Заслуживает ли академических исследований электронное правительство?

Обзор декабрьского (IEEE Computer Society, Vol. 38, б№. 12, December 2005) и январского (IEEE Computer Society, Vol. 39, б№. 1, January 2006) номеров журнала Computer.

Суть электронного правительства состоит в использовании ИТ для поддержки правительственных операций, привлечения граждан к управлению государством и обеспечения работы государственных учреждений. Проекты в области электронного правительства вовлекают широкий спектр компьютерных технологий. С другой стороны, для анализа информационных потребностей правительства, управления правительством и правительственной политики, а также информационных характеристик демократического общества здесь применяются методы компьютерных наук, информатики и социологии. Это означает либо адаптацию имеющихся исследовательских результатов к проблематике электронного правительства, либо проведение новых исследований для решения проблем, не столь важных для других областей. Исследования в области электронного правительства отличаются от исследований базовых дисциплин компьютерных наук и социологии тем, что исследователи должны активно сотрудничать с правительственными организациями. Более того, они часто сотрудничают с учеными из других областей для изучения взаимодействия технических и социальных процессов в контексте правительственных организаций. Таким образом, исследования в области электронного правительства всегда являются междисциплинарными.

Авторы первой статьи номера, которая называется «Академические исследования в области электронного правительства» (Digital Government Research in Academia), – Луи Делкамбр (Lois Delcambre) и Женевьева Джулиано (Genevieve Giuliano). В 1998 году Национальный научный фонд США обюявил междисциплинарную исследовательскую программу в области электронного правительства (Digital Government Program, www.digitalgovernment.org). Цель программы – финансирование исследований в областях, в которых интересы исследователей, специализирующихся в компьютерных науках и информатике, пересекаются с промежуточными и долговременными потребностями работников федеральных информационных служб. Исследования должны были ориентироваться на совершенствование внутри- и межведомственных, а также межправительственных операций, взаимодействий правительства с гражданами. Ожидалось, что такие исследования обеспечат непрерывный поток технологий и их внедрение в федеральные информационные системы. В то же время проекты в рамках программы очень разнородны – в одних идет поиск новых технологий, применимых для решения проблем правительства, в других анализируются взаимозависимости между технологиями и контекстами их разработки и применения. Каждому проекту свойственны особые требования к исследователям и их правительственным партнерам. Например, для успешного выполнения проектов по разработке программных средств требуются фиксированный правительственный партнер, полное понимание прикладной области и четкое определение проблемы. Авторы пытаются найти ответы на два вопроса. Становится ли данная область самостоятельным междисциплинарным направлением исследований или же это общая исследовательская область, поддерживающая широкий спектр научных дисциплин? Получает ли это направление признание как истинная исследовательская область? Классифицируя ряд исследовательских проектов, авторы приходят к следующим выводам. В настоящее время исследования носят междисциплинарный характер, причем во многих исследованиях выполняется схожая работа. Типичное исследование представляет собой набор из различных работ, относящихся ко многим дисциплинам, которые обюединяются общей целью выработки решений правительственных проблем, связанных с ИТ. Пока неясно, появляется ли новая междисциплинарная область, возникает ли новая концентрация сил в существующих областях или имеет место комбинация этих явлений.

