跳至主要內容

從總統盃社會創新黑客松來看所謂的數據化思考、公開、透明的流程


最近一直在想要用什麼案例來解釋這三個議題:
  1. 數據化思考
  2. 由下而上(Bottom-Up)
  3. 公開透明的流程
在 OECD 的 Digital Government toolkit 裡第一個原則就是「開放、透明和包容 (Openness, transparency and inclusiveness)」。雖然在網路治理論壇裡看到許多執行的案例,但對不了解「網路治理」是什麼的網路使用者來說,可能還是很難讓這些人對這樣的議題點燃興趣。最近看到「總統盃社會創新黑客松」,有一百多隊報名,也公布了二十組入選名單,但很剛好的可以拿來作為這三個議題的案例。

數據化思考

同樣也是 Digital Government toolkit 中的第三個原則「在公部門裡創造資料優先的文化(Creation of a data-driven culture in the public sector)」
  • 政府已逐漸將資料視為戰略性資產。
  • 資通訊技術促使社會生產、儲存、處理和共享數據的能力呈指數性的增加。
  • 使用資料可以支持在公部門的政策決定和服務設計與執行。
  • 在公部門裡創造資料優先的文化。
同時 McKinsey 在2016年的「Transforming government through digitization」中也提到了:
  • 大數據可以利益於公部門中的國防、公共安全、健康和其他領域。
  • 透明可以強化大眾對政府的信任和公民參與程度。
在引經據典證明資料和數據化思與分析對提升民眾對公部門的信任與參與程度後,反觀「總統盃社會創新黑客松」裡的五大(或十大)議題:(1)防災與公衛醫療、(2)青年發展與就業、(3)社會安全網與高齡化、(4)環境及能源、(5)交通與觀光。

各議題下又有八至九個子議題。事實上這些議題都是媒體上的熱門議題,但我們可能很難知道為什麼這些議題會被選為這次黑客松的主要議題項目,同時也不知道議題被選出的流程是什麼?有無相關的數據或文字可以讓我們知道這些議題的關聯度和重要性。例如:
  1. 防災與公衛醫療的關聯度是什麼?為什麼會放在同一個議題裡?還是因為資料都集中在某一個部會裡?
  2. 青年發展一定等於就業嗎?還是因為資料集中於某部會中?
  3. 社會安全網為什麼會與高齡化放在一起?高齡化的人才需要社會安全網嗎?中低收入戶或其他行動不便的慢性病患者、無法自主行動的獨居者都不在社會安全網中嗎?
同樣的,環境與能源、交通與觀光,都會有同樣的問題,我們只看得出來這些資料分別被集中於:交通部、衛福部、經濟部…等相關部會中。那我們有無自各單位從自己手上的數據來證明這些大大小小的議題的重要性與急迫性?有需要透過黑客松召集外部人員協助處理的必要性?黑客松與社會創新的關聯度?無從得知。

今年在 TWNIC 的研討會裡,我曾提到一個關於老年化人口與智慧城市的案例。那是去年拜訪 T.H. Schee 時,他所提議的。當每個城市都說要發展智慧城市時,有無先想過自己城市所真正急迫的問題是什麼?有沒有先看過自己城市的相關數據,例如:人口(高齡、外來、流動率)、交通事故、建築…等,這些都是會彙整至內政部再至行政院主計總處的資料,也就是既有的資料,而相關的主事者有無自這些數據中看到自己的城市需要什麼?能否透過招商合作來處理這樣的問題或藉此發展為宜居或智慧城市。

但這樣的文化顯然未在政府部門內部養成,且在業界先後成立「開放資料聯盟」或「台灣智慧城市產業聯盟」或大大小小的聯盟、聯誼會,都沒有看到相關的發展,甚至在議程中也不見相關的資料或數據證據。

由下而上(Bottom-UP)與公開透明的流程

在華人文化裡看到「由下而上」這四個字依然會有階級的感受,但事實上它只說明了議題由廣泛收斂集中的過程。

今年的聯合國 IGF 在三月辦理了2018年第一次公開諮詢和多方利害關係人諮詢( Multistakeholder Advisory Group,簡稱 MAG)成員會議,除了 MAG 成員之外,還公開讓所有是對網路治理議題有興趣的網路使用者,就算是非聯合國成員,都可以透過現場或網路參與,在其中一場議程裡,大家就在討論所謂的「由下而上(Bottom-UP)」。

