科研学习|论文解读——Open government research over a decade: A systematic review

Open government research over a decade: A systematic review

十年来的开放政府研究:一个系统性综述

摘要

        在过去十年中,对开放政府的学术研究蓬勃发展。然而,对开放政府的全面审查是有限的。这一研究空白不仅阻碍了我们对开放政府整体知识体系的理解,也阻碍了现有实践的推进。为了解决这一差距,本文系统地回顾了2008年至2019年期间发表的189项研究。指导这一回顾的中心研究问题:(1)开放政府的概念在文献中是如何定义和概念化的?(2)开放政府是如何被使用和实施的?(3)开放政府的举措带来了什么结果或影响?这项研究发现,开放政府一般被概念化为一种新的治理结构,强调透明度(愿景)和公众参与(声音)。然而,它也为学术研究的案例选择和实际执行确定了一个 透明度驱动的焦点,这代表了开放政府理论和实践之间的差距。这项研究还揭示了缺乏关于开放政府影响的经验证据,并强调了先前研究的方法论问题。文章最后讨论了未来的研究。

一、引言

        开放政府是一种最近的公共管理改革趋势,旨在建立不同于市场或官僚主义导向原则的透明和协作的治理结构。尽管开放政府”一词并不新鲜,其起源可以追溯到早在1957Park的开创性研究,但不同的社会背景和先进技术促成了开放政府概念的演变。

        在二战后的背景下,开放政府最初被用来强调开放和信息传播的重要性,当时由于需要灵活性和调动军事资源,政府问责被削弱。相比之下,开放政府的现代定义可以追溯到奥巴马政府,其核心是密集使用信息和通信技术(ICT)来促进政府透明度、公民参与和公共协作。尽管透明度和公民参与的概念在公共管理领域已经研究了数十年,但先进的ICT已经改变了政府与公众之间的互动;这尤其适用于政府信息的传播方式和公众参与公共事务的方式。

        鉴于过去十年的快速发展,有必要评估和考虑这些环境变化如何影响学者和实践者对开放政府的看法。不幸的是,现有的开放政府研究缺乏整体性的评估。大多数文献综述都倾向于关注“政府数据开放”的问题,而不是将开放政府视为一个多维的概念,这可能导致观点碎片化,一些维度很少受到关注。

        为了解决文献中的这一空白,并为更加综合全面的开放政府知识体系做出贡献,本研究在Roberts2020)的基础上对开放政府进行了多层次的分析

        基于多层分析框架,形成三个相互关联的研究问题来指导本研究:(1)开放政府的概念是如何定义和概念化的?(2)开放政府是如何被使用和实施的?(3)开放政府举措带来了哪些成果/影响?

        为了检验这些研究问题,本文采用了系统综述和元分析的首选报告原则PRISMA过去十年发表的政府开放研究进行了系统的回顾。由于其预先确定的数据收集协议和预先指定的合格标准,PRISMA是一种可靠的方法,可以防止潜在的收集偏差。该综述的最终分析包括来自公共行政和政治学领域的共189篇文章

二、方法论

2.1 合格标准格标准(eligibility criteria

        包括一系列合格标准是PRISMA最重要的特征之一。明确指出合格标准,是为了确保目标研究能够被纳入,并确保某些搜索结果是可复现。根据PRISMA声明,研究和报告的合格标准阐述如下。

2.2 综述方法和编码

第一,筛选每篇文章的标题和摘要,排除不符合上述标准的文章,并去重;(-632

第二,筛选摘要和全文,排除文章概述、特刊介绍和全文不可得文章;(-21

第三,共有189项研究被纳入最终系统综述

 

第一,筛选每篇文章的标题和摘要,排除不符合上述标准的文章,并去重;(-632

第二,筛选摘要和全文,排除文章概述、特刊介绍和全文不可得文章;(-21

第三,共有189项研究被纳入最终系统综述

此外,本研究使用一种新颖的数据提取形式(表1),阐明了在相关文献的基础上,收集记录的编码要素。这些提取项包括:(1)一篇文章的基本信息(例如,标题、作者、出版年份、期刊名称);(2)列出的关键词,如果有的话;(3)开放政府的级别(例如,国家、联邦/中央、州、地区或地方);(4)开放政府的地理环境(例如,亚洲、北美、拉丁美洲或欧洲);(5)理论基础;(6)研究问题;(7)研究方法;(8)政府的定义;(9)开放政府的影响;(10)用于实现开放政府目标的技术/政策工具。

