‌برد که ترکیبی از روش‌های کیفی و کمی است. این انتخاب روش‌شناختی برای درک عمیق پدیده‌ای پیچیده مانند بودجه‌ریزی مشارکتی در بستر دیجیتال، بسیار مناسب است.

• مردم‌نگاری (Ethnography): این بخش از رویکرد بر مشاهده عمیق و تحلیل کیفی تمرکز دارد. محققان احتمالاً با مقامات محلی، مجریان PB و حتی شهروندان در تعامل خواهند بود. این شامل مصاحبه‌های عمیق، مشاهده فرایندهای کاری در نهادهای محلی و درک فرهنگی و سازمانی چگونگی مدیریت PB است. هدف، کشف لایه‌های پنهان و پیچیدگی‌هایی است که صرفاً با داده‌های کمی قابل درک نیستند. به عنوان مثال، درک اینکه چرا برخی نهادها موفق‌تر از دیگران در جذب مشارکت هستند یا چگونه تصمیم‌گیرندگان، ورودی‌های شهروندان را درک و تفسیر می‌کنند.
• روش‌های ترکیبی (Mixed-methods): این بخش شامل جمع‌آوری و تحلیل داده‌های کمی از پلتفرم Consul است. این داده‌ها می‌توانند شامل موارد زیر باشند:
  • تعداد مشارکت‌کنندگان در هر نهاد محلی.
  • نوع و حجم پیشنهادات ارائه‌شده توسط شهروندان.
  • الگوهای رای‌دهی و تعاملات دیجیتال.
  • داده‌های متنی عظیم از نظرات، پیشنهادات و بحث‌های شهروندان.

  ترکیب این دو رویکرد به محققان اجازه می‌دهد تا یافته‌های کیفی را با شواهد کمی اعتبار بخشند و برعکس، برای تبیین الگوهای کمی به بینش‌های کیفی متوسل شوند.

• تمرکز بر پردازش زبان طبیعی (NLP): هسته اصلی روش‌شناسی، بررسی پتانسیل ابزارهای NLP است. این ابزارها می‌توانند برای:
  • تحلیل محتوای متنی: استخراج خودکار مضامین، شناسایی کلمات کلیدی، تحلیل احساسات (مثبت، منفی، خنثی) و دسته‌بندی پیشنهادات مشابه از میان هزاران ورودی متنی.
  • تسهیل مشارکت: ارائه بازخوردهای خودکار به شهروندان، برجسته‌سازی بحث‌های مرتبط یا حتی کمک به شهروندان برای تدوین پیشنهاداتشان.
  • ترجمه به سیاست: کمک به مسئولین برای خلاصه‌سازی سریع و کارآمد نظرات، شناسایی اولویت‌های شهروندان و تبدیل زبان طبیعی به فرمت‌های قابل استفاده برای تدوین سیاست. برای مثال، یک ابزار NLP می‌تواند به سرعت تشخیص دهد که در یک شهر خاص، دغدغه اصلی شهروندان محیط زیست است و پیشنهادات حول آن را دسته‌بندی کند.

به دلیل اینکه پژوهش «در حال انجام» است، روش‌شناسی ممکن است شامل مراحل جمع‌آوری داده اولیه، انجام مصاحبه‌ها، تحلیل داده‌های پلتفرم و سپس آزمایش اولیه مدل‌های NLP باشد تا اثربخشی آن‌ها در سناریوهای واقعی ارزیابی شود.

۵. یافته‌های کلیدی

با توجه به اینکه این پژوهش “در حال انجام” است، “یافته‌های کلیدی” بیشتر به شکل فرضیات، مشاهدات اولیه و پتانسیل‌های مورد انتظار مطرح می‌شوند که مسیر آینده تحقیق را مشخص می‌کنند. بر اساس چکیده و روش‌شناسی، می‌توان به نکات زیر اشاره کرد:

