 引用格式 颜佳华.提升政府治理算法决策公平性的机制与路径[J].行政论坛,2022,29(03):34-40. 作者简介  颜佳华教授 颜佳华，湘潭大学马克思主义学院、公共管理学院教授，博士研究生导师，从事行政哲学与数字治理研究。 摘要 随着人工智能与政府治理融合的不断加深，政府决策开始走向智能化和算法化。从具体实践来看，政府治理算法决策面临公平性困境——程序公平受到冲击和结果公平有所偏差，这主要源于使用者或提供者自身价值观偏误、基础数据的客观性和准确性有限以及算法程序自我迭代优化的技术逻辑影响等。为此，需要聚焦于价值、制度和组织等三个层面，搭建政府治理算法决策公平性的实现机制。同时，必须坚持“软硬并进”路径，一方面以正确的价值导向引领算法在政府治理领域的开发和布局，使算法的决策输出不偏离公平正义的价值轨道；另一方面，不断完善政府治理算法决策的制度环境，打造适配政府治理算法决策的组织系统。 关键词：人工智能；政府治理；算法决策；决策公平性 一、公平性困境：政府治理算法决策的价值隐忧 从政府治理决策的传统价值体系看，公平、准确、效率等不容忽视。从价值排序的角度看，公平公正是政府治理决策体系中的价值核心，体现了政府治理的公共性价值追求。在人工智能算法介入的情景下，政府治理决策的公平价值受到冲击，政府治理算法决策面临公平性困境。那么，何谓政府治理算法决策公平性问题？简言之，是指算法决策系统通过使用大量基础数据训练优化迭代出准确率很高的机器学习模型来实现对目标群体的有效分类，根据预测结果进行决策，由此所引发的歧视和偏见问题。 （一）政府治理算法决策公平性困境的具体呈现 从决策的过程和实际影响来看，政府治理算法决策公平性问题可以分解为程序公平和结果公平两个部分。 1.程序公平受到冲击。程序公平是政府治理算法决策公平性的核心环节。随着算法嵌入政府治理决策过程，逐步构建起“场景关联”的智能决策体系［1］，加速了人类在公共行政实践情景中的“离场”，人类在治理乃至公共决策中的角色变得越来越无足轻重，然而，缺乏人类在场的治理是否还具有“人类中心主义”的价值关怀，这是值得警惕和担忧的问题。有学者认为，“一旦权力从人类手中交给算法，人文主义的议题就可能惨遭淘汰”［2］。在算法嵌入的场景下，“算法决策程序的操纵力量降低正当程序的公正性”［3］，具体可以概括为以下三个方面：一是责任主体缺失。决策客体有权对决策主体也即责任主体，提出异议和反对，甚至推翻该决策的责任主体。在传统公共决策模式下，责任主体往往是与之相对应的公共组织或者个人，行动主体往往是责任承担者，责任归属相对清晰，但是与传统公共决策模式不同的是算法决策生成的逻辑是基于不同机器学习的算法程序，存在责任主体模糊，责任追究困难的问题［4］。二是参与权弱化。公众参与政府决策环节既是决策公平性的重要保障，也是程序公平的核心环节，然而，“算法决策剥夺了受影响个体'表达意见’和反驳决策的权利，人作为道德主体（即有自己的观点且能够理性行事），理应受到相应认可和对待，且有权享有尊严和尊重，这是生而为人的基本权利，而算法决策从根本上破坏了这种权利”［5］。这种权利的弱化通常以一种“科学”的面目呈现，公众往往难以质疑。三是歧视性输入。就决策环节而言，歧视性输入问题往往发生在决策行为产生之前。公共决策的公共性诉求，决定了公共决策不得依据与决策无关的考量因素对其进行估量和评价，然而，算法的初始程序往往容易嵌入工程师的个人意志，有意无意地纳入一些与决策无关的因素，使得工程师个人偏见和价值观偏误支配着决策底层程序的运行逻辑，潜在不公平性的歧视性输入。 