Статья, написанная Патриком Пантелом (Patrick Pantel), Эндрю Филпотом (Andrew Philpot) и Эдвардом Хови (Eduard Hovy), называется «Выверка и интеграция данных» (Data Alignment and Integration). Во многих учреждениях срочно требуются какие-либо способы выверки и слияния данных. Например, в агентствах по охране окружающей среды для отслеживания общих характеристик состояния атмосферы и поддержки законов об ее охране согласовываются данные о выбросах в атмосферу, получаемые из регионов. Аналитики устанавливают и отслеживают группы угроз с использованием раздельно собираемых и хранимых индивидуальных сведений: телефонных звонков, сообщений электронной почты, финансовых транзакций и путевых заметок. Для решения этих проблем требуется научиться определять сходство обюектов внутри одного источника данных или набора разнородных источников. В настоящее время в большинстве подходов по интеграции коллекций данных и даже для создания отображений между сопоставимыми наборами данных требуется ручная работа. Несмотря на наличие некоторых обнадеживающих результатов, технология автоматического создания таких отображений все еще находится в зачаточном состоянии: сходство и различия проявляются на всех уровнях, от индивидуальных значений данных до метаданных и текста, поясняющего смысл коллекции данных в целом. Некоторые источники данных содержат дополнительную информацию (реляционная структура или метаданные), помогающую при взаимосвязывании обюектов. Однако такие вспомогательные данные могут быть устаревшими, несоответствующими действительности, слишком сильно привязанными к прикладной области, или могут просто отсутствовать. Поэтому на них не может основываться какое-либо общее решение. Можно полагаться только на сами данные, соответствующие результатам наблюдений над реальными обюектами. Основываясь на этой парадигме, авторы построили две системы: Guspin для автоматического определения классов эквивалентности и Sift для автоматической выверки данных в нескольких базах данных. Основная идея состоит в определении наиболее информативных наблюдений и сопоставлении с ними обюектов, содержащих близкие по смыслу данные. Системы использовались в нескольких правительственных организациях, отвечающих за охрану окружающей среды. Замечу, что, хотя по смыслу данная работа явно близка к традиционным направлениям data mining и ETL, авторы вообще не используют какие-либо методы из этих областей и не ссылаются на какие-либо публикации, а основываются только на теории информации Клода Шеннона. Это кажется странным: управление данными остается управлением данными даже в электронном правительстве, и было бы неразумно ожидать, что в этой прикладной области можно быстро получить результаты, которых не удалось добиться в результате многолетней работы в других областях.

Статью «Организация доступа к правительственной статистической информации» (Accessing Government Statistical Information) представили Гари Марчионини (Gary Marchionini), Стефани Хаас (Stephanie Haas), Джун Лиан Жанг (Junliang Zhang) и Джонатан Елсас (Jonathan Elsas). По мере того как правительственные организации обеспечивают через свои Web-сайты доступ к информации, все большее число людей пытается осмыслить эту информацию. В результате растет число запросов по электронной почте, многие из которых сводятся к следующим: «Где можно найти X» и «Что точно означает X». Наличие таких запросов показывает, что камнем преткновения на пути к обеспечению широкого доступа к правительственной информации является проблема предоставления систематизированных статистических данных разнообразным группам населения с разным уровнем математической грамотности. Ответственность за решение этой задачи лежит на правительственных статистических службах, которые должны каким-то образом оформить данные огромного обюема обо всем на свете, чтобы сделать их доступными и удобными в использовании для разнообразных потенциальных пользователей. В университете Северной Каролины выполняется проект GovStat (www.ils.unc.edu/govstat), участники которого работают с федеральными статистическими организациями. Целью проекта является оказание помощи людям при нахождении и понимании правительственной статистической информации. Концепция проекта – сеть статистических знаний (Statistical Knowledge Network, SKN), которая обюединяет заинтересованных лиц, обеспечивающих или ищущих статистическую информацию. Сеть скрепляется человеко-машинными интерфейсами, облегчающими поиск, понимание и использование информации. Основа SKN – четыре категории исследований и разработок.

• Потребности пользователей. В какой статистической информации действительно нуждаются пользователи? Каким уровнем статистической грамотности должны обладать пользователи для понимания информации? Как наилучшим образом организовать взаимодействие пользователей с информацией и инструментальными средствами?
• Модели данных. Какие существуют унаследованные файлы данных? Какие имеются общепринятые в правительственных организациях статистические понятия и словари? Какие метаданные доступны и где?
• Разработка технологии. Как будут работать интерфейсы динамических запросов и механизмы быстрых представлений? Как лучше всего организовать доступ через Internet?
• Организационное поведение. Как можно улучшить сотрудничество между ведомствами и как стимулировать взаимодействия между людьми и системами на разных правительственных уровнях?

В октябре 2005 года проектная группа определила архитектуру репозитория SKN, которая служит общей моделью связывания граждан с правительственной статистикой. Также разработана схема XML DTD на основе стандартов статистических данных ISO 11179 и Data Documentation Initiative. В проекте разрабатываются и тестируются пользовательские интерфейсы, включая слуховой интерфейс для людей с ослабленным зрением, а также прототип статистического интерактивного глоссария с возможностью его пополнения статистическими организациями. Разрабатываются средства автоматической генерации метаданных на основе методов машинного обучения и набор инструментальных средств анализа текста, которые могут использоваться правительственными статистическими организациями, а также вертикальная модель для интеграции статистических данных федеральных и региональных сельскохозяйственных ведомств.