참여 기획 및 이해관계자 분석

이득:

• 참여 계획에서 AI를 사용하여 설문 조사, 의견 및 이해 관계자 데이터를 수집, 요약 및 주제별로 정리하는 능력
• AI로 정성적 피드백을 분석할 때 소외된 집단의 목소리를 보호하기 위한 표현, 편견, 책임을 염두에 두세요.
• AI 요약이 참여를 대체할 수 없으며 최종 결정은 투명하고 책임 있는 공개 프로세스에 속한다는 점을 이해하세요.

계획은 기술적으로는 정확하지만 그 계획에 따라 살아갈 사람들의 목소리를 전달하지 못한다면 불법입니다. 참여적 계획은 전문가뿐만 아니라 해당 공간을 사용하는 시민, 상인, 수장, 시민 사회 및 기타 이해관계자가 결정을 내리는 것을 의미합니다. 이 과정에서 설문조사, 회의, 청원, 온라인 의견, 현장 관찰 등을 통해 대량의 정성적 데이터(숫자가 아닌 텍스트와 의견이 포함된 데이터)가 수집됩니다. AI는 이러한 수천 개의 의견을 요약하고, 주제를 추출하고, 감정 분석 및 보고를 수행하는 데 강력한 도움을 줍니다. 그러나 참여 계획에서 AI의 가장 큰 위험은 표현 편향입니다. 이는 다수의 목소리와 자주 반복되는 발언을 증폭시키고 소수, 디지털 방식으로 접근할 수 없고 소외된 집단의 목소리를 보이지 않게 만들 수 있습니다. AI 요약은 참여를 대체할 수 없습니다. 최종 결정은 투명하고 책임 있는 공개 절차를 통해 이루어집니다.

참여 이유와 방법

참여는 "인증 수집" 행사가 아니라 지식과 정당성의 진정한 원천입니다. 좋은 참여 프로세스는 대면 회의, 가구 조사, 온라인 양식, 현장 산책, 대상 그룹 회의 등 다양한 채널을 결합합니다. 각 채널은 온라인 형태의 젊은이, 노인과의 대면 만남, 동네 주민들 등 다양한 사람들을 포착합니다. 한 채널에 의존하면 해당 채널을 사용하지 않는 모든 사람이 제외됩니다.

수집된 데이터를 이해하는 데 AI가 활용됩니다. 수백 페이지의 자유 텍스트를 읽고 그룹화하고 주요 주제를 추출하는 데는 인간이 몇 주가 걸릴 것입니다. AI는 이를 몇 시간으로 단축합니다. 하지만 이 속도가 대표의 책임을 없애는 것은 아니다.

주의: AI 요약은 가장 반복적이고 가장 큰 의견을 '일반 의견'으로 제시하는 경향이 있습니다. 요구가 반복된다고 해서 그것이 더 정당해지는 것은 아닙니다. 이는 단순히 해당 그룹이 더 크거나 더 조직적이라는 것을 나타낼 수도 있습니다. 각 요약에는 "누가 실종됐고, 누구의 목소리가 쉰가?"라는 질문이 나온다. 묻다.

참여의 또 다른 차원은 언어적, 문화적 다양성입니다. 도시에는 다양한 언어, 다양한 수준의 읽고 쓰는 능력, 다양한 표현 형식을 사용하는 그룹이 있습니다. AI는 한 번의 실행으로 여러 언어의 뷰를 처리할 수 있기 때문에 실질적인 편의성을 제공합니다. 예를 들어, 다양한 언어로 수집된 댓글을 공통 주제에 연결할 수 있습니다. 그러나 번역 및 요약에서는 미묘함이 사라질 수 있습니다. 현지 관용구, 비난, 문화적 언급이 AI에 의해 평면화되고 잘못 해석될 수 있습니다. 따라서 다국어 또는 문화적으로 다양한 참여가 있는 경우 해당 커뮤니티를 아는 사람들이 AI 출력을 검토하는 것이 중요합니다. 기술을 통해 접근성을 확대하는 것은 가치 있는 일입니다. 그러나 접근이 의미를 정확하게 전달하는 책임을 면제하는 것은 아닙니다.

표현, 편견 및 윤리

참여 계획에서는 세 가지 윤리적 위험이 특히 중요합니다.

