Designing in data-centric policymaking. An exploration of data for policy and policy learning in data ecosystems

A considerable part of the contemporary scientific and political debate sees the digitalization and digitisation of today's sociotechnical systems as an unprecedented possibility to create innovation from digital data. In this view, the relationship between data and innovation is mainly based on a paradigm of extracting value from data. Accordingly, it is possible to reduce uncertainty among possible scenarios through the analysis of large amounts of data, enabling decisions to improve the efficiency of operations in a system. This innovative value proposition has been progressively examined with respect to the public sector and policymaking, in an emerging field of discussion called 'data for policy'. In this field, some authors noted that the value of data for policymaking cannot be discussed with the same logic of efficiency that has characterised the data debate. Policymaking is in fact a process that implies a normative and partial view of public issues, and is therefore connected to mechanisms of political judgement and public acceptability, dimensions that lie outside the logics of efficiency. Rather than in the data itself, for policymaking there seems to be value in the processes centred on the collection and use of these data, which can constitute new forms of experimentation and collective learning on policy problems. From these considerations, the thesis conducted a qualitative exploration of the current discourse in the emerging field of "data for policy"; and a comparative analysis of data use practices within data ecosystems in the public sector in four different European countries. The thesis proposed the concept of data-centric policymaking to conduct a comparative analysis and developed this concept through a theoretical-conceptual framework based on policy learning. The comparative analysis shows that those involved in data-centric policymaking practices perceived greater individual cognitive learning on policy issues. However, there does not seem to have been a fundamental change in their opinions through participation in the process. The conditions for this learning seem to have depended not on structural enabling condition for data sharing, but on conditions at the organisational and individual level. From this knowledge, the thesis proposed three areas of convergence between 'data for policy' and 'design for policy', articulating the potential contribution of design in data-centric policymaking. The thesis has thus contributed to a better understanding of the topic of "data for policy" and data practices in the public sector, while offering an interpretation of the phenomenon in relation to policymaking and design.

Una considerevole parte del dibattito scientifico e politico contemporaneo considera la digitalizzazione e digitizzazione dei sistemi socio-tecnologici odierni come una possibilità senza precedenti per creare innovazione a partire dai dati digitali. In questa visione, la relazione tra dati ed innovazione si basa principalmente su un paradigma di estrazione di valore dai dati. Di conseguenza, è possibile ridurre il grado d’incertezza tra gli scenari possibili attraverso grandi quantità di dati, permettendo decisioni volte a migliorare l’efficienza delle operazioni in un sistema. Questa proposizione di valore innovativo è stata progressivamente presa in esame rispetto al settore pubblico ed al policymaking, in un campo di discussione emergente detto “data for policy”. In questo campo alcuni autori notano come il valore dei dati per il policymaking non possa essere discusso con le stesse logiche di efficienza che hanno caratterizzato il dibattito sui dati. Il policymaking è infatti un processo che implica una visione normativa e parziale dei problemi pubblici, ed è quindi connesso a meccanismi di giudizio politico e all’accettabilità pubblica, dimensioni che esulano le logiche dell’efficienza. Piuttosto che nei dati in sé, per il policymaking sembra esserci valore nei processi che si incentrano sulla raccolta e l’utilizzo di questi dati, i quali possono costituirsi come nuove forme di sperimentazione ed apprendimento collettivo sui problemi di policy. A partire da queste considerazioni, la tesi ha condotto un’esplorazione qualitativa dell’attuale discorso nel campo emergente del “data for policy”; ed un’analisi comparativa delle pratiche di uso dei dati all’interno di data ecosystem nel settore pubblico in quattro diversi paesi Europei. La tesi ha proposto il concetto di data-centric policymaking per condurre un’analisi comparativa e ha sviluppato questo concetto attraverso un framework teorico-concettuale basato sul policy learning. L’analisi comparativa mostra come coloro coinvolti nelle pratiche di data-centric policymaking abbiano percepito un maggiore apprendimento cognitivo individuale su tematiche di policy. Tuttavia, non sembra esserci stato un cambio fondamentale delle loro opinioni attraverso la partecipazione nel processo. Le condizioni di questo apprendimento sembrano essere dipese non da fattori strutturali abilitanti per la condivisione dei dati, ma da condizioni a livello organizzativo e individuale. A partire da questa conoscenza la tesi ha proposto tre aree di convergenza tra il “data for policy” ed il “design for policy”, articolando il potenziale contributo del design nell’ambito del data-centric policymaking. La tesi ha quindi contribuito ad una migliore comprensione del tema del “data for policy” e delle pratiche di utilizzo dei dati nel settore pubblico, offrendo una lettura del fenomeno in relazione al policymaking ed al design.