115 年 國立臺灣大學公共事務研究所碩士班《公共政策》

本題主要在考驗考生對於「政策工具」理論的理解深度，包含其發展脈絡、不同學派的觀點、實證研究上的限制，以及近年來的新興議題。

核心觀念： 政策工具理論（Policy Instruments Theory）是公共政策領域中探討政府如何運用各種手段來達成政策目標的重要理論。

解題思路：

1. 理論的發展與研究取向：

   • 早期觀點： 政策工具的討論早期較為零散，常與政策分析、政策執行等理論結合。重點在於識別和分類不同的工具（如管制、補貼、資訊提供、契約等）。
   • 系統性理論的興起： 1980、90 年代後，學者開始系統性地探討政策工具的選擇、設計與影響。例如，Eckerd, Hayes, Hill 等人提出了政策工具箱（policy toolkit）的概念，強調工具的多元性與組合性。
   • 主要研究取向：
     • 工具分類與描述： 識別和定義不同類型的政策工具。
     • 工具選擇與影響因素： 分析為何政府會選擇特定工具，考量因素包括政治可行性、經濟效率、社會公平、行政能力等。
     • 工具的有效性與績效評估： 檢視特定工具在達成政策目標上的實際成效。
     • 工具的社會建構性： 強調工具並非中性，其設計與使用會受到社會、文化、政治等因素影響。
     • 工具的組合與協同作用： 探討多種工具結合使用時可能產生的加乘或抵銷效果。

2. 研究的限制：

   • 過度簡化： 許多研究可能將工具視為獨立的變項，忽略了工具之間複雜的互動關係，以及與政策情境的緊密連結。
   • 實證困難： 評估工具的成效往往面臨因果關係難以釐清、數據獲取不易、政策環境變動等挑戰。
   • 政治與意識形態的影響： 工具的選擇常受到政治利益、意識形態和價值觀的影響，而非純粹基於效率或成效的考量。例如，新自由主義傾向偏好市場導向的工具，而社會民主主義則可能偏好較強的政府管制。

本題旨在探討「後實證主義」在政策分析中的應用，要求考生理解其理論基礎、歷史脈絡，並能結合實例進行說明。

核心觀念： 後實證主義（Post-positivism）是一種認識論和方法論的立場，它在承認科學理性與客觀性的重要性的同時，也批判傳統實證主義的絕對客觀性，並強調研究者主觀性、價值與社會脈絡的影響。

解題思路：

1. 理論概念意涵之源起：

   • 批判實證主義（Positivism）： 後實證主義的出現，是對傳統實證主義的修正與批判。傳統實證主義（如奧古斯特·孔德）主張科學知識應基於可觀察、可驗證的經驗事實，追求客觀、普遍的法則，並將自然科學的方法視為社會科學的典範。
   • 實證主義的局限： 到了 20 世紀，實證主義面臨許多挑戰，例如：
     • 不可觀察性問題： 許多重要的社會現象（如意圖、價值、結構）難以直接觀察與量化。
     • 價值中立的迷思： 科學研究無法完全擺脫研究者的價值觀、意識形態與社會脈絡的影響。
     • 歸納法的問題： 依據有限的觀察進行普遍性推論（如「所有天鵝都是白的」）存在邏輯上的不確定性（休謨的歸納問題）。
   • 後實證主義的興起： 後實證主義者（如卡爾·波普 Karl Popper）主張，科學知識是近似真理的、暫時性的，並且是透過「試錯」（conjecture and refutation）的過程逐步逼近真相。他們強調：
     • 可證偽性（Falsifiability）： 一個理論若要成為科學的，必須是可以被經驗證據所證偽的。科學的進步在於不斷地提出大膽的假設，並嚴格地試圖去推翻它們。
     • 客觀性的追求（但非絕對）： 承認客觀性的重要，但認為絕對的客觀性是不可能的。研究者應努力減少主觀偏見，但同時也要認識到研究者的價值與理論預設會影響觀察與解釋。
     • 修正主義： 認為科學知識是可修正的，現有的理論可以被更好的理論所取代。