在今年度的聯合國網路治理論壇也公開對外召集議題(Call for Issue),議題不是由網路治理論壇的 MAG 們來決定或提供,而是由全球對網路治理有興趣的人,可以透過「IGF 2018 Call For Issues」這張表單來輸入。意見提供者所提供的議題將會公布在 IGF 2018 Proposed Issues 頁面中,同時提出意見的人將會被公布為 Resource Persons,當 2018 各國要提案需要邀請對象時,就可以從這份名單中參考。另外也有提供各國網路治理論壇成員提供今年聯合國網路治理論壇會議中主要議程的建議議程。

所以我們可以看到議題、議程是這樣被公開收集、公開意見提出人員。議題非常多和廣泛,收斂則要靠 MAG 成員們去收斂或是在公開徵求提案時讓大家參考全球有哪些議題方向可以思考。

看完聯合國的網路治理論壇後,再回頭看台灣的「總統盃社會創新黑客松」。

從前一段裡,我們已無法得知這些黑客松的議題是怎麼來的。接下來:
  1. 未公開評選標準的制定方式。自頁面上知道已有這些評選標準,但為什麼會給予這樣的權重?
  2. 未公開各組的成績及計算方式。延伸自評選標準,在這次投案的一百多組裡,可以看到有不少投案的議題和說明。在三月底時已公布了入選的二十組,並公布了這些題目為什麼會入選的原因,但不見各評選標準的給分,同時也不知道各個委員的評分是多少?也無從得知評選的分數計算公式。
  3. 未公開評選委員的揀擇標準。評選團隊們在其相關的領域裡的確都具有「代表性」,這點滿足了執行團隊在公開評選委員時,可以應付所有媒體對於代表性的提問。但我在其簡報裡看到了這麼一段話:「突破部門藩籬,以議題導向,促進多元利害關係人之合作」這是很好的目標,但我也想問,簡報中所指的「利害關係人」有哪些角色?假設某個團隊使用了衛福部的資料來開發某個專案,請問這個專案的對象不是利害關係人嗎?例如某個團隊使用了交通部的資料,來研究如何降低某個路段的車禍事故,請問該地的居民、用路人是不是利害關係人?利害關係人是否成為評選委員的標準,我們無從得知,但具有「代表性」是否就可以成為評選委員?這點大概只有委辦單位、執行單位自己心裡清楚。如何有效率的選擇利害關係人,可以參考 獸群之心 / Soking 所撰寫的「談UX設計師網站改版三招:利害關係人訪談/數據分析/Prototype」一文。
  4. 未公開團隊成員姓名。每逢報稅期間,總是會有人在社群平台上抗議,要求公布開發報稅軟體的公司或工程師。在這次不論是進入初選或初選佳作的名單裡,都只有組名,也許是因為個人資料保護法的考量,而不公布組員名單,這樣的利弊得失,就各自衡量了。
這樣的流程不複雜,但期程都需要提前辦理,非常考驗秘書處和執行單位們,但全球性的論壇都能做到對全球招收議題、公部諮詢委員名單,而我們只對台灣內部收集,卻還未培養出相關的習慣與素質(不是只有這個單位這樣而已,只是剛好是最近看到的範例)。

總結一下我所看到的問題:
  1. 未公開議題選擇的流程且議題缺乏數據基礎支持。
  2. 未公開評選制定方式。
  3. 未公開各組成績與計算方式。
  4. 未公開各委員的評分成績。
  5. 未公開委員的揀擇標準。
  6. 未公團隊成員姓名。
既然什麼都是「未公開」,自然也不用談透明了。

最後,我們來看看網址。這個活動被稱冠名為「總統盃社會創新黑客松」,主辦單位是中華文化總會(GACC),協辦單位是資策會。網址是:「https://presidential-hackathon.iii.org.tw/」
  1. 因為是叫「總統盃社會創新黑客松」,所以用了presidential-hackathon,22個字元,不算短,好記嗎?看個人的記憶力有無衰退或要不要使用在這種地方或是放在書籤裡了。
  2. 域名是*.iii.org.tw,也就是這個網站由資策會執行,所以GACC和資策會為什麼能使用「總統盃」,可能也要想一想這個活動和 iii.org.tw 的關係與正當性?為什麼法人單位的活動可以用「總統盃」?真正的主辦單位是哪個部會?如果這麼重視這個活動,為什麼不買一個域名?
至於獎勵方式,我想就當各位熱血付出賺免費衣服吧!

