Humanidades

Trabalhando na interseção da ciência de dados e políticas públicas
O novo livro de Ken Steif, 'Public Policy Analytics: Code & Context for Data Science in Government', dispona­vel online e impresso, fornece orientaa§a£o de como usar dados e algoritmos para resolver problemas complexos de prestaa§a£o de servia§os.
Por Erica K. Brockmeier - 14/03/2021


Como o mundo marca um ano desde que o COVID-19 revirou a vida cotidiana, os governos em todo o mundo frequentemente afirmam que são “guiados por dados” ou estão“seguindo a ciaªncia” a  medida que fecham ou abrem diferentes setores da economia. Na prática , poranãm, muitas dessas decisaµes, desde como as escolas reabriram a s políticas de quarentena de viagens , pareceram muito diferentes, destacando os desafios de usar e interpretar dados para tomar decisaµes que afetam cidades ou regiaµes inteiras.

Em seu novo livro, "Public Policy Analytics: Code & Context for Data Science in Government", Ken Steif , professor associado de prática no Departamento de Planejamento Municipal e Regional e diretor do programa de Mestrado em Ana¡lise Espacial Urbana da Penn (MUSA) , lana§a luz sobre este ta³pico complexo. Projetado para formuladores de políticas sem formação técnica, bem como para cientistas de dados iniciantes que desejam aprender como construir ferramentas baseadas em dados, o livro éum guia inanãdito para tópicos técnicos e destaca os desafios de usar dados para abordar de forma mais ampla questões de equidade e burocracia.

Penn Today falou com Steif sobre o livro, os desafios de incorporar a ciência de dados na tomada de decisaµes do governo e como a pandemia impactou o campo da análise de políticas públicas.

Qual foi o a­mpeto para escrever este livro?

Por 10 anos, tenho ensinado aos alunos do Master of Urban Spatial Analytics da Penn como desenvolver ferramentas de tomada de decisão baseadas em dados para o governo. Antes de vir para a MUSA, muitos de nossos alunos são desencorajados por seus professores de colanãgio e faculdade de fazer aulas de STEM. Instrua­dos a se limitarem a s ciências humanas, esses alunos desenvolvem ansiedade em relação a  codificação e a s estata­sticas.

O a­mpeto para este livro e para o meu ensino édissipar essas ansiedades, capacitando os alunos a escrever ca³digos e aprender análises, alavancando seu interesse na solução de problemas complexos de políticas públicas. O livro ajuda, fornecendo um conjunto de exemplos de ca³digo e casos de uso que eles podem usar para copiar e colar seu caminho para soluções significativas em doma­nios que va£o desde habitação, justia§a criminal, saúde e servia§os humanos, meio ambiente, transporte e muito mais. Trabalhei muito para fornecer a meus alunos esse recurso; são parece razoa¡vel compartilha¡-lo de forma mais ampla.

Existem desafios específicos para o uso da ciência de dados no governo e na formulação de políticas em comparação com outros campos, como pesquisa cienta­fica ou análise de nega³cios?

A ciência de dados trata da tomada de decisaµes com base em dados. Trata-se de prestação de servia§os. Nos nega³cios, se um novo algoritmo aumenta a receita, ele se torna o novo padrãopara a tomada de decisaµes. No governo, existem interesses econa´micos, mas a maioria dos resultados financeiros émuito mais matizada, como justia§a, equidade, pola­tica e burocracia.

Um engenheiro pode otimizar para obter receita, mas épreciso um cientista social para otimizar esses outros resultados financeiros. Dessa forma, argumento que a ciência de dados ésemelhante ao planejamento. Para que um algoritmo fornea§a efetivamente um recurso governamental, ele deve ser desenvolvido com grande empatia. Como um serviço governamental tradicionalmente éprestado? Essa estratanãgia foi eficaz? Alguns grupos receberam mais acesso do que outros? Temos sido transparentes sobre essas questões?

Este livro também inclui conjuntos de dados de acesso aberto e ca³digos que acompanham cada capa­tulo. Qual éa importa¢ncia de ter uma estrutura conceitual, bem como exemplos práticos e exerca­cios?

Nos últimos 15 anos, um dos movimentos de maior transformação no governo foram os dados abertos - a liberação de dados administrativos do governo gratuitos e de ca³digo aberto em um formato lega­vel por ma¡quina.

Quando alavancados por tecna³logos ca­vicos comprometidos, os dados abertos ajudaram a dimensionar a inovação governamental em um ritmo sem precedentes. Espero que este livro preencha uma lacuna relacionada - o que chamo de 'análise aberta'. Todos os governos coletam os mesmos dados administrativos e compartilham os mesmos casos de uso de prestação de servia§os, como prevenção de moradores de rua, tratamento de drogas, bem-estar infantil, saúde pública, etc. Este conjunto comum de casos de uso significa que uma agaªncia pode desenvolver análises e materiais de apoio, compartilhar o ca³digo e permitir que outros governos repliquem a solução em sua própria comunidade. Espero que fornecer ca³digo e contexto neste livro ajude a iniciar o movimento anala­tico aberto.

