110 年 國立政治大學公共行政學系碩士班《行政學》

本題主要探討「資料治理」(Data Governance)的概念在公共部門的實踐。問題包含三個部分：資料治理的意涵與要素、公部門推動資料治理的挑戰，以及對應的解決方法。

核心觀念： 資料治理、公共行政、資訊管理、跨部門協調、挑戰與對策。

解題步驟：

第一部分：闡釋「資料治理」(data governance)的意涵與要素 (約佔 8-10 分)

• 意涵： 資料治理是指一套系統性的方法、政策、標準、流程和控制措施，用以確保組織內部的資料能夠被有效地管理、保護、使用和分享，以達成組織的目標並符合法規要求。它不僅是技術問題，更是組織管理和策略問題，旨在提升資料的品質、可用性、安全性與合規性。
• 要素： 資料治理通常包含以下關鍵要素：
  1. 策略與目標 (Strategy & Goals)： 確立資料治理的願景、原則和具體目標，使其與組織的整體策略相連結。
  2. 組織架構與角色 (Organization & Roles)： 建立負責資料治理的組織架構，明確各級人員（如資料主事官 DGO, Data Governance Officer；資料所有者 Data Owner；資料管理者 Data Steward；資料使用者 Data User）的職責與權限。例如，臺北市政府成立「資料治理委員會」即是組織架構的體現。
  3. 政策與標準 (Policies & Standards)： 制定關於資料品質、資料安全、資料隱私、資料存取、資料生命週期管理等的政策和標準。
  4. 流程與實務 (Processes & Practices)： 建立資料的獲取、儲存、處理、分析、分享、歸檔和銷毀等標準化流程。
  5. 資料品質管理 (Data Quality Management)： 確保資料的準確性、完整性、一致性、及時性和有效性。
  6. 資料安全與隱私 (Data Security & Privacy)： 實施技術和管理措施，保護資料免受未經授權的存取、洩漏或濫用，並遵守隱私法規。
  7. 資料生命週期管理 (Data Lifecycle Management)： 管理資料從創建到最終歸檔或銷毀的整個過程。
  8. 技術與工具 (Technology & Tools)： 運用適當的技術工具（如資料目錄、資料血統追蹤工具、資料品質工具、資料倉儲等）來支援資料治理的實施。
  9. 監控與評估 (Monitoring & Evaluation)： 定期評估資料治理計畫的成效，並進行持續改進。

第二部分：公部門推動資料治理可能面臨的挑戰 (約佔 8-10 分)

公部門在推動資料治理時，常面臨以下挑戰：

1. 跨部門協調困難 (Inter-agency Coordination Challenges)：
   • 現象： 各局處有各自的業務、系統和資料儲存方式，權責劃分不清，協調成本高。
   • 原因： 組織文化、績效評量標準不同、缺乏共同的治理平台。
2. 數據孤島與系統老舊 (Data Silos & Legacy Systems)：
   • 現象： 資料分散在各部門的獨立系統中，難以整合與共享，系統老舊難以支援現代化治理需求。
   • 原因： 歷史因素、技術限制、採購與升級的困難。
3. 專業人才與資源不足 (Lack of Skilled Personnel & Resources)：
   • 現象： 缺乏具備資料治理、資料科學、資訊安全等專業知識的人才；預算與人力資源有限。

本題要求解釋四個行政學或管理學的重要概念。

核心觀念： 決策理論、激勵理論、系統理論、組織理論。

解題步驟：

1. Bounded rationality (有限理性)

• 概念： 由赫伯特‧賽門 (Herbert Simon) 提出，用來描述人類在決策過程中，其理性程度是有限的。與傳統經濟學假設的「完全理性」(perfect rationality) 不同，賽門認為決策者在面臨複雜問題時，其認知能力、可取得的資訊、以及可用的時間都受到限制。
• 意涵： 因此，決策者無法窮盡所有可能的方案與後果，也無法對所有資訊進行完美評估。取而代之的是，決策者會尋求「令人滿意」(satisficing) 的解決方案，即找到一個「足夠好」(good enough) 的選項，而不是追求「最佳」(optimal) 的選項。
• 重要性： 這個概念改變了我們對組織決策過程的理解，強調了資訊、認知限制與決策者的心理因素在實際決策中的重要性。