• تنوع در پیاده‌سازی PB و استفاده از Consul: انتظار می‌رود که بین ۳۲ نهاد محلی در اسکاتلند، تفاوت‌های قابل توجهی در چگونگی استفاده از پلتفرم Consul و پیاده‌سازی فرایند بودجه‌ریزی مشارکتی وجود داشته باشد. این تفاوت‌ها ممکن است ناشی از عواملی مانند فرهنگ سازمانی، میزان منابع در دسترس، تخصص کارکنان، و اولویت‌های سیاسی محلی باشد. برخی نهادها ممکن است رویکردی فعال‌تر و نوآورانه‌تر در استفاده از Consul برای جذب مشارکت داشته باشند، در حالی که برخی دیگر ممکن است به رویکردهای سنتی‌تر بسنده کنند.
• چالش‌های پردازش مشارکت شهروندان: یکی از مهم‌ترین چالش‌های بودجه‌ریزی مشارکتی، به ویژه با افزایش حجم مشارکت‌های متنی، دشواری در تحلیل و تفسیر این ورودی‌ها توسط انسان است. این فرایند اغلب زمان‌بر، پرهزینه و مستعد سوگیری‌های انسانی است. یافته‌های اولیه ممکن است تأیید کنند که نهادهای محلی با حجم زیادی از داده‌های متنی روبرو هستند که پردازش آن‌ها به صورت دستی عملاً غیرممکن است.
• پتانسیل بالای NLP برای کارایی و شفافیت: محور اصلی تحقیق، پتانسیل NLP است. انتظار می‌رود که یافته‌ها نشان دهند ابزارهای NLP می‌توانند به طور چشمگیری فرایند تحلیل را کارآمدتر کنند.
  • شناسایی مضامین اصلی: NLP می‌تواند به سرعت موضوعات و دغدغه‌های اصلی شهروندان را از میان انبوه پیشنهادات و نظرات استخراج کند.
  • خلاصه‌سازی خودکار: توانایی خلاصه‌سازی متون طولانی به مسئولین کمک می‌کند تا درک بهتری از نظرات عمومی در زمان کوتاه به دست آورند.
  • تحلیل احساسات: تشخیص گرایش‌های مثبت، منفی یا خنثی در مورد پیشنهادات خاص می‌تواند به تصمیم‌گیرندگان در سنجش افکار عمومی کمک کند.
  • گروه‌بندی پیشنهادات: NLP می‌تواند پیشنهادات مشابه را دسته‌بندی کند، که این امر به اجتناب از تکرار و شناسایی نقاط هم‌پوشانی کمک می‌کند.
• تأثیر NLP بر مشارکت شهروندان: علاوه بر تحلیل، NLP می‌تواند مشارکت را نیز بهبود بخشد. برای مثال، سیستم‌های بازخورد خودکار یا نمایش بصری تحلیل‌های متنی می‌تواند شهروندان را تشویق به مشارکت بیشتر کند، زیرا می‌بینند که نظراتشان شنیده و پردازش می‌شود.
• نیاز به تعادل بین فناوری و عامل انسانی: با وجود پتانسیل NLP، انتظار می‌رود که یافته‌ها بر اهمیت حفظ نظارت و دخالت انسانی در فرایند تأکید کنند. ابزارهای NLP باید به عنوان کمک‌کننده عمل کنند، نه جایگزین کامل برای قضاوت و درک انسانی.

در مجموع، یافته‌های کلیدی احتمالی این مقاله، بر اهمیت حیاتی فناوری در تقویت فرایندهای دموکراتیک تأکید خواهند کرد و راهکارهای عملی برای بهبود بودجه‌ریزی مشارکتی در عصر دیجیتال ارائه خواهند داد.

۶. کاربردها و دستاوردها

این پژوهش، با نگاهی به آینده حکمرانی و مشارکت شهروندان، کاربردها و دستاوردهای قابل توجهی را به ارمغان می‌آورد:

• ارتقاء دموکراسی مشارکتی: مهم‌ترین دستاورد، بهبود کیفیت و کارایی فرایندهای بودجه‌ریزی مشارکتی است. با تسهیل تحلیل ورودی‌های شهروندان و شفاف‌سازی فرایند، PB می‌تواند به شکلی معنادارتر، فراگیرتر و تأثیرگذارتر عمل کند. این به نوبه خود منجر به افزایش اعتماد عمومی به نهادهای دولتی و تقویت حس مالکیت شهروندان بر تصمیم‌گیری‌ها می‌شود.
• افزایش کارایی نهادهای محلی: شهرداری‌ها و نهادهای محلی اغلب با کمبود منابع و نیروی انسانی برای پردازش حجم عظیمی از داده‌های متنی مواجه هستند. استفاده از ابزارهای NLP می‌تواند این بار را کاهش داده و منابع انسانی را برای وظایف پیچیده‌تر و تعاملات مستقیم‌تر با جامعه آزاد کند. برای مثال، به جای صرف ساعت‌ها برای خواندن و خلاصه‌سازی نظرات، یک سیستم NLP می‌تواند در عرض چند دقیقه، خلاصه‌ای از ۱۵۰۰ پیشنهاد را با مضامین اصلی و احساسات مرتبط ارائه دهد.
• تدوین سیاست‌های عمومی مبتنی بر شواهد: با تحلیل دقیق‌تر و جامع‌تر نظرات شهروندان، سیاست‌گذاران قادر خواهند بود تصمیماتی را اتخاذ کنند که بهتر با نیازها، دغدغه‌ها و اولویت‌های واقعی جامعه همسو باشند. این امر به کاهش شکاف بین انتظارات مردم و اقدامات دولت کمک کرده و منجر به سیاست‌هایی با مشروعیت و اثربخشی بیشتر می‌شود.
• مدلی برای سایر مناطق و کشورها: تجربه اسکاتلند و یافته‌های این پژوهش می‌تواند به عنوان یک مدل و درس‌آموز برای سایر کشورها و شهرهایی عمل کند که قصد دارند بودجه‌ریزی مشارکتی را به صورت دیجیتالی پیاده‌سازی کرده یا فرایندهای موجود خود را بهبود بخشند. این مقاله راهنمایی‌هایی عملی در زمینه انتخاب فناوری، طراحی فرایند و ملاحظات پیاده‌سازی ارائه می‌دهد.
• پیشبرد حوزه محاسبات اجتماعی: این پژوهش به توسعه دانش در زمینه محاسبات اجتماعی و حکمرانی هوشمند کمک می‌کند. نشان می‌دهد که چگونه می‌توان از داده‌های بزرگ و هوش مصنوعی برای درک بهتر دینامیک‌های اجتماعی و ارتقاء فرایندهای دموکراتیک استفاده کرد.
• افزایش شفافیت و پاسخگویی: با استفاده از NLP برای تحلیل مشارکت‌ها، می‌توان فرایند تحلیل را شفاف‌تر کرد. به عنوان مثال، امکان تولید گزارش‌های خودکار و قابل درک برای شهروندان که نشان می‌دهد چگونه نظراتشان تحلیل شده و چه تأثیری بر نتایج داشته است، به افزایش پاسخگویی دولت کمک می‌کند.