 三、系统综述结果描述

在回答研究问题之前,本节提供收集文章的概述。收录的189篇论文分别发表在42种国际同行评议期刊上。在这42种期刊中,开放政府研究主要发表在5个来源:政府信息季刊(GIQ)、信息政治(IP)、转型政府:人、过程和政策(TGPPP)、社会科学计算机评论(SSCR)和国际公共管理杂志(IJPA) (2)。这五种期刊自2008年以来共发表了120篇文章(收集自网络数据库或人工检索),占最终分析的189篇文章的63%。还发现,开放政府研究更有可能发表在包括信息科学和公共管理,而不是传统的通用公共管理期刊。这些现象可能是由于开放政府倡议依赖信息和通信技术作为政策工具。以下章节分别阐述了所选案例中与政府层级相关的出版趋势、地理背景和研究方法。

3.1 出版趋势

可以观察到,在过去十年中,开放政府研究的发表量稳步上升(如图2所示)

2008- 2009年期间,只有5篇文章与开放政府有关,这些文章并没有强调参与和信息通信技术,而是主要关注信息自由(FOI)的观点。

第一次增加可以观察到在2009年底签署开放政府指令之后。这一行政命令直接要求联邦机构和行政部门采取行动,通过使用先进的信息通信技术来推进开放政府的目标。

2011年,八个国家的政府成立了名为“开放政府伙伴关系”(Open Government Partnership, OGP)的国际组织,该组织致力于实现开放政府倡议,吸引了70多个国家的参与。开放政府实践的蓬勃发展直接促进了与开放政府研究相关的出版物的激增。

2010年至2014年期间,每年的出版物数量从7篇增加到22篇,涉及不同的主题,如公民来源,开放政府数据,以及社交媒体。

虽然2016年略有下降,但2017年达到峰值(38)2018年可以观察到下降趋势。这种下降趋势是否会持续下去,学术研究是否会受到影响,都有待观察。

 3.2 地理背景

本文追踪了每篇文章所选案例的地理背景,发现开放政府研究主要集中在北美和欧洲地区。这两个地区的研究占总发文量的65%以上(如表3所示)

相比之下,亚洲地区和跨国地区的研究分别接近或低于15%。对非洲、澳大利亚和国际组织的研究不足5%。这些发现与2017年针对透明度问题进行的另一项系统综述相呼应,他们还发现,“主要关注北美和欧洲”可能是由于英语写作文章的限制和对发展中国家投资的减少。

 3.3 政府级别

除了地理环境外,本系统综述还记录了每个实证研究所选案例的政府级别。一般来说,政府层面可以分为六组:(1)国家层面(关注整个国家的开放政府实施情况),(2)联邦和中央层面(关注中央层面或联邦机构的实施情况),(3)州或省层面,(4)都市/区域层面,(5)城市或地方层面,以及(6)其他。

根据表4联邦或中央政府的案例受到的关注最多,其次是地方层面和国家级的研究。值得注意的是,联邦和国家层面的出版物几乎占据了出版物总数的49%。从资源角度来看,地方政府可能缺乏必要的资源,包括人力和经济资源,以实施开放政府的举措。

 3.4 研究方法

近十年来,出版物的研究方法主要采用实证和定性的方法

如图3所示,自2010年以来,实证方法一直占据主导地位。实证研究占总发文量的80.42%。相反,概念研究的比例只有13%。此外,相关文献综述自2012年以来就存在,2015年和2017年最为盛行,原因是综述的论文数量不断积累。实证研究的优势是可能是学者们更喜欢实证案例,以更好地阐述开放政府的概念或实践的演变,并描述研究领域的范围。

然而,尤其是2016年至2018年,概念研究的发表量一直处于较低水平

此外,在这189篇收集的文章中,只有46篇(24%)的文章明确指出了理论框架(如社会影响和社会判断理论)来构建他们的假设,缺少理论支撑。原因可能有两个:一是目前使用的理论框架有限,因为开放政府领域仍在形成自己的理论基础;第二,目前的研究是建立在类似的概念基线之上的。例如,创新扩散理论已被应用于采用开放政府举措的研究。

本文还对189篇文献的应用研究方法进行了跟踪,发现学者倾向于用定性的方法回答研究问题(如图4所示)。共77.45%(146)的收集文献采用了定性的方法,其次是19.58%的定量研究,以及3.17%的混合方法研究。在这些定性研究中,流行的研究方法包括内容分析、访谈和文档分析。

 四、研究问题主要发现

这三个研究问题基于多层分析框架提出,旨在系统地审查开放政府的概念化、实施和影响。开放政府可以被理解为一种行政改革,其目的是建立一个不同于传统韦伯式官僚主义和新公共管理的新的治理结构。由于其内在的复杂性和来自不同层次政府的不同利益相关者之间的复杂互动,这种对开放政府的系统综述需要多层框架分析,以建立一个更好的研究领域,并提供一个更全面的观察。