2.结果公平有所偏差。结果公平是算法决策公平性的具体呈现。根据Zafar 等人对犯罪风险判定的研究发现，在依据机器学习模型生成决策方案的过程中，模型常常会将一些敏感特征（如性别、肤色、种族等）纳入分类依据，并在计算中也设置了较高的权重，从而导致决策结果对某些特定群体（如女性、黑人等）产生不公平的结果，这种算法决策结果的不公平性具体可分为三种，即差别性对待、差别性影响和差别性误待［6］。一是差别性对待，是指在非敏感性特征相似的情况下，决策结果仅在敏感性特征不同的群体间有差异。据报道，美国应用于犯罪风险预测的COMPAS 算法系统，在黑人和白人控制其他特征相同条件下，预测黑人犯罪的再发生率明显高于白人，而事实上被列为高风险的黑人，并没有再次犯下罪行，这就产生了事实的差别性对待。二是差别性影响，是指算法决策所造成的结果总是对某种敏感性特征取某个值的群体更有利（或更不利）。例如，在社区安防治理领域，开发部署的防盗预测系统，在其他非敏感性特征取值相同的情况下，男性被拦截的概率要远高于女性，即男性往往更容易被怀疑偷盗。三是差别性误待，是指算法对某一个敏感性特征取不同值的群体的预测准确性有差别。简单来说，就是在性别特征值上，对男性和女性的识别或判断准确率有差异。例如，某医院部署辅助医生的算法决策系统，针对某类疾病的识别，就出现男性的准确率要高于女性的情况。 （二）政府治理算法决策公平性困境何以产生 政府治理算法决策公平性容易受到技术设计者、使用者以及基础数据的客观性和算法程序的自我强化特征的交互影响。 1.使用者或提供者（设计者）自身价值观偏误。目前，大数据智能技术日益成熟，算法被视为解决政府治理问题行之有效的路径，算法技术所负载的伦理价值也随即被广泛讨论。在伦理审视的过程中，算法治理的“算法”来源于何处，使用算法技术的“主体”发挥何种作用，尚未引起足够的重视，导致在讨论算法技术价值负载的时候往往忽略了使用者或提供者（设计者）自身的价值偏好。事实上，算法是由人设计、由人（组织）操控的，必然也容易受到人类价值偏好的影响。在政府治理实践活动中，算法决策的公平性受损，很大原因在于设计之初植入了设计者或提供者的主观偏见，“这种偏见会被后者以替代变量的形式编入计算机程序中，然后随着算法自身的不断学习而被逐渐放大”［7］。 2.基础数据的客观性和准确性有限。数据的客观性和准确性是确保政府治理算法决策公平性的基础。现阶段的大数据技术虽然实现了大规模数据的实时抓取和处理，但是在数据质量的筛选上仍然面临一定困难。假如在数据收集的原始阶段没有对数据的错误进行及时更正，则这种错误数据背后所潜藏的偏见和不公平就会体现在算法输出的指令中。这种带有偏见性的输入势必会导致政府治理算法决策结果的不公平。有学者指出，人工智能系统是由人类设计、使用的数据，反映我们身处一个并不完美的世界。因此，“如果不进行严谨的规划，人工智能的运行可能有失公平”［8］。如何解决输入数据的非客观性问题，是未来确保政府治理算法决策公平性的关键之举。 3.算法程序自我迭代优化的技术逻辑影响。对于政府治理算法决策的潜在不公平性倾向，有一种情况没有得到重视，即算法自身虽然没有倾向性，但依然会强化客观存在的不公平现实。尽管从社会发展的客观规律来看，非均衡性是现代社会的普遍现象，但一些客观存在的不公平现实依然需要重视。例如，一些特定的群体（老年人、文盲等）受到主客观条件的双重限制，陷入了被数字社会排斥的窘境，处于一种弱势状态——成为数字弱势群体。