در نهایت، دستاوردهای این پژوهش فراتر از یک تحلیل آکادمیک است و راه را برای نوآوری‌های عملی در حکمرانی دیجیتال و تقویت صدای شهروندان در تصمیم‌گیری‌های عمومی هموار می‌کند.

۷. نتیجه‌گیری

مقاله «رویکرد مردم‌نگاری ترکیبی به بودجه‌ریزی مشارکتی در اسکاتلند» یک بررسی حیاتی و به‌موقع از تکامل بودجه‌ریزی مشارکتی در عصر دیجیتال است. این پژوهش نه تنها نشان می‌دهد که چگونه PB از یک فعالیت مردمی به یک ابزار سیاستی جریان اصلی تبدیل شده است، بلکه نقش محوری پلتفرم‌های دیجیتال مانند Consul را در این تحول برجسته می‌سازد. اهمیت استراتژیک این مطالعه در توانایی آن برای پر کردن شکاف میان حجم فزاینده مشارکت‌های شهروندان و ظرفیت محدود نهادهای دولتی برای تحلیل و ترجمه این ورودی‌ها به سیاست‌های عملی نهفته است.

انتخاب روش‌شناسی مردم‌نگاری ترکیبی به محققان امکان می‌دهد تا هم جنبه‌های فنی و کارکردی پلتفرم‌ها و ابزارهای NLP را مورد بررسی قرار دهند و هم لایه‌های اجتماعی، فرهنگی و سازمانی پیاده‌سازی PB را درک کنند. این رویکرد جامع، بینش‌های عمیقی را در مورد چگونگی تعامل فناوری، نهادها و شهروندان در فرایندهای دموکراتیک فراهم می‌آورد. همان‌طور که در بخش یافته‌های کلیدی اشاره شد، پتانسیل ابزارهای پردازش زبان طبیعی (NLP) برای افزایش کارایی در تحلیل داده‌های متنی و همچنین تسهیل مشارکت شهروندان، برجسته و امیدوارکننده است. این ابزارها می‌توانند با خلاصه‌سازی، دسته‌بندی و تحلیل احساسات، به مسئولین کمک کنند تا درک سریع‌تر و دقیق‌تری از نظرات عمومی داشته باشند و آن‌ها را به سیاست‌های منسجم تبدیل کنند.

کاربردها و دستاوردهای این پژوهش فراتر از مرزهای اسکاتلند است و می‌تواند الهام‌بخش سایر مناطق و کشورها برای استفاده هوشمندانه از فناوری در جهت تقویت حکمرانی مشارکتی باشد. با این حال، همانند هر نوآوری تکنولوژیکی، پیاده‌سازی NLP در فرایندهای دموکراتیک نیازمند دقت و توجه به ملاحظات اخلاقی است تا از سوگیری‌ها جلوگیری کرده و اطمینان حاصل شود که عامل انسانی و قضاوت دموکراتیک، همواره در مرکز فرایند تصمیم‌گیری باقی می‌مانند.

در پایان، این مقاله نه تنها یک گام مهم در درک چگونگی شکل‌گیری دموکراسی دیجیتال است، بلکه چراغ راهی برای توسعه ابزارهایی است که می‌توانند صدای شهروندان را در تصمیم‌گیری‌های عمومی طنین‌اندازتر و موثرتر سازند. آینده بودجه‌ریزی مشارکتی و حکمرانی دموکراتیک، بی‌شک با پیشرفت‌های در حوزه محاسبات و زبان گره خورده است و این پژوهش نقشی کلیدی در ترسیم این آینده ایفا می‌کند.