خط مشی گذاری مبتنی بر داده و شواهد

فهرست مطالب

در این مقاله به بررسی خط مشی گذاری مبتنی بر داده و تحلیل آن بر اساس مدل چرخه خط مشی لاسول می پردازیم. این ایده که فرآیند خط‌مشی را می‌توان به‌عنوان مجموعه‌ای از مراحل در یک مدل چرخه‌ای تصمیم‌گیری در نظر گرفت، برای اولین بار به‌طور سیستماتیک در کار هارولد لاسول، شخصیت اثرگذار علم خط‌مشی‌گذاری در دهه پنجاه میلادی مطرح شد. خط مشی گذاری مبتنی بر داده و شواهد فرآیندی پیچیده و حیاتی است که در حکومت هر کشور نقش بسیار مهمی ایفا می‌کند. این فرآیند شامل تحلیل، بررسی، و تدوین سیاست‌ها و برنامه‌هایی است که تأثیر مستقیمی بر زندگی شهروندان و توسعه کشور دارد.  

خط مشی گذاری مبتنی بر داده : مدل مرحله ای یا فرایندی خط مشی

در حال حاضر، یک مدل پنج مرحله‌ای از فرآیند خط‌مشی رایج‌ترین نوع استفاده از این دیدگاه است، اگرچه بسیاری از نسخه‌های دیگر با مراحل فرعی کمتر یا بیشتر نیز وجود دارند. در این مدل، «تنظیم دستور کار» به‌عنوان اولین مرحله در فرآیند، اشاره به این دارد که در یک مشکل توسط بازیگران خط‎مشی احساس می‌شود و گفتگوهای مختلفی درباره آن شکل می‌گیرد. در مرحله «تدوین خط‌مشی» به توسعه گزینه‌های خط‌مشی خاص در داخل حکومت اشاره و با حذف گزینه‌های غیرممکن از طرق و استدلال‌های مختلف، تلاش می‎شود تا راه‌حل موردعلاقه بازیگران در بین معدود گزینه های باقی‌مانده رتبه بالایی داشته باشد.

 «تصمیم‌گیری» به مرحله سومی اطلاق می‌شود که در آن بازیگران رسمی در حکومت، یکی از گزینه‌ها را به‌عنوان مسیر خاص خود را اتخاذ می‌کنند. در مرحله چهارم، «اجرای خط‌مشی ها»، حکومت‌ها تصمیمات خود را با استفاده از ترکیبی از ابزارهای مدیریت حکومتی به اجرا درمی‌آورند تا توزیع کالاها و خدمات را در جامعه به‌گونه‌ای تغییر دهند که به‌طور کلی با احساسات و ارزش‌های جامعه سازگار باشد. «ارزیابی خط‌مشی» به مرحله پنجم در فرآیندهایی اشاره دارد که در آن بر نتایج خط‌مشی‌ها توسط بازیگران حکومتی و اجتماعی پایش می‌شود، و اغلب منجر به مفهوم‌سازی مجدد مشکلات و راه‌حل‌های خط‌مشی در پرتو تجارب حاصل از خط‌مشی موردنظر و شروع یک تکرار جدید از چرخه می‌شود. 

مفهوم چرخه خط‌مشی برای ما در خط مشی گذاری مبتنی بر داده مهم است، زیرا نشان می‌دهد که پژوهش‌های مربوط به شواهدمحوری پتانسیل تأثیرگذاری بر فرآیند را در هر یک مرحله‌هایش ، چه در زمان برنامه‌ریزی، چه اجرا و یا زمان ارزیابی دارد. بنابراین این دیدگاه از فرآیندهای خط‌مشی، به شکستن چرخه خط‌مشی‌گذاری برای شناسایی انواع مختلف داده ها  پژوهش‌ها و یا شواهدی که ممکن است مورد نیاز باشد، کمک می‌کند.

خط مشی گذاری مبتنی بر داده و شواهد در دنیای واقعی

واقعیت خط مشی گذاری مبتنی بر داده آن‌طور که مدل فرایندی نشان می‌دهد سیستماتیک و خطی نیست. همچنین، مراحل اغلب فشرده می‌شوند، یا نادیده گرفته می‌شوند، یا ترتیب خود را به‌طور کامل تغییر می‌دهند. برای مثال، فرمول‌بندی خط‌مشی گاهی اوقات می‌تواند مقدم بر تنظیم دستور کار باشد، زیرا چنان‌که کینگدان در الگوی سطل زباله خود به آن اشاره می‌کند «راه‌حل‌ها مشکلات را دنبال می‌کنند» تا در زمانی بتوان آن‌ها را به کار برد. همچنین چرخه خط مشی، بر خلاف نمونه های جدید و مدرن تر پیشنهادی مانند ” ائتلاف مدافع ” به چندین سؤال کلیدی مانند ماهیت خط‌مشی، تعداد و نوع بازیگران مرتبط درگیر در فرآیند، نحوه و ترتیب دقیقی که در آن فرآیندهای توسعه خط‌مشی واقعی رخ می‌دهد، و اینکه آیا الگوهای اساسی توسعه در حوزه‌ها، بخش‌ها یا حوزه‌های قضایی مختلف چگونه رخ می‌دهد، پاسخ نمی‌دهد.