留言

此網誌的熱門文章

為什麼我支持《數位中介服務法》草案

在經歷許多次反抗台灣政府所立的網路相關法案後,我其實沒想過除了《數位通傳法》草案外,我還會再支持另一部法律草案,雖然 《數位通傳法》草案還壓在某處,但如果有人讀過《數位通傳法》的草案,再讀這部《數位中介服務法》草案,就會知道這部草案的重要性,而且也可以顯示台灣網路使用者的成熟度,更重要的,這是我第一次看到引入國際網路治理多方利害關係人機制的法律草案,而且是用在正確的地方。 有興趣想知道我在讀法條時的筆記和當下的感想,可以看我這則  Tweet 。這篇不使用逐條讀法條的方式來寫,因為那會讓人昏昏欲睡,我也不去比對歐盟《數位服務法》,因為我在讀《數位服務法》草案時,該草案特別強調是加強歐盟 E-Commerce Directive  ,而不是取代它,而且更多著重在預防盜版、仿冒,保護消費者的法案。所以當有輿論提到參考自《數位服務法》的《數位中介服務法》草案限縮言論自由時,我其實是一頭問號的,但一直到今天我才有時間讀《數位中介服務法》草案,這篇文章出自於我的個人經驗和閱讀法案的心得,與擔任的職務無關。 如果最近注意一下網路的資訊,有幾件事該注意一下: 有許多人在社群平台,如Facebook或是其他網路看到一些廣告,而這些廣告可能是要你支持台灣農產品、台灣製的產品,結果你收到時,上面還寫著簡體字,通常這是所謂的一頁式廣告詐騙,而行政院的消費者保護會在 2019 年時就有新聞稿在警告「 一頁式廣告詐騙多 小心查證保障多 」,之後像公視或是其他單位都有相關的活動在提醒大家小心這類廣告。但目前這些廣告其實多數不易處理,因為不容易取證、保留證據,等到追查到時已經找不到對方了。 有不少親密照片與影片在情侶分手後,被報復性的上傳到情色網站或透過即時通訊傳到親友的帳號裡,或是被洩露個資,遭到公開的霸凌。 之前有一個專題:「 青春煉獄:網路獵騙性私密影像事件簿 」,光是讀完這個專題報導我就覺得受傷。 有人使用 Deep Fake 把台灣名人的臉部照片合成至色情影片再上傳至色情影片平台,今年 7 月才被判刑。 還有許多創作者藉由網路分享作品時,被人盜用,甚至有國外的使用者修改台灣人的作品去參與比賽還獲獎。 有一次打電話問某個部會,如果消費者在國外電子商務平台買東西,但資料被外洩怎麼辦?雖然政府願意協助,但衡量至國外打官司的時間和成本,就會讓人卻步。 有些行為在現實世界裡有法...