在这种情况下，哪怕输入的数据和运行算法都不存在偏见，决策结果依然会不自觉地走上强化偏见的道路，输出的方案也会进一步强化对这类弱势群体的“二次伤害”，正如“边缘化群体在获取公共福利……进入医保系统或跨越国境时都不得不接受级别更高的数据采集。一旦他们成为怀疑对象而需要接受额外审查时，这些数据便愈加会强化他们的边缘性”［9］。显然，这种情况的产生，既受算法程序自我迭代优化的技术逻辑影响，也受社会发展的客观条件限制。这充分说明，现阶段的技术不应该成为中心问题，关键在于推动社会的整体发展和向前进步，着力消除社会客观存在的不公平。 二、价值、制度和组织：提升政府治理算法决策公平性的三重机制 所谓机制，一般指可以借助其得以运行或发挥作用的东西［10］。可以从静态和动态两个视角，探讨提升政府治理算法决策公平性的机制。从静态视角看，政府治理算法决策必须高扬“以人民为中心”的旗帜，坚持公平正义；从动态视角看，算法嵌入政府治理是动态的过程，不仅需要完备的制度体系，也离不开与之适配的组织架构。因此，从价值、制度和组织等三个层面出发，探讨提升政府治理算法决策公平性的实现机制是极其必要的。 （一）价值机制：主流价值驾驭算法应用 公共性是公共行政的价值内核。无论是从公共行政的本质规定，还是具体实践来看，对于公平公正价值的孜孜追求都不能偏废和失去［11］。价值在很大程度上决定着算法应用于政府治理中的走向，是影响算法“向善”和“为善”的行动指引。从更为辩证的视野出发，一方面，公平公正的价值追求是政府治理算法决策的本质诉求；另一方面，公共行政价值观又在确保政府治理算法决策公平性的过程中发挥着重要作用。具体来看，可以将政府治理中的算法应用过程视为一个动态的价值负载过程。在算法嵌入政府治理的过程中，逐渐与公共行政的价值体系相融合与碰撞，使得算法的前期开发、后期管理都不可避免地受到公共行政价值体系的影响和约束。 1.价值观影响算法的前期开发。如果从一种技术形态来理解的话，算法通常被视为一种价值中立的存在，不带有任何价值偏好和主观取向，然而，算法之所以被开发和应用必然离不开对开发者和使用者某种诉求的满足，在这种诉求的迎合过程中，算法也就不可避免地承载了开发者和使用者的价值偏好，被赋予某些个人的判断标准和主观倾向性。例如，目前在很多网络推文和视频内容中，运营商为了“点击率”，通过发布一些不符合常理、涉及暴力等暗示词语或视频来满足阅读和观看者的猎奇心理，这往往会被算法捕捉，进而强化这种内容的推送力度，迎合了运营商牟利的终极目的。在政府治理算法决策场景下，算法的开发和布局必须置于公共价值的规范和引导之下，充分融合治理的公共性诉求，很多科学家“都有意选择了'以人为本’的设计”［12］。只有不断增强算法开发者和使用者的公共责任感和使命感，树立正确的价值导向，开发出适用公共实践场景和价值诉求的算法系统，才能确保政府治理算法决策的公平性。 2.价值观影响算法的后期管理。从现实的实践来看，对算法治理限度的超越往往容易陷入技术路径的循环之中，即以“技术创新”突围“技术困境”。随着算法在政府治理中的渗透扩散，算法决策潜在的风险和限度也逐渐显现，算法决策的偏见和歧视性问题不断扩大。对此，多数研究聚焦进一步加大对算法研发和设计的投入，试图从技术优化层面去寻求突破，然而在技术上实现算法决策绝对的公平正义是非常困难的，短期内难以实现。如此，从价值角度出发，加大对政府治理算法决策后期管理中的价值影响权重或是一种可行的补充路径。例如，对政府治理算法决策的结果辅之以人为的修正，通过引入具有专业知识、践行以人为本价值观，并由具有高度社会责任感的人员对政府治理算法决策的内容进行监管审核，建立起政府治理算法决策的审核和筛选机制。 （二）制度机制：制度补正算法决策偏误 制度是一种对行为起到约束性的安排，既约束个体的行为，又规范组织的活动。可以说，制度对国家（政府）治理活动的影响是基础性的。纵观科学技术在人类社会发展中所扮演的角色，任何具体技术形态与国家治理的融合都离不开制度的保驾护航，制度往往决定了技术介入国家治理的活动空间及合法性地位的获得。出于对正式制度的建构属性考虑，这里更多是从正式制度出发，揭示制度对破解政府治理算法决策公平性困境的作用和价值。 1.划定算法介入政府治理的现实边界。事实上，人工智能算法介入治理所引发的社会公平正义隐忧正在逐渐扩大，被誉为悬挂在人类头顶之上新的“达摩克利斯之剑”。具体来看，算法嵌入政府治理对隐私、信任、监管以及信息安全的挑战不容忽视，尤其是决策算法化可能带来的偏见和歧视问题，引发了政府治理决策的公平性问题，带来了新的政府信任危机。为此，必须为算法介入政府治理决策划定边界和活动空间，“通过构建准入机制和发布准入清单，为算法技术的进入和退出架构起安全过滤屏障”［13］。明确部分场景和领域必须坚持“人机合作”的服务供给模式，限定算法的介入权限。 2.补正政府治理算法决策的输出偏误。算法决策的偏见输出，是源于技术赋能政府与赋权社会之间的张力。政府借助智能算法可以实现对社会运行的精准监控和秩序重整；同时，公众在面对政府的“算法权力”触角之时，缺乏与之对话博弈的能力。显然，在数字技术环境下，一旦政府行为偏离公平正义的时候，必然要求制度层面进行重新的建构和补正。从制度设计上弥补政府治理算法决策的输出偏误，调适这种由算法嵌入政府治理所引发的非均衡性和不平等性问题。例如，通过具体制度文本明确“算法决策”的公平诉求，2021 年颁布的《中华人民共和国个人信息保护法》就明确规定，在自动化算法决策过程中，“应当保证决策的透明度和结果的公平、公正”。 3.消除政府治理算法决策的负面影响。制度的有效设计有助于消除算法决策的负面影响。由于“近代以来的制度设计，是通过横向的分权（三权分立）和纵向的限权（减少干预）来确立权力制约和权利保障机制”［14］的，因此，从权力和权利双重视角，审视制度如何破解政府治理算法决策的公平性困境，十分必要。从权力视角看，政府治理算法决策事实上造就了国家权力的扩张，加剧了其他主体的权力弱势地位，与现代国家治理的“共治”理念相悖。如此，必须从制度上创造“多元共治”的权力运行空间，打造政府自律、社会监督以及企业参与的共治格局。从权利视角看，政府治理算法决策压缩了普通公众的权利博弈空间，传统的基于人类理性的权力分配规则为程序逻辑所取代，制度的价值便在于开辟一条有别于技术赋能的权利实现通道，打破技术治理路径下技术决定论的桎梏。 （三）组织机制：组织支撑算法决策公平 政府治理的价值和目标需要依托一个稳定的组织来实现，而“新技术的出现可能导致组织形式的变化，而组织形式的变化往往也建立在技术变迁的基础上”［15］。可以说，算法嵌入政府治理决策过程越深，政府组织变革的内在动力也就越强。组织的变革反过来又有助于加速算法融入政府治理的进程。如此，对于纠正算法决策的偏见输出以及提升决策的公平性，组织的适配也就不可或缺。就组织机制的结构而言，主要包括行政组织架构和公务员系统，支撑和纠偏政府治理算法决策的实现。 1.组织架构支撑算法决策。从算法决策类型来看，政府部门可以选择辅助决策或者自动决策［16］。在辅助决策模式下，算法输出的结果仅作为实际决策的参考或建议，而非最终方案。算法并没有脱离科层结构的运行逻辑，仍然是在科层规则的约束之下展开。