در این مدل این محتوای خط‌مشی نیست که مطالعه می‌شود بلکه فرایندی که خط‌مشی از طریق آن شکل می‌گیرد موردمطالعه قرار می‌گیرد. بر اساس این مدل خط‌مشی‌گذاری عمومی به‌صورت یک فرآیند و توالی گام‌به‌گام مدل‌سازی می‌شود که انجام هر گام مستلزم گام قبل از آن است( الوانی و شریف‌زاده ، ۱۳۷۹). پس از لاسول و به‌تبع او، متداول‌ترین رویکرد برای مطالعه خط‌مشی عمومی، فرآیند خط‌مشی‌گذاری را به تعدادی از اجزای عملکردی تفکیک می‌کند. یک مدل مفهومی از چرخه خط‌مشی‌گذاری را در نمودار زیر می‌بینید.

خط مشی گذاری مبتنی بر داده و شواهد

مفهوم چرخه خط‌مشی برای ما در خط مشی گذاری مبتنی بر داده مهم است، زیرا نشان می‌دهد که پژوهش‌های مربوط به شواهدمحوری پتانسیل تأثیرگذاری بر فرآیند را در هر یک مرحله‌هایش ، چه در زمان برنامه‌ریزی، چه اجرا و یا زمان ارزیابی دارد. بنابراین این دیدگاه از فرآیندهای خط‌مشی، به شکستن چرخه خط‌مشی‌گذاری برای شناسایی انواع مختلف داده ها  پژوهش‌ها و یا شواهدی که ممکن است مورد نیاز باشد، کمک می‌کند. برای مثال، ممکن است موفقیت در اثرگذاری بر یک دستور کار، غالباً به رویکردی متفاوت از رویکرد مورد نیاز برای اثرگذاری بر اجرای خط‌مشی نیاز داشته باشد. ارزش چنین دیدگاهی به فرآیند خط‌مشی‌گذاری در این است که به مجموعه خاصی از نهادها وابسته نیست، بنابراین امکان تجزیه‌وتحلیل طیفی از بازیگران ( و نه‌فقط حکومت) و نحوه تعامل آن‌ها در هر بخش از سرتاسر مسیر خط‌مشی‌گذاری در مراحل (فرایند) و زمان‌های مختلف را به ما می‌دهد.

با توجه به اهداف این بخش، کارکردهای فرآیندهای خط‌مشی در شواهدمحوری به چهار دسته ساده شده است:

  • تنظیم دستور کار: آگاهی و اولویت دادن درباره‌یک موضوع یا مشکل.
  • تدوین خط‌مشی: روش‌های سیاسی و یا تحلیلی، که گزینه‌ها و استراتژی‌ها ساخته می‌شود.
  • پیاده‌سازی خط‌مشی: اشکال و ماهیت اداره خط‌مشی و فعالیت‌های میدانی
  • پایش و ارزیابی خط‌مشی: ماهیت پایش و ارزیابی نیاز، طراحی، اجرا و اثرگذاری خط‌مشی.

 

شواهد و داده ها در هر یک از مراحل خط مشی گذاری

در این بخش برای هر بخش متفاوت از فرآیند خط‌مشی، ما کار پولارد و کورت (2005) را برای تشریح برخی مسائل خاص در مورداستفاده از شواهد مورد بازنگری قرار می‌دهیم:

تنظیم دستور کار (آگاهی و اولویت‌بندی میان مسائل)

نیاز به شواهد در اینجا از نظر شناسایی مشکلات جدید یا ایجاد شواهد در مورد بزرگی یک مشکل است، تا بازیگران مربوطه خط‌مشی اطلاع یابند که مشکل واقعاً مهم است. یک عامل کلیدی در اینجا، اعتبار شواهد و همچنین نحوه انتقال شواهد است.