2. 在政策分析中的意涵與演進：

   • 政策分析的實證主義根源： 早期政策分析深受實證主義影響，強調尋找因果關係、預測政策效果、追求效率與客觀性。
   • 後實證主義的介入： 後實證主義為政策分析提供了更為務實和批判的視角。它承認政策分析的複雜性，以及價值、權力、社會建構等因素的重要性。
   • 政策分析中的後實證主義應用：
     • 強調理論與實證的互動： 政策分析不能僅依賴純粹的數據，也需要理論來指導數據的收集、解釋和預測。
     • 承認研究者的角色： 政策分析者本身就是社會的一部分，其價值觀、預設和利益會影響研究的過程與結果。因此，研究者應對此保持反思，並公開其研究的預設。

本題考驗考生對「官僚政治化」概念的理解，以及其在政策制定與執行過程中可能造成的組織病態、成效影響，並要求結合學理與實例提出分析與改善之道。

核心觀念： 官僚政治化（Bureaucratic Politicization）是指政府部門或官僚體系內部，為了追求自身利益、權力或資源，而將原本應基於公共利益、專業判斷或程序正義的決策過程，轉變為涉及派系鬥爭、利益交換、政治角力的過程。這與 Weber 所強調的理性、科層（hierarchy）與非個人化（impersonality）的官僚理想形成對比。

解題思路：

1. 何謂「官僚政治化」？

   • 定義： 官僚政治化是指在公共行政體系內部，官僚組織或其中的成員，將其活動重心從追求公共利益轉向爭奪組織資源、擴大組織權力、維護特定派系利益，甚至進行政治性的權謀與鬥爭。
   • 表現形式：
     • 爭奪預算與資源： 各部門之間為了爭取更多預算、人力、權限而展開競爭。
     • 擴張主義（Empire Building）： 試圖擴大組織的職權範圍與影響力。
     • 派系鬥爭與人際關係： 內部形成小團體，決策受派系恩怨、人情關係影響。
     • 資訊的隱匿與操弄： 為了自身利益，隱瞞或扭曲資訊，阻礙資訊的流通。
     • 忠誠的對象轉移： 官僚的忠誠對象可能從公共利益、法律或專業倫理，轉向其所屬派系或上級主管。
     • 規避責任與卸責： 為了避免政治風險或內部鬥爭失敗，官僚可能傾向於保守、規避決策，或將責任推給他人。

2. 對公部門的組織病態影響：

   • 決策僵化與低效： 為了避免政治鬥爭，決策者可能傾向於維持現狀，迴避具爭議性的改革，導致決策緩慢、僵化。
   • 組織衝突加劇： 派系鬥爭、利益衝突導致組織內部關係緊張，士氣低落。
   • 資源分配扭曲： 資源的分配不再基於公共效益或效率，而是基於政治權力或派系關係，造成資源的浪費與錯配。
   • 專業倫理的侵蝕： 官僚可能為了政治考量而犧牲專業判斷、公共利益或倫理原則。
   • 資訊不對稱與不透明： 為了鬥爭或掩飾，資訊流通受阻，決策過程變得不透明。
   • 「尋租」（Rent-seeking）行為： 官僚利用其職權或資訊優勢，尋求不當利益。
   • 適應性差： 組織難以適應外部環境的變化，因為內部鬥爭消耗了組織的能量。

3. 對政策執行的成效影響：

   • 政策目標偏離： 政策執行過程可能被內部政治鬥爭所干擾，導致執行結果偏離原定目標。
   • 執行效率低下： 資源被內耗，決策延宕，導致政策執行緩慢、成本增加。
   • 政策品質下降： 為了迎合政治鬥爭或特定派系，可能犧牲政策的專業性與合理性。
   • 公信力受損： 頻繁的內部鬥爭與不當行為，會嚴重損害公部門的形象與公信力。
   • 出現「影子政策」： 實際執行的政策可能與公開宣示的政策不一致，因為內部政治因素的介入。
   • 執行者士氣低落： 忠誠於公共利益的優秀官僚可能因無法適應或厭惡內部政治而離開。