2. Motivation-hygiene theory (激勵保健理論)

• 概念： 由弗雷德里克‧赫茲柏格 (Frederick Herzberg) 提出，又稱為「雙因子理論」(Two-Factor Theory)。該理論區分了兩種影響員工工作滿意度與不滿意度的不同因素。
• 意涵：
  • 保健因素 (Hygiene Factors)： 這些因素與工作環境有關，其存在可以防止員工產生不滿，但無法帶來積極的滿意感。例如：公司政策、監督方式、人際關係、薪資、工作安全、工作條件等。如果這些因素不足，會導致員工不滿；但即使充足，也只會消除不滿，無法激勵員工。
  • 激勵因素 (Motivators / Satisfiers)： 這些因素與工作的內容本身有關，其存在可以帶來員工的滿意感和積極性。例如：成就感、認可、工作本身、責任、晉升、成長機會等。
• 重要性： 赫茲柏格認為，要提升員工的工作績效，必須同時消除保健因素的不滿，並提供激勵因素來促進滿意感。

3. Negative entropy (負熵)

• 概念： 源於物理學的「熵」(entropy) 概念，熵代表系統的無序度或混亂程度。根據熱力學第二定律，一個孤立系統的熵會隨著時間增加，趨向於無序和衰敗。

本題探討 Thomas Kuhn 的科學哲學思想，特別是「典範」(paradigm) 及其「典範移轉」(paradigm shift) 的概念，並要求將此概念應用於我國政府運作的實例。

核心觀念： 典範、常態科學、科學危機、科學革命、典範移轉、公共行政。

解題步驟：

第一部分：何謂典範 (paradigm)？ (約佔 8-10 分)

根據 Thomas Kuhn 在《科學革命的結構》一書中的描述，典範 (paradigm) 是指：

1. 科學社群的共同信念與實踐： 典範是特定科學社群在特定時期所共享的、一套被普遍接受的理論、定律、方法、工具、價值觀和範例。它為該社群的研究活動提供了基礎框架和方向。
2. 定義問題與尋找解答的框架： 典範規定了什麼樣的研究問題是值得探討的、什麼樣的解決方法是可行的、什麼樣的結果是可接受的。它就像一個「地圖」，指引科學家在知識的領域中前進。
3. 範例 (exemplars)： 典範包含了許多被視為典範性成就的具體研究案例。科學家透過學習和模仿這些範例，來掌握該領域的科學知識和研究技巧。
4. 非可驗證性： 在常態科學時期，典範本身通常不被質疑或驗證，而是被視為理所當然的。科學家在典範的框架內進行「解謎」(puzzle-solving) 式的研究。

簡單來說，典範是科學社群在特定時期所共識的、一整套看待和研究世界的規則、方法和範例。

第二部分：典範發展的過程為何？ (約佔 8-10 分)

Kuhn 描述的典範發展過程是一個動態的、非線性的循環，主要包含以下幾個階段：

1. 前典範時期 (Pre-paradigm period)： 在一個科學領域的早期，可能存在多種競爭的理論和方法，科學社群尚未形成統一的共識。科學研究是零散的，缺乏共同的基礎。
2. 常態科學 (Normal Science)： 當一個或幾個理論贏得了科學社群的認可，形成了一個穩固的典範後，就進入了常態科學時期。在這個階段，科學家們的主要任務不是推翻典範，而是基於典範進行「解謎」工作。他們：
   • 擴展典範的知識： 運用典範的理論和方法，去解決更多具體問題，並精確化典範的內容。
   • 提高典範的精確度： 透過實驗和觀察，提高典範的預測能力和精確度。
   • 解決典範內部的異常現象： 當研究過程中出現與典範預測不符的「異常」(anomaly) 或「危機」(crisis) 時，科學家會試圖在現有典範框架內找到解釋。
3. 危機 (Crisis)： 隨著常態科學的發展，越來越多的異常現象累積，或者出現了無法在現有典範內圓滿解釋的重大問題。科學家們開始對現有典範產生懷疑，研究的焦點從「解謎」轉向對典範本身的質疑。
4. 科學革命與典範移轉 (Scientific Revolution & Paradigm Shift)： 當危機無法在舊典範內解決，或者出現了一個能更好解釋異常現象的新典範時，科學社群內部會出現激烈的爭論。最終，如果新典範獲得了足夠的認可，舊典範就會被取代，這就是「科學革命」或「典範移轉」。新典範將成為下一個常態科學的基礎。
5. 新常態科學 (New Normal Science)： 典範移轉後，科學界進入一個新的常態科學時期，基於新的典範繼續進行「解謎」工作。

總結來說，典範的發展是一個從前典範、常態科學、危機、科學革命（典範移轉）到新常態科學的循環過程。

第三部分：從近年來我國政府的運作中舉例說明典範移轉 (paradigm shift) 的現象 (約佔 8-10 分)