O novo livro de Steif éum guia inanãdito para tópicos técnicos em análise e também
destaca os desafios de usar dados para abordar questões mais amplas de equidade
e burocracia na tomada de decisaµes do governo.

Uma das ideias que vocêdiscute no livro éa justia§a algora­tmica. Vocaª poderia explicar esse conceito e sua importa¢ncia no contexto da análise de políticas públicas?

Desigualdade estrutural e racismo são a base da governana§a e do planejamento americanos. Raa§a e classe ditam quem tem acesso aos recursos; eles definem onde uma pessoa mora, onde as criana§as va£o a  escola, acesso a cuidados de saúde, mobilidade social e muito mais.

Se a alocação de recursos tem sido historicamente impulsionada pela desigualdade, por que devera­amos supor que um novo algoritmo sofisticado serádiferente? Este tema estãopresente em todo o livro. Aqueles que estãolendo para obter contexto obtem várias anedotas detalhadas sobre como a desigualdade estãoembutida nos dados governamentais. Aqueles que estãolendo para aprender o ca³digo obtem novos manãtodos para abrir a caixa preta algora­tmica, testando se uma solução exaspera ainda mais o impacto disparatado entre raça e classe.

No final, desenvolvo uma estrutura chamada 'governana§a algora­tmica', ajudando os formuladores de políticas e as partes interessadas da comunidade a entender como compensar a utilidade algora­tmica com a justia§a.

De sua perspectiva, quais são os maiores desafios na integração de ferramentas da ciência de dados com prática s de planejamento tradicionais?

Os alunos de planejamento aprendem muito sobre políticas, mas muito pouco sobre design de programas e prestação de servia§os. Assim que uma legislatura aprovar um item de linha de $ 50 milhões para promover uma pola­tica, cabe a uma agaªncia governamental desenvolver um programa que possa intervir com a população afetada, alocando esses $ 50 milhões em incrementos de $ 500, $ 1.000 ou $ 5.000.

Como mostro no livro, a ciência de dados combinada com os vastos dados administrativos do governo éboa para identificar populações em risco. Mas fazer isso não tem sentido, a menos que um programa bem projetado esteja em vigor para fornecer servia§os. Portanto, o maior desafio não éensinar aos planejadores como codificar ciência de dados, mas como considerar algoritmos de forma mais ampla no contexto da entrega de servia§o. O livro fornece uma estrutura para isso, comparando uma abordagem algora­tmica para a entrega de servia§os com a abordagem 'business as usual'.

O COVID-19 mudou a maneira como os governos pensam sobre a ciência de dados? Se sim, como?

Com certeza - falando em 'prestação de servia§os', a ciência de dados pode ajudar os governos a alocar recursos limitados. A pandemia COVID-19 émarcada inteiramente por recursos limitados: de testes, PPE e vacinas a papel higiaªnico, equipamentos de exerca­cios domanãsticos e piscinas infla¡veis ​​(o último foi um problema sanãrio para meu filho de 7 anos no vera£o passado) .

O governo falhou no planejamento para a distribuição de testes, EPIs e vacinas. Aprendemos que não basta o governo investir em uma vacina; deve também planejar como distribuir vacinas equitativamente a s populações de maior risco. Isso éexatamente o que ensinamos no Programa MUSA da Penn, e fiquei desapontado com a forma como os governos em todos os na­veis falharam em garantir que o fornecimento limitado de vacinas se alinhasse a  demanda.

Vemos esse descompasso entre oferta e demanda aparecer repetidamente no governo, desde a resposta a desastres atéa provisão de servia§os humanos e de saúde. Eu realmente acredito que os dados podem desbloquear um novo valor aqui, mas, novamente, se o governo não estiver interessado em pensar criticamente sobre a entrega de servia§os e a loga­stica, então os dados são apenas um espeta¡culo a  parte.

O que vocêespera que as pessoas ganhem lendo este livro?

Nãohálivro equivalente atualmente no mercado. Se vocêéum aspirante a cientista de dados sociais, este livro ensinara¡ como codificar análise espacial, visualização de dados e aprendizado de ma¡quina em R, uma linguagem de programação estata­stica . Isso o ajudara¡ a construir soluções para resolver alguns dos problemas mais complexos da atualidade.

Se vocêéum formulador de políticas que deseja adotar dados e algoritmos no governo, este livro fornece uma estrutura para desenvolver ferramentas poderosas de planejamento algora­tmico, ao mesmo tempo que garante que elas não ira£o privar de direitos certas classes e bairros protegidos.

“Public Policy Analytics: Code & Context for Data Science in Government” estãoatualmente dispona­vel para pré-encomenda na CRC Press e também online . Conjuntos de dados de acesso aberto e ca³digo também podem ser encontrados no GitHub .

 

.
.

Leia mais a seguir