在这种情况下，算法决策潜在的偏见和歧视问题，易于被发现和及时纠正，只需在原有的组织结构中明确具体的职责和权限，承担起算法决策的纠偏功能即可。在自动决策模式下，算法被用于直接决策，获得了一种准公权力，对公众有相当的权威。算法事实上形成了一套并行于传统科层系统的决策流程，这套流程广受诟病的就是其不可解释性和低透明性。如此，就需要重新设计适配自动决策模式下的组织系统，让其发挥如下作用：当算法作出的决策出现明显偏误的时候，能够自动重启人类决策，类似一种“熔断机制”——算法一旦出现偏误，即自动复归至人类决策的环节。 2.公务员系统纠偏算法决策。除了静态的组织架构设计和职责安排以外，动态的组织运行便不能忽视人的角色，即公务员的作用。作为政府治理行为和活动的具体执行者，公务员的素质高低往往决定了政府治理的质量优劣。从这种意义上而言，公务员的作用和价值与静态的结构设计同等重要，某些时候发挥的作用可能更大。算法决策偏见的形成是由于人类过度信任算法的静态能力，认为依托大数据和机器学习的自我迭代逻辑，必然会输出客观、公正的方案。其中隐含的一个前提是人类认为算法的能力强于自己，并接受了这一结果。为了避免政府治理算法决策的不公平性问题发生，必然要求重新定位人类公共管理者（公务员）的角色，明确公共管理者的角色应当由“事务性供给”转向“公共性维护”［17］，事关公平正义之策必交由人类之手决断。因此，为推动政府治理决策过程中的人机合作，实现人类的主观能动性和机器的强大计算能力之间的均衡配合，必须对整个公务员系统加强立体培训和专业能力提升，扩大对优秀数字人才的引育，以适应政府治理决策的算法化转型需要。 三、坚持“软硬并进”：提升政府治理算法决策公平性的路径 从决策公平的实质内涵来看，必须基于“程序公平、结果公平”的双重标准，坚持“软硬并进”的实践进路，提升政府治理算法决策公平性。具体而言，一方面坚持用正确的价值导向引领算法的开发和布局，使算法的决策输出不偏离公平正义的价值轨道；另一方面，不断完善政府治理算法决策的制度环境，打造适配政府治理算法决策的组织系统。 （一）将公共价值融入算法设计和布局 算法治理的公共性诉求，要求赋予算法正确的价值观。算法的初始设计源自人类之手，将公共价值融入算法的设计和布局过程，事实上就是融入人类创新行为，塑造技术开发者及其共同组织价值观的过程。 1.技术开发者树立正确的核心价值观。作为人类创造的一种技术形态，算法是由人类定义和搭建的，很难完全消除人类的情感痕迹和价值偏好，保持绝对的中立存在。那么，如何赋予算法正确的价值观呢？如果将算法决策公平性问题的产生，追溯至算法的开发和设计阶段，就不难发现对技术开发者的价值观念进行塑造就构成了赋予算法正确价值观的核心环节。一方面必须坚持技术是造福人类、谋求人类全面自由发展的价值定位，算法的开发和设计不能偏离造福人类的价值轨道。爱因斯坦认为，科技工作者“只懂得应用科学本身是不够的。关心人的本身，应当始终成为一切技术上奋斗的主要目标”［18］。另一方面，必须树立正确的公共伦理观。政府治理算法决策获得了一定的“准公共权力”，具有很强的公共属性，应用于政府治理决策的算法必须兼具公平性、正义性，这就要求算法的开发和设计者必须具备公平与正义的伦理价值追求。 2.强化算法开发企业的社会责任意识。算法被科技工作者开发之后，依托市场机制进入社会公共领域，在公共部门和私营部门得到广泛应用。当前，大型科技企业广泛参与到数字政府建设当中，政府所需的大数据、智能算法以及区块链技术等都来自互联网科技企业的供给。科技企业在提升政府治理算法决策公平性的过程中，发挥着重要的作用，承担着必要的责任。