1. 참여편향: 누가 설문조사에 참여했나요? 인터넷 접속률이 낮은 지역, 노인, 장애인, 이민자, 일하는 여성은 종종 과소 대표됩니다. AI는 스스로 이런 말을 하지 않습니다. 참가자 프로필을 별도로 검토할 필요가 있습니다.
2. 요약 편향: AI는 다수의 빈번한 표현을 선호합니다. 드물지만 중요한 경보(예: 홍수 관찰)는 "소음"으로 간주되어 제거될 수 있습니다.
3. 댓글 편향: 감정 분석 및 테마 추출은 AI 훈련 데이터의 문화적 가정에 따라 달라질 수 있습니다. 로컬 컨텍스트를 잘못 읽을 수 있습니다.

이러한 위험에 대한 세 가지 원칙은 원시 데이터에 대한 접근을 보호하고(요약이 유일한 진실이 되어서는 안 됨), 소수자와 소외 계층을 별도로 모니터링하고, 프로세스를 투명하게 기록하는 것입니다.

단계별: AI를 이용한 참여 데이터 분석

1. 데이터를 익명화합니다. 개인 데이터(이름, 연락처)를 삭제합니다. KVKK/개인정보 보호.
2. 참가자 프로필을 만듭니다. 누가 참석했고, 누가 빠졌나요?
3. AI에 대한 테마를 만듭니다. 단, 소수 테마는 별도로 요청하세요.
4. 원시 데이터와 비교해보세요. 요약이 현실을 반영하는가?
5. 누락된 그룹을 식별하고 완성합니다. 추가 채널을 추가합니다(대면).
6. 투명하게 보고하세요. 누가 참여했고 누가 누락되었는지는 분명합니다.
7. 결정은 공개 과정에 맡기세요. 결정이 아닌 AI 요약 입력.

약한 프롬프트 / 강한 프롬프트

약한 프롬프트: "이 설문조사 의견을 요약하세요."

AI는 테마를 가장 자주 강조합니다. 소수 목소리가 사라지고, 참가자 프로필도 사라집니다.

강력한 프롬프트: "아래에는 1,200개의 시민 의견이 있습니다. (1) 주요 주제를 빈도별로 추출합니다. (2) 또한 적지만 중요할 수 있는 소수 주제(예: 보안, 홍수, 접근성)를 별도의 목록으로 수집하고 낮은 빈도로 제거합니다. (3) 각 주제에서 어떤 의견이 어떤 유형의 참가자에게서 나오는지 명확한지 표시합니다. (4) 요약에서 누락되었을 수 있는 그룹을 추측합니다. 의견을 자신의 해석으로 바꿉니다. 있는 그대로. 그룹. 데이터: [...]"

두 번째 프롬프트는 소수의 목소리, 프로필, 사각지대를 보호할 것을 명시적으로 요구합니다.

복사 가능한 템플릿 4개

작업: 아래 [익명] 참여 데이터에서 (1) 빈도별 주요 주제, (2) 덜 반복되지만 잠재적으로 중요한 주제의 별도 목록을 추출합니다. 빈도가 낮은 댓글을 제거하세요. 자신만의 의견을 추가하세요. 있는 그대로 그룹화합니다.데이터: [...]

작업: 아래 참가자 프로필 데이터를 조사합니다. 어떤 그룹(연령, 동네, 성별, 접근성)이 과소 대표될 수 있습니까? 누락된 목소리를 채우기 위해 어떤 추가 참여 채널이 권장됩니까?프로필: [...]

작업: 다음 AI 주제 요약을 원시 데이터와 비교할 수 있는 체크리스트를 생성하십시오. 어떤 주제가 실제로 지배적인지, 어떤 주제가 과장되었는지, 어떤 비판적 견해가 제거되었을 수 있는지 확인하려면 어떻게 해야 합니까? 요약: [...]

과제: 아래 참여 결과를 바탕으로 투명한 공개 정보 초안을 작성합니다. 누가 참여했는지, 누가 불참했는지, 그들의 의견이 어떻게 결정에 반영될 것인지 솔직하게 기술하세요. 참여를 '승인'으로 표현하지 마세요. 결과: [...]

표: 참여 채널 및 대표성

채널

누가 잘 잡나요?

누가 납치했는가

AI의 역할

온라인 양식

디지털 기반의 젊은

노인, 접근성이 낮음

테마 추출

대면 회의

안정됨, 걱정됨, 차분함

직원, 원격

성적 요약

가구 조사

넓은 부분

집에 없어

데이터 편집

대상 그룹

특정 이해관계자

일반 대중

면접요약

청원/불만

조직적, 문제적

침묵하는 다수에 만족함

분류

세 개의 미니 케이스

사례 1 — 사라지는 소수 경고. 한 지자체에서는 3,000개의 의견을 AI로 정리하고, 이 간략한 내용은 "주차장"과 "녹지 공간"에 대한 수요를 강조합니다. 기획자가 별도의 소수 주제를 요청했을 때 그는 11명이 하천을 따라 홍수를 목격했다고 보고한 것을 발견했습니다. 이 중요하지만 "약간 반복되는" 경고는 첫 번째 요약에서 제거되었습니다. 소수의 목소리를 보호하는 것은 보안 문제가 될 수 있습니다.