4. 結合學理與實際案例：

   • 學理依據：
     • 韋伯（Weber）的科層制理論： 官僚政治化是對韋伯理想科層制的一種背離，後者強調理性、規則、非個人化。

本題旨在探討人工智慧（AI）科技對公部門決策的影響，特別是其帶來的便利性與潛在的裁量權及倫理問題。考生需要提出觀察、分析方法、改善建議，並說明視角與學理依據。

核心觀念： AI 科技在公共行政中的應用，是當前重要的趨勢，它帶來效率提升的同時，也引發了關於公平、透明、責任、隱私、裁量權等方面的挑戰。

解題思路：

1. 當前議題的發展觀察：

   • 決策資訊的便利性：
     • 數據分析能力提升： AI 可協助處理海量數據，進行預測、分類、模式識別，輔助政策制定者做出更精準的判斷。例如，利用 AI 預測犯罪熱點，優化警力部署；分析交通流量，規劃智慧交通。
     • 效率提升： 自動化重複性行政工作，如文件審核、資訊查詢、客服應答，節省人力與時間。
     • 個性化服務： 根據個人數據提供更客製化的公共服務，如教育、醫療建議。
   • 裁量權的挑戰：
     • 演算法的黑箱問題： 許多 AI 演算法（特別是深度學習）的決策過程難以解釋，導致公務人員難以理解決策依據，也難以有效行使裁量權。
     • 「演算法裁量」的出現： AI 系統的預設參數和判斷邏輯，實際上已內建了某種程度的「裁量」，這可能取代或影響人類公務員原有的裁量空間。
     • 判斷的僵化與缺乏彈性： AI 系統基於既定模型，可能無法處理突發、特殊或需要人性關懷的個案，限制了公務人員的彈性判斷。
   • 倫理問題：
     • 演算法偏見（Algorithmic Bias）： AI 模型訓練數據中的偏見（如種族、性別、社會經濟地位）可能被模型學習並複製，導致歧視性的決策結果。例如，在社會福利審核、司法判決輔助中，可能對特定群體不利。
     • 隱私權的侵害： AI 應用需要大量個人數據，如何確保數據的收集、儲存、使用符合隱私權保護原則，是一大挑戰。
     • 責任歸屬問題： 當 AI 系統做出錯誤決策，造成損害時，責任應由誰承擔？是開發者、使用者、還是 AI 本身？
     • 透明度與可解釋性（Explainability）： 缺乏透明度使得公眾難以信任 AI 決策，也難以追究責任。
     • 數位落差加劇： 依賴 AI 的服務可能對不熟悉科技或缺乏數位設備的弱勢群體造成不便，加劇社會不平等。
     • 對公務員角色的影響： AI 的廣泛應用可能引發對公務員未來角色的擔憂，如失業、技能轉型等。

2. 作為幕僚或研究者，如何分析及提出改善？

   • 分析視角：
     • 公共利益視角： AI 應如何服務於整體社會的福祉，而非僅為效率或特定利益服務。
     • 公平與正義視角： 確保 AI 決策不產生歧視，維護社會公平。
     • 效率與效能視角： 在確保公平與倫理的前提下，最大化 AI 帶來的效率與服務品質。
     • 民主與治理視角： 探討 AI 如何影響公共治理的透明度、問責制和公民參與。
     • 風險管理視角： 識別並管理 AI 應用中的潛在風險，如偏見、安全漏洞、隱私洩漏。
   • 學理依據：
     • 公共行政理論：
       • 新公共管理（NPM）： 關注效率、績效與客戶導向，AI 應用可視為提升這些面向的工具。
       • 數位政府（Digital Government）： 強調利用資訊科技提升政府服務與治理能力。
       • 負責任的創新（Responsible Innovation）： 強調在技術發展初期就納入倫理、法律與社會考量。
     • 倫理學理論：
       • 功利主義（Utilitarianism）： 評估 AI 應用是否能最大化社會的整體福祉。