因此，必须强化企业对算法应用产生结果负主体责任，加强对布局和应用在政府领域的算法的安全评估。与此同时，应该主动配合政府对提供公共服务的算法程序进行安全审核，研判算法应用的社会公平等风险，提高政府治理算法决策的可解释性和透明性，弱化政府治理算法决策的“暗箱”效应。只有操控和开发算法的企业主体具有了主体责任意识，才能实现公共价值与算法决策相统一。例如，腾讯坚持将科技向善与企业可持续发展的战略愿景相结合，坚持科学技术是服务人类社会发展的价值定位。 3.加强算法“把关人”的价值观建设。“把关人”原是传统媒体对选题、采访和编辑信息发布所设置的一种内容审核机制。算法在政府治理决策过程中的应用，最终输出的是一套搭载政府权威的命令和服务安排，然而，如何保证这种命令和服务安排的公平性，则需要建立起类似于新闻“把关人”的算法“把关人”机制，承担起对算法输出的命令和方案进行最后审核的角色。算法“把关人”通常是以个体或者一种组织的形态出现。在政府治理算法决策过程中，算法“把关人”必须承担起两种责任：一是追踪评估政府治理算法决策的后续影响，精准把控算法输出方案可能存在的社会争议和舆论风险；二是当算法输出的方案出现偏差和有失公平正义时，及时进行纠偏和阻断。那么，如何肩负算法公平性审核的“把关人”责任，确保能站在公平的立场，便成为决定算法“把关人”成败与否的关键。因此，加强价值观建设，确保对政府治理算法决策承担把关责任的个体或组织，始终坚持公平正义的价值取向就至关重要。 （二）以制度明晰算法的权限和地位 从制度层面看，提升政府治理算法决策公平性，既要明确算法决策的地位和权限，赋予算法输出的命令和方案应有的权威，也要确保人类决策的中心地位不被动摇，实现人类理性与算法理性的动态均衡。具体包括以下三个层面： 1.注重人类决策与算法决策的耦合衔接。从技术发展的阶段来看，政府治理算法决策所依托的技术及其理性程度尚不具备取代人类理性的可能。虽然算法技术从微观层面极大地改善了人类的决策行为，使得人类的决策活动步入了一个新的阶段，但不能否认的是，目前，算法技术给出的理性方案仍然是一种有限理性的决策输出。因此，若想要最大限度地逼近理性决策，既需要发挥人类在同理心、道德感、意志等方面的先天优势，又离不开算法在大数据计算、精确识别以及机器学习等方面的技术价值，最终实现人类决策与算法决策的耦合协同。具体而言，一是用制度明确算法决策的适用场景，为政府治理活动中的算法应用设定边界，对涉及人类基本生存权力/权利的领域应当审慎应用算法决策；二是建立两种决策的耦合衔接机制，使得人类决策与算法决策能够协同并进，形成决策合力。 2.完善适配算法决策的权利救济制度。在常规的人类决策情境下，当公众受到行政决策权力侵害时，机关或者个人往往会在法律允许的范围内给予一定的补偿，即权利救济。由于政府治理算法决策存在的“暗箱”属性、不透明性以及不可解释性，在客观上压缩了决策相对人的参与空间和权利申诉通道，使得受到算法决策不公平对待的特殊群体，难以通过正常的渠道表达不满以及提出申诉，获得一般的权利救济。因此，必须建立和完善适配政府治理算法决策的权利救济机制。从程序维度看，全自动算法行政应至少保障行政相对人对全自动程序的知情权、选择权与要求人工介入等权利［19］。从内容维度看，一方面及时出台补救措施，纠正算法给出的不公平性指令和方案；另一方面，结合政府治理算法决策的具体影响，给予一定的补偿。 3.强化对算法决策系统的测试与审核。