IMPROVING MUNICIPAL RESPONSIVENESS THROUGH AI-POWERED IMAGE ANALYSIS IN E-GOVERNMENT

Santrauka

Mašininio mokymosi (angl. Machine Learning, ML) metodų integravimas į viešąjį administravimą žymi naują ir transformuojančią e. valdžios sistemų erą. Tradiciškai e. valdžios studijose daugiausia dėmesio buvo skiriama tekstinei sąveikai, o šioje studijoje nagrinėjamas novatoriškas ML taikymas vaizdų analizei - metodas, leidžiantis vyriausybėms veiksmingiau nagrinėti piliečių peticijas. Naudojant vaizdų klasifikavimo ir objektų aptikimo algoritmus, šiame straipsnyje siūlomas modelis padeda valstybės institucijoms 
nustatyti ir greitai reaguoti į piliečių pateiktus įrodymus paveikslėlių formatu. Pavyzdžiui, infrastruktūros klausimus, aplinkosaugos problemas ar kitas miesto problemas, su kuriomis gali susidurti piliečiai. Tyrime taip pat pabrėžiamas Jevonso paradoksas kaip kritinis veiksnys, kai didesnis efektyvumas iš piliečių pusės (ypač naudojant mobiliąsias platformas ir programėles) gali sukelti didesnę paklausą, kuri turėtų lemti keičiamo dydžio ir patikimus sprendimus. Remdamasis Rumunijos savivaldybės, kuri pateikė piliečių pateiktų vaizdų duomenų rinkinius, autorius išanalizavo ir įrodė, kad ML gali pagerinti viešųjų institucijų tikslumą ir 
operatyvumą. Išvados rodo, kad ML taikymas e. peticijų sistemose gali ne tik padidinti piliečių dalyvavimą, bet ir pagreitinti administracinius procesus, atveriant kelią skaidresniam ir veiksmingesniam valdymui. Šis tyrimas prisideda prie e. valdžios 3.0 diskurso, parodydamas dirbtinio intelekto (DI) potencialą transformuoti viešųjų paslaugų teikimą, užtikrinant tvarius (ir pritaikomus) sprendimus, atitinkančius didėjančius šiuolaikinio miestų valdymo poreikius.

Reikšminiai žodžiai: mašininis mokymasis, vaizdų analizė, e. valdžia, piliečių dalyvavimas, inovacijos.