首页|数据驱动的权力监督何以有效?——基于18个案例的模糊集定性比较分析

数据驱动的权力监督何以有效?——基于18个案例的模糊集定性比较分析

A Study on Why the Big Data-Driven Supervision Works Efficiently——Based on the fsQCA Analysis of 18 Cases

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
目前基于数据驱动的权力监督建设方兴未艾,不同地区使用的数据权力监督平台应用后的效果并不相同.针对中国的治理实践,数据驱动的权力监督有效性会受哪些因素的影响?这些影响因素是如何作用于数据驱动的权力监督的?本文尝试超越单因素与单案例的分析路径,从组态视角展开分析,构建了在新形势下数据驱动的权力监督有效性的研究框架,提出了顶层设计、流程再造、公众参与、数据分析、制度保障等影响因素并通过使用模糊集定性比较分析(fsQCA)来考察数据驱动的权力监督有效性的影响因素以及数据驱动的权力监督的作用路径.研究结果表明,这五种路径组合都可以实现数据技术对公权力的有效监督.在数据技术快速发展的背景下,充分发挥数据技术对权力监督的促进作用,既是对当前数字政府建设的一种现实呼应,也为腐败治理体系与治理能力的提升提供了科技支撑.
With the rapid development of big data-driven supervision,various results have appeared,but few studies have paid attention to exploring the causes behind them.This paper tries to discuss and ex-plore what affects the outcome with the fsQCA method going through 18 empirical cases in China.It con-structs a theoretical framework based on the PDCA theory,then finds five pathways employed to explain why different cases show different results.This study could be beneficial for promoting the digital governance and digital power supervision in China.

Big Data-DrivenSupervisionfsQCAPDCA Theory

李莉、韩凯波

展开 >

中国政法大学国家监察研究院

北京大学法学院

数据驱动 权力监督 fsQCA PDCA理论

2024

10.20186/j.cnki.hustitama2022.2024.05.01

信息技术与管理应用

信息技术与管理应用

ISSN：
年,卷(期)：2024.3(5)