사례 2 - 보이지 않는 이웃. 팀은 프로필 분석을 통해 투표율의 70%가 중앙 3개 지역에서 발생하는 반면 외곽 지역은 거의 반응을 보이지 않는다는 사실을 발견했습니다. 그곳에서는 온라인 양식에 대한 접근성이 낮습니다. 팀은 대면 회의와 가구 조사를 추가하여 표현을 개선합니다. 채널 다양성은 공정성을 위한 필수 조건입니다.

사례 3 — 정직한 보고. 한 지자체는 참여 보고서에 "2,400명이 이 과정에 참여했지만, 65세 이상 노인과 교외 지역 2곳은 대표성이 낮았고, 이들 그룹을 위한 추가 회의가 열렸다"고 명확히 기록했습니다. 국회는 결과를 현실적인 무게로 평가한다. 결함을 숨기기보다는 보고하는 것이 참여를 정당화합니다.

일반적인 실수

• AI 요약을 유일한 진실로 착각합니다. 원시 데이터에 대한 접근은 보호되어야 합니다. 요약댓글입니다.
• 빈도와 공정성을 혼동합니다. 매우 반복적인 요청은 가장 정확한 요청이 아닙니다.
• 소수 접촉을 제거합니다. 드물지만 중요한 경고(안전, 홍수)를 잃어서는 안 됩니다.
• 참가자 프로필을 검토하지 않습니다. 누락된 사람이 누구인지 질문하지 않으면 제외가 표시되지 않습니다.
• 단일 채널에 의존합니다. 각 채널에는 그룹이 없습니다. 다양성은 필수입니다.
• 참여를 '승인'으로 표현합니다. 참여는 정당성의 겉치레가 아니라 결정에 대한 입력입니다.
• 개인정보를 보호하지 않습니다. 익명처리 없이 의견을 처리해서는 안 됩니다.

요약하면

참여적 계획은 계획을 정당화하는 지식과 민주주의의 원천입니다. AI는 수집된 대규모 정성 데이터를 요약하고, 주제를 추출하고, 보고하는 데 강력한 도움이 됩니다. 그러나 AI는 표현 편향을 수반합니다. 즉, 다수와 빈번한 표현을 높이고 소수와 디지털 방식으로 접근할 수 없는 표현을 줄입니다. 적절한 사용을 위해 원시 데이터에 대한 액세스를 유지하고, 소수 주제를 별도로 모니터링하고, 참가자 프로필을 검토하고, 추가 채널을 통해 누락된 그룹을 채우고, 진행 상황을 정직하게 보고합니다. AI 요약은 참여를 대체할 수 없습니다. 최종 결정은 투명하고 책임 있는 공개 프로세스에 달려 있습니다.

응용과제

참여 데이터세트(실제 또는 샘플)를 고려하세요. (1) 첫 번째 템플릿을 사용하여 주요 주제와 소수 주제를 별도로 추출합니다. 적어도 하나의 중요한 소수 주제를 포착하십시오. (2) 두 번째 템플릿을 사용하여 참가자 프로필을 검토하고 누락된 그룹을 식별하고 추가 채널을 제안합니다. (3) AI 요약을 세 번째 템플릿으로 원시 데이터와 비교하기 위한 체크리스트를 생성합니다. (4) "누가 없어졌나요? 누구의 목소리가 쉰가요?" 이 데이터의 맥락에서 질문에 대답하십시오.

체크리스트

• [ ] 참여 데이터를 익명화했습니다. 개인정보를 보호했어요.
• [ ] 참가자 프로필을 검토했습니다. 누락된 그룹을 확인했습니다.
• [ ] 나는 또한 소수적이고 비판적인 주제를 원했습니다. 나는 그가 제거되는 것을 막았습니다.
• [ ] AI 요약을 원시 데이터와 비교했습니다.
• [ ] 누락된 사운드를 추가 참여채널로 완성하였습니다.
• [ ] 나는 출석을 솔직하게 보고했습니다. 나는 그것을 "승인"으로 제시하지 않았습니다.
• [ ] 최종 결정은 투명한 공개 과정에 맡깁니다.