سیاستگذاری مبتنی بر شواهد

تحقق اهداف نهایی سیاستگذاری در پرتو استفاده از شیوه هایی چون نظر سنجی امکان پذیر نخواهد بود. سیاستگذاری مبتنی بر شواهد به عنوان رویکرد جدیدی به چرخه سیاستگذاری عمومی ، در بسیاری از کشورها رواج یافته و بر این فرض استوار است که تصمیم های سیاسی باید در کنار استفاده از قضاوت ها و نظر سنجی ها با شواهد در دسترس و بر پایه یک تجزیه و تحلیل منطقی اخذ شوند. یکی از شواهد مهم در این رویکرد آمار و اطلاعات است. بر این اساس آمار می تواند در صورت دقت و صحت، کیفیت و ظرفیت سیاستگذاری ملی را ارتقا دهد. هدف تحقیق حاضر تشریح نقش آمار و اطلاعات در گام های مختلف سیاستگذاری و نشان دادن اهمیت استفاده درست و کارآمد از آمار در اخذ سیاست های بهتر و با کیفیت است. به منظور تحقق این هدف، روش شناسی ترکیبی با رویکرد طرح اکتشافی ترتیبی مورد استفاده قرار گرفته است ؛ در این طرح ابتدا داده های کیفی و به دنبال آن داده های کمی گردآوری و تجزیه و تحلیل می شوند. به این ترتیب ابتدا، در بخش کیفی مقاله، با استفاده از روش فراترکیب چارچوب فرآیندی جامعی برای سیاستگذاری مبتنی بر شواهد استخراج شده در ادامه، در بخش کمی، برای گردآوری داده ها ، پرسشنامه ای طراحی و توسط 15 نفر از خبرگان حوزه سیاستگذاری کشور تکمیل شده است و سپس برای اعتبار سنجی چارچوب مفهومی پژوهش، آزمون دوجمله ای مورد استفاده قرار گرفته است. نتایج حاصل از تحلیل داده های کمی نشان دهنده اعتبار چارچوب پیشنهادی تحقیق برای سیاستگذاری مبتنی بر شواهد می باشد. بخش انتهایی، مقاله حاضر به نقش آمار و اطلاعات و ارائه نمونه هایی از کاربرد آمار در گام های چارچوب فرآیندی پیشنهادی برای سیاستگذاری مبتنی بر شواهد می پردازد.

در این پژوهش رفتار کاربران شبکه اجتماعی توییتر که به مسائل سیاستی حوزه فناوری حساس بوده اند و در رابطه با آن محتوا تولید کرده اند، تحلیل شده است. در این پژوهش شیوه کاربست داده های کاربران رسانه های اجتماعی در فرایند سیاستگذاری و تحلیل رفتار این کاربران، مورد نظر بوده است. از اینرو فرایند کاربست داده های رسانه های اجتماعی در سیاستگذاری علم و فناوری ارائه شده است. این فرایند چگونگی کاربست تحلیل داده ها در هر مرحله از فرایند سیاستگذاری را پیشنهاد داده است. الگوریتم های ارائه شده در این فرایند با داده های 6 ماهه کلیه کاربران فارسی زبان توئیتر که با موضوع سیاست های حوزه علم و فناوری توئیت منتشر کرده اند، آزمون شد و مدل دسته بندی پیشنهادی، توانست شواهد از غیر شواهد را با دقت خوبی تشخیص و جدا سازد. متن توئیت های نفوذدارترین کاربران توئیتر که در کلید واژه های استخراج شده توئیت ارسال بودند به همراه تعداد ارتباطاتی که توئیت آن ها ایجاد کرده بود، استخراج و تحلیل شد. معیار انتخاب این کاربران، تعداد ارتباطاتی بوده که ایجاد کرده بودند(بیش از 300 ارتباط) که نشان می دهد این کاربران بیش از همه موضوع فیلترینگ اطلاعات، اپلیکیشن ها و شبکه های اجتماعی را مد نظر داشته اند.