[movie]虛偽、傲慢與人性--Dogville

片名:厄夜變奏曲DOGVILLE 導演:拉斯馮提爾Lars von Trier 演員:Nicole Kidman… IMDB 花絮:厄夜的告白(Dogville Confession) 續集:命運變奏曲(Manderlay) 目前桌上放著的,是《在黑暗中漫舞》和《命運變奏曲》,克制著自己不要接著看下去,雖然我覺得看完再寫會比較完整,特別是看完《命運變奏曲》。昨晚已先看了《厄夜變奏曲》的花絮,在拍完這部電影後 Nicole Kidman還是沒能再接下去演《命運變奏曲》。 如果沒看過這部電影的人,不建議再繼續看下去,免得壞了看電影的興緻。 這部電影共分為九幕和一個序,沒有任何的「場景」,像是舞台劇般的在每一幕開始時有旁白,所謂的場景則象徵性的在攝影棚的地上劃出房子的地基、動物;在實體場景上,只有商店有門和展示櫃,看不見的McKay家有片落地窗,醫生有藥櫃,作家有書桌,七個孩子的果農家有張床和黑板…每個實際存在的物品都代表了住在那一「格」的居民的職業和對他們最重要的事物。也許因為沒有了場景,演員的表現反而被突顯了出來,劇情更容易讓人印象深刻。 在「序」這一段裡介紹了Dogville和裡面的人物。在第一幕到第五幕裡,從Grace來到這個貧瘠的村莊,而村長Tom的行為與用意也讓人難以忍受,到此為止,大部份村民看起來是善良的,如同在序中介紹的善良正直。雖說在看電影前已經有人提醒我要小心電影情節的黑暗面,在第六幕開始時也有字幕提醒,但在看到第六幕時就想關掉了。因為從這一幕開始,才開始看到什麼是人性,而從第六幕開始,才是真正的人生。 「傲慢(arrogance)」是最常出現在電影中的字詞,當Grace與Tom相遇時,她對Tom表示她必須自己教育自己,所以必須處罰自己不能進食;在第二幕裡,Grace認為Tom很「傲慢」而傲慢是不對的,一直到最後,第九幕,她到了車上依然與父親爭論「傲慢(arrogant)」。從車上兩個人的爭論裡,名字代表優美、優雅Grace終於顯露了她的本性: The Big Man:…but I, I call them dogs… Grace: The dogs only obey their nature. Why shouldn't we forgive them? 直到最後,她的決定讓整個村子燒光只剩下一隻狗,而她原諒了那隻連肉骨頭也不願施捨給她...

AI 提高產出,但誰得到好處?

我收集了 2026 年 3 月至 9 月由 Anthropic 研究團隊公開發表的 5 篇文章,讓 Claude 重新翻譯並編輯,並修改為習慣的閱讀語氣,以利閱讀。 Anthropic 今年 3 月發表的報告顯示,美國整體失業率沒有上升,但 22 到 25 歲的年輕人每月順利進入 AI 高曝露職業的比例比 2022 年低約 14%。這是我讀完今年他們發布的 5 份經濟研究摘要後,最常想起的一句話:「AI 讓產出變多」與「誰能把產出變成自己的收穫」,是兩個得分開回答的問題。 AI 做得到,不代表已經在做 過去大部分研究或媒體在衡量 AI 對工作的影響時,常問「AI 理論上能做哪些任務」。問題在於,AI 做得到,不代表企業或個人真的已經拿來用。 在這次閱讀的文章中,研究團隊提出「觀察曝露度」(Observed Exposure)。這個指標結合 O*NET(美國職業資訊網路,Occupational Information Network)的任務清單、理論可行性評分與 Claude 的實際使用資料,並對「自動化」與「工作用途」給予較高權重。 排名最高的是電腦程式設計師(約 75%)與資料輸入人員(約 67%),客服代表也名列前茅;另有 30% 的勞工觀察到曝露度為零。AI 目前的實際使用與理論能力還有一段距離。 在公布的研究中,高曝露職業的從業者有幾個共同特徵:女性比例高 16 個百分點、平均薪資高 47%、學歷較高、年齡也偏長。受衝擊的是中高薪的知識工作者,和「AI 先淘汰低薪年輕勞工」的直覺相反。 衝擊有多大?研究用差異中差異法比對,發現 ChatGPT 發布前後,高曝露職業的失業率未見系統性上升。唯一較清楚的訊號在 22 到 25 歲:這個年齡進入高曝露職業的新工作起始率,約比 2022 年低 14%。研究團隊也註明,這個結果僅勉強達到統計顯著。 同一套 AI,成果為何不同 在針對使用者研究的報告中,使用 6 個月以上 Claude 的人,其對話成功率為 73.1%,新使用者為 66.7%,相差 6.4 個百分點。控制任務類型後,差距縮到約 3 個百分點;再加上模型、使用情境、國家等變數,差距維持在約 4 個百分點。 Anthropic 曾假設,資深使用者會更傾向於把工作整包交給 AI 自動完成。研究的資料指向相反的方向:資深使用者更常與 Claude 來回...