خرد
کیفیت تصمیم‌گیریفوری

پیش‌بینی دقیق، نسخه سیاست‌گذاری نیست

دانستن اینکه چه کسی احتمالاً با مشکل روبه‌رو می‌شود، با دانستن اینکه کدام مداخله مشکل را حل می‌کند متفاوت است؛ نوع پرسش، شواهد لازم را تعیین می‌کند.

تصویر مفهومی از چتر برای مواجهه با باران و شیر آب برای تغییر منبع آن
تصویر مفهومی ساخته‌شده با هوش مصنوعی برای تحریریه خرد

خلاصه مطلب

مدل می‌تواند افراد یا موقعیت‌های پرریسک را شناسایی کند، بی‌آنکه نشان دهد کدام اقدام ریسک را کاهش می‌دهد. خطای مدیریتی زمانی رخ می‌دهد که رتبه‌بندیِ پیش‌بینانه به‌جای شاهد اثربخشی یک مداخله استفاده شود. این یادداشت پیشنهاد می‌کند پیش از سفارش مدل، روشن کنیم تصمیم ما به پیش‌بینی، برآورد اثر اقدام یا ترکیبی از هر دو نیاز دارد.

دو پرسش شبیه، دو نوع شاهد

در یک مثال فرضی، مدیر یک برنامه آموزشی می‌خواهد بداند کدام کارکنان احتمال بیشتری برای ترک دوره دارند. مدل پیش‌بینی می‌تواند در اولویت‌بندی پیگیری کمک کند. اما پرسش بعدی متفاوت است: تماس پشتیبان، تغییر زمان کلاس یا کمک‌هزینه، کدام‌یک واقعاً ماندگاری را افزایش می‌دهد؟ دقت در تشخیص افراد پرریسک، پاسخ آماده این پرسش نیست.

ویژگی‌ای که با ترک دوره همراه است، لزوماً علت آن یا نقطه مناسب مداخله نیست. حتی اگر یک متغیر قدرت پیش‌بینی بالایی داشته باشد، تغییر آن ممکن است شدنی، اخلاقی یا مؤثر نباشد. تصمیم عملی به هزینه، اختیار و نتیجه اقدام نیز وابسته است.

پژوهش چه تمایزی را روشن می‌کند؟

کلاینبرگ و همکاران در مقاله «مسائل سیاست‌گذاری مبتنی بر پیش‌بینی» میان مسائلی که به پیش‌بینی نیاز دارند و مسائلی که بر اثر علّی اقدام تکیه می‌کنند تمایز می‌گذارند. نتیجه مهم، بی‌ارزش‌بودن پیش‌بینی نیست؛ برخی تصمیم‌ها با پیش‌بینی بهتر می‌توانند بهبود یابند. مشکل، جابه‌جاکردن نوع پرسش و شواهد پاسخ آن است.

راهنمای «ارزیابی اثر در عمل» بانک جهانی نیز به سنجش اثر برنامه و وضعیت خلاف‌واقع می‌پردازد: بدون اجرای برنامه چه اتفاقی می‌افتاد؟ این پرسش نشان می‌دهد مقایسه ساده نتیجه شرکت‌کنندگان با دیگران، ممکن است برای نسبت‌دادن تغییر به برنامه کافی نباشد.

افراد پرریسک همیشه بیشترین منفعت را نمی‌برند

در مثال آموزشی، ممکن است گروهی ریسک بالایی داشته باشند اما تماس کوتاه تأثیر کمی بر آن‌ها بگذارد. در مقابل، گروهی با ریسک متوسط ممکن است به همان اقدام پاسخ بیشتری بدهند. این یک احتمال تحلیلی است، نه نتیجه یک مطالعه مشخص درباره آن سازمان. برای تشخیص، باید شواهد اثر اقدام فراهم شود.

بنابراین فهرست «بیشترین احتمال مشکل» را نباید بی‌بررسی به فهرست «بیشترین اولویت دریافت مداخله» تبدیل کرد. هدف برنامه ممکن است کاهش تعداد موارد مشکل، کاهش نابرابری یا حمایت از افراد دارای نیاز بیشتر باشد. انتخاب میان این هدف‌ها تصمیمی مدیریتی و ارزشی است که مدل به‌تنهایی تعیین نمی‌کند.

پیش از ساخت مدل، تصمیم را بنویسیم

یک برگه کوتاه می‌تواند شامل این موارد باشد: اقدام قابل انجام چیست، نتیجه مطلوب کدام است، چه محدودیت ظرفیتی داریم و هزینه خطای تصمیم چیست؟ سپس مشخص شود برای انتخاب اقدام، کدام بخش را نمی‌دانیم. گاهی مسئله اصلی کیفیت داده یا نبود اختیار اقدام است، نه نبود الگوریتم پیچیده.

اگر تصمیم به اثر یک مداخله وابسته است، طراحی ارزیابی باید از ابتدا در برنامه قرار گیرد. آزمون تصادفی در موقعیت مناسب یا روش‌های معتبر دیگر می‌توانند گزینه باشند؛ انتخاب روش به شرایط، اخلاق، امکان اجرا و فرض‌های شناسایی وابسته است. هیچ روش واحدی برای همه برنامه‌ها مناسب نیست.

ارزیابی مدل را از ارزیابی برنامه جدا کنیم

درستی رتبه‌بندی مدل، یک لایه ارزیابی است. اینکه استفاده از آن در فرایند واقعی، نتیجه بهتری ایجاد کرده، لایه دیگری است. تصمیم کاربران، ظرفیت پاسخ‌گویی و انتخاب اقدام می‌توانند میان این دو فاصله ایجاد کنند. افزایش امتیاز آزمون مدل، به‌تنهایی نشان‌دهنده موفقیت کل برنامه نیست.

پس از استقرار نیز رفتار ممکن است تغییر کند؛ افراد یا واحدها با قواعد تازه سازگار می‌شوند. داده‌ای که در فرایند جدید تولید می‌شود، لزوماً مانند داده قبل نیست. سازمان باید اثر واقعی و پیامدهای ناخواسته را پایش کند، نه اینکه فقط همان معیار فنی اولیه را تکرار کند.

پرسش مناسب برای جلسه تصمیم

از تیم بپرسید: «این خروجی می‌گوید چه اتفاقی محتمل است یا می‌گوید اگر اقدام کنیم چه چیزی تغییر می‌کند؟» اگر پاسخ دومی است، شواهد و فرض‌های مربوط به اثر را بخواهید. اگر اولی است، توضیح دهند چرا این پیش‌بینی برای انتخاب اقدام کافی و مرتبط است.

هوش مصنوعی می‌تواند کیفیت پیش‌بینی را بالا ببرد؛ کیفیت سیاست‌گذاری زمانی بهتر می‌شود که این توان در پرسش درست و فرایند ارزیابی مناسب قرار گیرد. فاصله میان شناخت ریسک و اثربخشی اقدام را نباید با یک رتبه یا نمودارِ دقیق‌نما پر کرد.

منابع اصلی

کلاینبرگ و همکاران: مسائل سیاست‌گذاری مبتنی بر پیش‌بینی، ۲۰۱۵

بانک جهانی: ارزیابی اثر در عمل، ویرایش دوم

برچسب‌ها

نظرها

هنوز نظری برای این مطلب منتشر نشده است.

نظر شما

نظرها پس از بررسی و تأیید نمایش داده می‌شوند. نظرهای حاوی توهین، تهمت یا تبلیغ منتشر نمی‌شوند.