Barriers to the digital transformation of infrastructure sectors

Abstract

Digital technologies can be important to policy-makers and public servants, as these technologies can increase infrastructure performance and reduce environmental impacts. For example, utilizing data from sensors in sewer systems can improve their management, which in turn may result in better surface water quality. Whether such big data from sensors is utilized is, however, not only a technical issue, but also depends on different types of social and institutional conditions. Our article identifies individual, organizational, and institutional barriers at the level of sub-states that hinder the evaluation of data from sewer systems. We employ fuzzy-set Qualitative Comparative Analysis (fsQCA) to compare 23 Swiss sub-states and find that two barriers at different levels can each hinder data evaluation on their own. More specifically, either a lack of vision at the individual level or a lack of resources at the organizational level hinder the evaluation of data. Findings suggest that taking into account different levels is crucial for understanding digital transformation in public organizations.

Ciencia de datos en la evaluación del impacto de las políticas públicas: Una revisión de la literatura

“…Por otro lado, respecto a los marcos teóricos utilizados, se ha encontrado una gran variedad en cuanto a enfoques y alcance, que es lo que se esperaba dada la variedad en la amplitud y enfoque de los problemas que han abordado los investigadores revisados. Entre los marcos teóricos con un amplio alcance que pueden ser destacados se encuentran: el Marco TIC para abordar los ODS, cuyo objetivo es gestionar la complejidad de los ODS y proporcionar conocimientos para construir plataformas de TIC propuesto por Kostoska & Kocarev (2019); el marco propuesto por Ballester (2021), denominado Marco de adopción-clasificación de IA para instancias gubernamentales, cuyo propósito es proveer de criterios tangibles para evaluar el despliegue de proyectos de IA en el sector público; el modelo de tres niveles (individual, organizativo e institucional) y 4 condiciones (ausencia de una visión, falta de recursos, ausencia de cultura de digitalización y fragmentación administrativa) propuesto por Manny et al (2021), resulta relevante pues puede ser un punto de partida para la identificación de las barreras que enfrenta el sector público para la adopción de la IA; y finalmente el Ciclo Dinámico de la Políticas Del mismo modo, entre los marcos teóricos asociados a la problemática más específica o de menor alcance podemos citar como relevantes a la Inteligencia Artificial Explicable (XIA por sus siglas en inglés) tratada en el artículo de Pi (2021), cuyo objetivo es contribuir a reducir la opacidad de los algoritmos IA, el cual según sus proponentes es en última instancia un problema de interacción persona-ordenador (HCI, por sus siglas en inglés); el Marco basado en argumentos para evaluar la incertidumbre en los modelos basados en datos estudiado por Knüsel et al (2020), resulta interesante para las investigaciones orientadas a resolver los problemas de incertidumbre de segundo orden; los modelos basados en actividad, que con respecto a los basados en procesos representan ventajas para estimar los efectos de las políticas, que en el caso estudiado por Bassolas et al (2019), se aplicó al transporte privado pero que es posible trasladarlo a otros sectores; otro marco conceptual, aunque orientado a aplicaciones específicas del sector salud, resulta relevante para las investigaciones relacionadas a evaluar el impacto de políticas públicas, es el Entorno Vital Inteligente (SLE por sus siglas en ingles), que representan un marco para diseñar entornos que faciliten las mediciones a través de sensores del bienestar de las personas estudiado por Casaccia et al (2021); y finalmente en este grupo podemos mencionar como un marco relevante para investigaciones futuras relacionadas al tema, a los Ecosistemas de Grandes Datos del Gobierno (GBDE) cuyo fin es lidiar con el desafío de tratar con grandes cantidades de datos de diferentes fuentes y formatos, estudiado con amplitud por Shah et al (2021).…”

“…De acuerdo con Manny et al (2021), la digitalización en sí misma no suele aportar beneficios inmediatos; por el contrario, produce despilfarro si las grandes cantidades de datos no se comparten, tratan y analizan adecuadamente. En este grupo de problemas, recopilamos aquellas condiciones o factores que facilitan o dificultan la obtención de beneficios de la digitalización por parte del sector público, y que han sido identificados por los investigadores como aspectos que merecen mayor investigación.…”

“…Asimismo, Dwivedi et al (2021) plantean que la política tradicional de estrategias a largo plazo que normalmente optan los gobiernos centrales y los departamentos del sector público no funcionan con tecnologías que cambian rápidamente como la IA, sería mejor si adoptaran una estrategia de planes a corto y medio plazo que puedan ser lo suficientemente flexibles como para hacer frente al cambio tecnológico y a los probables avances. En cuanto a monitoreo y rendición de cuentas, mientras que Manny et al (2021) sugieren que es necesario tener consideraciones en las investigaciones acerca de la rendición de cuentas ya que la evaluación de datos y la publicación de los resultados de la evaluación, pueden aumentar la transparencia y, por tanto, la responsabilidad de las autoridades públicas responsables; Del Río Castro et al ( 2021) identifican desafíos en el monitoreo y evaluación, debido al vacío de datos, métricas inadecuadas, metodologías de evaluación y rendición de cuentas defectuosas. Por otro lado, Van der Voort et al (2019) indican que, entre los analistas de datos y los responsables de la toma de decisiones, existen asimetrías de información, y problemas de transparencia en los procesos de big data, que es necesario estudiar desde una perspectiva más allá de la técnica.…”

Application of GIS Sensor Technology in Digital Management of Urban Gardens under the Background of Big Data

“…The system uses client/server structure, the client development tool is Android studio, and the server uses eclipse as the development tool. According to the function, the whole system is divided into three layers: data storage, network service, and client application [18]. The data storage layer mainly stores spatial data and attribute data.…”

Socio-Technical Challenges Towards Data-Driven and Integrated Urban Water Management: A Socio-Technical Network Approach

“…However, besides the idea of socio-technical fit, potential sociotechnical challenges may play an important and non-negligible role when it comes to establishing data-driven and integrated management of UWS (Fletcher and Deletic 2007;Manny et al, 2021;Yuan et al, 2019). If, for example, social actors from different organizational entities who manage different parts of an UWS (e.g., several operators, engineers, and authorities) do not exchange information within a catchment area, it might be rather difficult to achieve an integrated management of UWS elements.…”