与传统政府决策“暗箱”不同的是，算法决策的“暗箱”更多是技术层面所带来的一种不透明和不可解释性，因此，必须加强对算法应用的前期审核和后期影响评估，提高政府治理算法决策的透明性。一是建立算法应用之前的测试和审核机制。引入公众积极参与审核过程，现阶段公众尚无渠道了解算法是如何被应用于公共服务及其他治理场景的，测试和审核机制有助于确保公众知情权，提高算法应用的公开性；同时还需要建立政府治理算法决策的合伦理审查机制，吸引技术专家、公众和协会等参与伦理审查，积极防范政府治理算法决策的伦理风险。二是建立政府治理算法决策后期影响的评估制度。合理的算法影响评估制度“在提升算法透明性、改善个体在算法社会中的弱势地位、协调公共与私人利益等方面发挥着重要作用”［20］。 （三）打造适配的组织系统 组织环境是影响算法能否在政府内部有效运行并产生良好效果的关键因素。打造适配政府治理算法决策的组织系统，推动围绕政府治理算法决策需要，进行组织系统内部的重新组合与设计，及时纠正和控制政府治理算法决策的偏见输出，是确保算法在政府决策过程中公平公正输出的有效支撑。 1.明晰数据职能机构的责权关系。数据是政府治理算法决策的核心要素与基础支撑，数据质量的高低直接影响着政府治理算法决策输出的偏误程度。换言之，提升政府治理算法决策公平性的关键环节便在于高质量的基础数据输入。如此，必须从以下两个方面采取措施：一是整合政府机构内部的数据职能。明晰数据采集者、管理者以及使用者之间的权责关系，推动部门的“数据职责”清单化管理和规范化界定，破除部门之间数据职能“打架扯皮”现象，提升基础数据的管理和供给能力。同时，不断变革传统的数据调查统计与管理体制，创新传统入户调查与自主上报机制，加大数字技术的开发和应用，建立高度智能化的数据采集和管理系统，不断提升基础数据的采集、清洗与分析能力，提高基础数据的质量。二是加强数据部门和业务部门的协同联动。有学者指出，“随着数据不断集中，客观上出现了与具体业务工作不衔接不匹配的问题。数据管理部门往往权限不太高，协调业务部门难度比较大，出现'小马拉大车’现象”［21］。事实上，政府治理过程中的决策往往更多地产生于业务部门，而业务部门的算法决策又离不开数据部门的具体支撑。因此，必须尽快建立起业务部门与数据部门的衔接机制，确保政府治理算法决策的高效性、科学性和精准性。 2.加快培育公务员的算法素养。任何组织的有效运转都离不开人，政府组织也不例外。对政府治理算法决策而言，不断加强公务员的算法素养，适应政府治理算法决策的特征属性与业务要求，对于修正政府治理算法决策的实践偏误、提升政府治理算法决策公平性至关重要。一是正确认识培育公务员素养的意义。在政府治理数字化转型加速的当下，广大公务员必须主动适应数字时代政府治理决策的新挑战，不能盲目排斥和抵触决策的算法化转型。同时，善于借助新兴数字技术来提升自身干事创业的能力，是数字时代公务员必备的技能和素养。二是建立培育公务员算法素养的实践机制。通过与企业、高校联合开设培训班，加大公务员算法基础知识的培训力度。同时，扩大公共服务的人机协同，让公务员深度配合、参与政府治理的算法决策流程，深入了解政府治理算法决策的内在机理，增强公务员对政府治理算法决策的理性认识。三是完善公务员的考评奖励机制。重视对公务员数据知识、算法基础等方面技能的激励，加快建立适配算法转型的公务员招聘制度，完善数字人才破格晋升、直聘机制，打通人员流动、晋升渠道，促进人才将外在刺激转化为内在动力。 参考文献：（略） 全国中文核心期刊 中文社会科学引文索引(CSSCI) 来源期刊 中国人文社会科学核心期刊 RCCSE 中国权威学术期刊 全国高校精品社科期刊 |
|
|
