Unintended Behavioural Consequences of Publishing Performance Data: Is More Always Better?
Notice bibliographique
Résumé
This paper explores the proposition that IT-driven provision of open data may have unanticipated consequences. Transparency is normally considered desirable: knowledge is “power”, the “oxygen of democracy” and so on. Accordingly there has been a trend towards greater freedom of information, with citizens given access to an increasing diversity of datasets. For many years, governments have produced one particular type of data specifically for public consumption: performance data, such as hospital waiting list statistics, figures on crime, and school performance league tables. Having more information is usually considered beneficial, particularly when there is little available. But when the information supply becomes plentiful, it is not clear that benefits continue to accrue in a simple way. Some apparently negative repercussions are being observed from the publication of performance data. For example, in education the use of league tables seems unable to correct performance problems in some schools, and may even depress performance. Similar effects are observed in other spheres. Data reporting a decreasing threat of crime may be linked with a widespread sense of heightened danger. In the private sector, publication of CEO salaries seems to have fuelled rampant salary inflation. These effects are to do with the cumulative impact of individual behaviours when people respond en masse to information. Individuals react according to their environment, which includes data, creating a complex system with potentially unpredictable and non-intuitive behaviour. We may hope that increased access to data will create net benefits, but evidence suggests that we cannot assume this will always be true. This paper reviews the results of research into this phenomenon from theoretical and empirical perspectives. Results indicate that the publication of performance data can affect the behaviour of service providers, the media, and service consumers, and that the effects are heavily situation-dependent and by no means universally benign. An agenda for further research is outlined, which may help to guide the formulation of policies regarding the publication of government performance data in particular and open data provision in general.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,080 | 0,373 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,014 |
| Communication savante | 0,014 | 0,022 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».