多层分析框架有两个特点:(1)全面确定不同层次的研究单位;(2)明确处理不同分析层次之间的关系。一般来说,多层分析法的研究单位一般可以分为三个层次,分别针对大社会系统、实施组织和受影响的个人。遵循框架,以开放政府为背景,本研究将每个层次的研究单元定义如下:(a)宏观层面:行政改革的总体策略或概念化(如开放政府的举措),(b)中观层面:行政改革的巩固或实施(如推出开放数据门户),以及(c)微观层面:行政改革引起的个人态度或行为变化(如更大的参与动机)。基于上述定义,三个研究问题分别关注开放政府的概念化、实施和影响。

此外,这种多层分析框架认为,在三个层次的分析之间存在相互关系。一方面,宏观层面的一般战略或概念化不仅为中观层面的实施提供指导,而且也决定了微观层面的潜在影响。另一方面,较低层次行为的实施也可能对宏观层面概念化产生交互影响,因为可以通过争议程序来检验总体策略的实施是否达到了所提出的目标。

 

 

 

五、讨论 

 六、结论与未来研究

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/191126.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

mysql区分大小写吗

mysql在windows下默认是不区分大小写的,在linux下默认是区分大小写的。 所以,为了避免出问题,许多公司的数据库编程规范中明确规定:库名、表名、列名、索引名一律小写,不同单词之间以下划线分割,且控制在3…

重庆市失业金申领流程

1.领失业金的前提:非本人意愿中断就业。个人理解就是不是主动辞职才能领。 2.因此公司在处理社保减员的时候,不能是劳动者主动提出离职。 3.社保减员可选择原因:其他原因中断缴费 / 由单位提出双方协商一致解除劳动合同。 4.当社保暂停缴费…

算法——滑动窗口

滑动窗口大致分为两类:一类是窗口长度固定的,即left和right可以一起移动;另一种是窗口的长度变化(例如前五道题),即right疯狂移动,left没怎么动,这类题需要观察单调性(即指针)等各方…

以下哪项不是在内蒙古举办的?()

需要查看更多试题和答案,可以前往题海舟(题海舟)进行搜题查看。可以搜“题干关键词”。 以下哪项不是在内蒙古举办的?() A.中蒙博览会 B.东北亚区域合作高峰论坛 C.中蒙俄合作高层论坛 D.中日经济合作会 …

C++基础 -32- 逻辑运算符重载

逻辑运算符重载格式 bool operator&&(data1&a,data2&b) {if(a.a&&b.a){return true;}elsereturn false; }举例使用单目运算符重载 #include "iostream"using namespace std;class data1 {public :int a;data1(int a):a(a){} };class d…

(数据结构)顺序表的查找

静态分配代码&#xff1a; #include<stdio.h> #include<stdlib.h> #define MAX 100 typedef struct LinkList {int data[MAX];int lenth; }Link; //初始化 void CreateList(Link* L) {L->lenth 0;for (int i 0; i < MAX; i){L->data[i] 0;} } //插入 …

策略模式与简单工厂模式:终结if-else混乱,让代码更清爽

阅读建议 嗨&#xff0c;伙计&#xff01;刷到这篇文章咱们就是有缘人&#xff0c;在阅读这篇文章前我有一些建议&#xff1a; 本篇文章大概4500多字&#xff0c;预计阅读时间长需要5分钟。本篇文章的实战性、理论性较强&#xff0c;是一篇质量分数较高的技术干货文章&#x…

计算机网络扫盲(2)——网络边缘

一、概述 在计算机网络得到术语中&#xff0c;我们把与因特网相连的计算机或其他设备称为端系统&#xff08;或者主机&#xff09;&#xff0c;如下图所示&#xff0c;因为它们位于因特网的边缘&#xff0c;所以被称为端系统。因特网的端系统包括了桌面计算机&#xff…

Hdoop学习笔记(HDP)-Part.09 安装OpenLDAP

目录 Part.01 关于HDP Part.02 核心组件原理 Part.03 资源规划 Part.04 基础环境配置 Part.05 Yum源配置 Part.06 安装OracleJDK Part.07 安装MySQL Part.08 部署Ambari集群 Part.09 安装OpenLDAP Part.10 创建集群 Part.11 安装Kerberos Part.12 安装HDFS Part.13 安装Ranger …