صورت‌بندی خط‌مشی (دو مرحله در صورت‌بندی خط‌مشی وجود دارد، شناسایی گزینه‌ها  و انتخاب میان گزینه‌ها)

برای هر دو مرحله، خط‌مشی‌گذاران باید به‌طور ایده‌آل اطمینان حاصل کنند که درک آن‌ها از آن موقعیت خاص و گزینه‌های مختلف تا حد امکان دقیق و جامع است. تنها در این صورت است که خط‌مشی‌گذاران می‌توانند تصمیم‌گیری آگاهانه، در مورد اینکه کدام خط‌مشی را پیش ببرند و اجرا کنند، را داشته باشند. این اطمینان شامل شواهدی درباره پیوندهای سودمند بین یک فعالیت و یک نتیجه و همچنین هزینه و اثرگذاری مورد انتظار یک مداخله است. کمیت و اعتبار شواهد در این مرحله مهم است.

پیاده‌سازی (فعالیت‌های عملی واقعی)

در اینجا تمرکز بر شواهد عملیاتی برای بهبود اثربخشی اقدامات است. این شواهد می‌تواند شامل کار تحلیلی و همچنین یادگیری سیستماتیک در مورد مهارت‌های فنی، دانش تخصصی و تجربه عملی باشد. در این مرحله بیشتر اقدام‌پژوهی و پروژه‌های آزمایشی مهم هستند. نکته کلیدی این است که شواهد عملاً در زمینه‌های مختلف مرتبط هستند.

ارزیابی (پایش و ارزیابی فرایند و اثرگذاری یک مداخله)

اولین هدف در اینجا توسعه مکانیسم‌های پایش است. پس از آن، به گفته یانگ و کوین (2002)، «روش ارزیابی جامع در تعیین اثربخشی خط‌مشی اجراشده و در ارائه مبنایی برای تصمیم‌گیری‌های آینده ضروری است». در فرآیندهای پایش و ارزیابی، مهم است که نه‌تنها از عینی بودن، کامل بودن و مرتبط بودن شواهد اطمینان حاصل شود، بلکه همچنین باید با میزان موفقیت در فرآیند خط‌مشی مستمر مخابره شود. شاید بتوان گفت که انجام ارزیابی مبتنی بر داده و شواهد شالوده و مهمترین موضوع در ارائه یک خط مشی مبتنی بر داده و شواهد است. 

استفاده از داده و شواهد در خط مشی گذاری و مساله زمان

شکل زیر یک توصیف کلی از جریان شواهد در فرآیند خط‌مشی‌گذاری را ارائه می‌دهد. این یک نمودار ساده است، اما بینش‌های مهمی را ارائه می‌دهد. در وهله اول، تمایز میان تنظیم دستور کار، تدوین و پایش، و فرآیندهای مختلف جمع‌آوری شواهد موردنیاز ارائه می‌دهد. ثانیاً، به‌وضوح در رابطه با تفاوت محدودیت‌های زمانی، بین نیاز به شواهد برای سؤالات مهم (و فوری) خط‌مشی و موارد که شواهد برای اهداف بلندمدت استراتژیک خط‌مشی، تمایز قائل می‌شود. مفهوم اصلی این است که در بیشتر مواقع انواع مختلفی از شواهد، برای بخش‌های مختلف از فرآیند خط‌مشی مورد نیاز است و ملاحظات زمانی احتمالاً بر مکانیسم‌های موجود برای بسیج شواهد تأثیر می‌گذارد.

خط مشی گذاری مبتنی بر داده و شواهد

در نهایت، تدوین خط‌مشی نیازمند تفکر دقیق، بررسی دقیق داده‌ها و اطلاعات، و تعامل هماهنگ میان افراد و اقشار مختلف جامعه است. این فرآیند برای تحقق اهداف ملی و بهبود کیفیت زندگی مردم اساسی است و به دقت و توجه ویژه نیاز دارد. 

بسته‌ ویژه خط مشی گذاری مبتنی بر داده

همه‌ی تلاش ما در مجموعه فرمانا این است که شما بتوانید به شکل کارآمدتری از داده‌ و شواهد در مدیریت استفاده کنید. به همین دلیل سه دسته از نیازمندی های هر تصمیم گیری داده محور، یعنی راهنماهای مدیریتی، داده‌های تصمیم گیری و ابزارهای تصمیم‌گیری را در کنار هم برای شما فراهم آورده‌ایم. امیدواریم که استفاده از  موارد زیر بتواند به شما در اتخاذ یک تصمیم بهتر در زمان خط مشی گذاری مبتنی بر داده یاری رساند.


داده‌های کمکی برای خط مشی گذاری مبتنی بر داده


ابزارهای کمکی برای تهیه خط مشی گذاری مبتنی بر داده


راهنماهای مدیریتی در تهیه خط مشی گذاری مبتنی بر داده

این مقاله را دوست داشتید؟ آن را با دوستان خود به اشتراک بگذارید.