Ciencia de datos en la evaluación del impacto de las políticas públicas: Una revisión de la literatura

Palabras clave: políticas públicas, big data, ciencia de datos, evaluación de impacto, modelo

Resumen

Lograr que las políticas públicas realmente logren resultados que mejoren la calidad de vida de las personas es un tema que siempre preocupa a los decisores públicos; más aún en un contexto de restricciones presupuestales como el que la mayoría de países atraviesa o atravesará en la situación de pospandemia. Por otro lado, la ciencia de datos, la inteligencia artificial, los datos abiertos y, en general, las tecnologías impulsadas por las grandes cantidades de datos cada día van ganando terreno en el ámbito de la gestión pública. El presente artículo tiene por objetivo conocer el estado actual de las investigaciones acerca de la interacción entre estos dos ámbitos, tomando como objeto de estudio la aplicación de la ciencia de datos a la evaluación del impacto de las políticas públicas, a fin de identificar los vacíos en la investigación existente. Luego de una revisión sistemática de la literatura, se encontró que el objeto de estudio propuesto no ha estado en el centro de la investigación académica. Lo que se ha investigado es el ciclo completo de desarrollo de políticas o la gestión pública en general. Se verificó también que esta interacción entre la cosa pública y la ciencia de datos aún es un campo emergente y, en opinión de muchos académicos, hacen falta investigaciones con una visión holística y con una mirada que vaya más allá de lo eminentemente técnico.

Descargas

La descarga de datos todavía no está disponible.

Citas

Anisetti, M., Ardagna, C., Bellandi, V., Cremonini, M., Frati, F., & Damiani, E. (2018). Privacy aware Big Data Analytics as a service for public health policies in smart cities. Sustainable Cities and Society, 39, 68-77. https://doi.org/10.1016/J.SCS.2017.12.019

Arnaboldi, M., & Azzone, G. (2020). Data science in the design of public policies: dispelling the obscurity in matching policy demand and data offer. Heliyon, 6(6), e04300. https://doi.org/10.1016/J.HELIYON.2020.E04300

Astanakulov, O. (2020). National projects and government programmes: Functional algorithm for evaluating and modelling using the Data Science methodology. Economic Annals-XXI, 183(5-6), 51-59. https://doi.org/10.21003/EA.V183-05

Ballester, O. (2021). An artificial intelligence definition and classification framework for public sector applications. ACM International Conference Proceeding Series, 67-75. https://doi.org/10.1145/3463677.3463709

Bassolas, A., Ramasco, J. J., Herranz, R., & Cantú-Ros, O. G. (2019). Mobile phone records to feed activity-based travel demand models: MATSim for studying a cordon toll policy in Barcelona. Transportation Research Part A: Policy and Practice, 121, 56-74. https://doi.org/10.1016/J.TRA.2018.12.024

Casaccia, S., Revel, G. M., Cosoli, G., & Scalise, L. (2021). Assessment of domestic well-being: from perception to measurement. IEEE Instrumentation and Measurement Magazine, 24(6), 58-67. https://doi.org/10.1109/MIM.2021.9513641

del Río Castro, G., González Fernández, M. C., & Uruburu Colsa, Á. (2021). Unleashing the convergence amid digitalization and sustainability towards pursuing the Sustainable Development Goals (SDGs): A holistic review. Journal of Cleaner Production, 280(Part 1). https://doi.org/10.1016/J.JCLEPRO.2020.122204

Dwivedi, Y. K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., Duan, Y., Dwivedi, R., Edwards, J., Eirug, A., Galanos, V., Ilavarasan, P. V., Janssen, M., Jones, P., Kar, A. K., Kizgin, H., Kronemann, B., Lal, B., Lucini, B., … Williams, M. D. (2021). Artificial Intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 57, 101994. https://doi.org/10.1016/J.IJINFOMGT.2019.08.002

Engin, Z., & Treleaven, P. (2019). Algorithmic government: Automating public services and supporting civil servants in using data science technologies. The Computer Journal, 62(3), 448-460. https://doi.org/10.1093/COMJNL/BXY082

Knüsel, B., Baumberger, C., Zumwald, M., Bresch, D. N., & Knutti, R. (2020). Argument-based assessment of predictive uncertainty of data-driven environmental models. Environmental Modelling and Software, 134. https://doi.org/10.1016/J.ENVSOFT.2020.104754

Kostoska, O., & Kocarev, L. (2019). A novel ICT framework for sustainable development goals. Sustainability, 11(7). https://doi.org/10.3390/SU11071961

Kuziemski, M., & Misuraca, G. (2020). AI governance in the public sector: Three tales from the frontiers of automated decision-making in democratic settings. Telecommunications Policy, 44(6). https://doi.org/10.1016/j.telpol.2020.101976

Lin, T., Liu, X., Song, J., Zhang, G., Jia, Y., Tu, Z., Zheng, Z., & Liu, C. (2018). Urban waterlogging risk assessment based on internet open data: A case study in China. Habitat International, 71, 88-96. https://doi.org/10.1016/j.habitatint.2017.11.013

Manny, L., Duygan, M., Fischer, M., & Rieckermann, J. (2021). Barriers to the digital transformation of infrastructure sectors. Policy Sciences, 54, 943-983. https://doi.org/10.1007/S11077-021-09438-Y

Pi, Y. (2021). Machine learning in Governments: Benefits, challenges and future directions. EJournal of EDemocracy and Open Government, 13(1), 203-219. https://doi.org/10.29379/JEDEM.V13I1.625

Shah, S. I. H., Peristeras, V., & Magnisalis, I. (2021). Government Big Data Ecosystem: Definitions, types of data, actors, and roles and the impact in public administrations. Journal of Data and Information Quality, 13(2), 1-25. https://doi.org/10.1145/3425709

Valle-Cruz, D., Criado, J. I., Sandoval-Almazán, R., & Ruvalcaba-Gomez, E. A. (2020). Assessing the public policy-cycle framework in the age of artificial intelligence: From agenda-setting to policy evaluation. Government Information Quarterly, 37(4). https://doi.org/10.1016/J.GIQ.2020.101509

van der Voort, H. G., Klievink, A. J., Arnaboldi, M., & Meijer, A. J. (2019). Rationality and politics of algorithms. Will the promise of big data survive the dynamics of public decision making? Government Information Quarterly, 36(1), 27-38. https://doi.org/10.1016/J.GIQ.2018.10.011

Victorino, M., de Holanda, M. T., Ishikawa, E., Oliveira, E. C., & Chhetri, S. (2018). Transforming open data to linked open data using ontologies for information organization in big data environments of the Brazilian Government: The Brazilian Database Government Open Linked Data DBgoldbr. Knowledge Organization, 45(6), 443-466. https://doi.org/10.5771/0943-7444-2018-6-443

Zhang, Y., Porter, A. L., Cunningham, S., Chiavetta, D., & Newman, N. (2021). Parallel or intersecting lines? Intelligent bibliometrics for investigating the involvement of data science in policy analysis. IEEE Transactions on Engineering Management, 68(5), 1259-1271. https://doi.org/10.1109/TEM.2020.2974761

Publicado
2022-07-29
Cómo citar
Rosales Reyes, G. T. (2022). Ciencia de datos en la evaluación del impacto de las políticas públicas: Una revisión de la literatura. Interfases, 15(015), 144-159. https://doi.org/10.26439/interfases2022.n015.5778
Sección
Artículos de revisión