蓝桥杯day03——Bigram 分词

1.题目 给出第一个词 first 和第二个词 second&#xff0c;考虑在某些文本 text 中可能以 "first second third" 形式出现的情况&#xff0c;其中 second 紧随 first 出现&#xff0c;third 紧随 second 出现。 对于每种这样的情况&#xff0c;将第三个词 "th…

Android布局控件之LinearLayout、RelativeLayout、GridLayout、ScrollView

线性布局&#xff08;LinearLayout&#xff09; orientation horizontal:水平从左往右vertical:垂直从上到下若不指定orientation属性&#xff0c;默认为水平 <?xml version"1.0" encoding"utf-8"?> <LinearLayout xmlns:android"http:…

什么是DDoS攻击

DDoS攻击 1. 定义2. DDoS攻击类型2.1 网络层攻击2.2 传输层攻击2.3 应用层攻击 3.DDoS攻击态势特点 1. 定义 分布式拒绝服务&#xff08;DDoS&#xff09;攻击是一种常见的网络攻击形式。攻击者利用恶意程序对一个或多个目标发起攻击&#xff0c;企图通过大规模互联网流量耗尽…

微软与 OpenAI 宫斗大戏背后的故事【番外详细剖析篇】

​​微软和 OpenAI 曾精心制定了一个协议&#xff0c;目的是既要雄心勃勃又要确保安全地发布人工智能产品。然而&#xff0c;OpenAI 的董事会突然打破了所有这些精心策划的计划。 在感恩节前一个星期五的上午 11:30 左右&#xff0c;微软的首席执行官 Satya Nadella 正在和高层…

Git 简介及异常场景处理

一、简介 介绍Git之前&#xff0c;还得先介绍下 版本控制系统&#xff08;VCS&#xff09;&#xff0c; 和它的发展历史 纵观版本控制系统的发展历史&#xff0c;广义上讲&#xff0c;版本控制工具的历史可以分为三代&#xff1a; 第一代 第一代版本控制系统被称为本地版本控…

文艺复兴!ICO或再次兴起?香港Web3崛起前五部曲之一!

近日&#xff0c;香港证券及期货专业总会发布了《2024至2025年度财政预算案》&#xff0c;提出了一系列举措&#xff0c;其中最引人注目的莫过于政府考虑推出ICO发行机制&#xff0c;这一预算案被广泛视为香港在Web3崛起前的文艺复兴五部曲之一&#xff0c;引发了业界和投资者的…

关于 ls -s 输出文件大小的单位问题的讨论(stat 和ls -s的块不一样的,只是名称相同而已)

自己看书正好看到这里&#xff0c;正纳闷呢&#xff0c;上网查了下&#xff0c;发现不是我自己在为这个问题感到困惑。 有个大哥提出一个问题&#xff1a; 问题标题&#xff1a; ls -s的单位到底是什么&#xff1f; man ls -s, --size print the alloca…

MyBatis的创建,简单易懂的一篇blog

文章目录 一、MyBatis是什么二、操作流程三.配置resource总结 一、MyBatis是什么 MyBatis 是⼀款优秀的持久层框架&#xff0c;它⽀持⾃定义 SQL、存储过程以及⾼级映射。MyBatis 去除了⼏乎所有的 JDBC 代码以及设置参数和获取结果集的⼯作。MyBatis 可以通过简单的 XML 或注…

Azure Machine Learning - 使用 REST API 创建 Azure AI 搜索索引

本文介绍如何使用 Azure AI 搜索 REST AP和用于发送和接收请求的 REST 客户端以交互方式构建请求。 关注TechLead&#xff0c;分享AI全维度知识。作者拥有10年互联网服务架构、AI产品研发经验、团队管理经验&#xff0c;同济本复旦硕&#xff0c;复旦机器人智能实验室成员&…

【计算机网络】14、DHCP

文章目录 一、概述1.1 好处 二、概念2.1 分配 IP2.2 控制租赁时间2.3 DHCP 的其他网络功能2.4 IP地址范围和用户类别2.5 安全 三、DHCP 消息3.1 DHCP discover message3.2 DHCP offers a message 如果没有 DHCP&#xff0c;IT管理者必须手动选出可用的 ip&#xff0c;这太耗时了…

TA-Lib学习研究笔记——Price Transform (五)

TA-Lib学习研究笔记——Price Transform &#xff08;五&#xff09; 1.AVGPRICE Average Price 函数名&#xff1a;AVGPRICE 名称&#xff1a;平均价格函数 语法&#xff1a; real AVGPRICE(open, high, low, close) df[AVGPRICE] tlb.AVGPRICE(df[open],df[high],df[low…