การพัฒนาระบบนิเวศของข้อมูลสำหรับการปฏิบัติด้านนโยบาย: ประสบการณ์ PolicyCLOUD และการประเมิน

Ofer Biran, Oshrit Feder, Yosef Moatti, Athanasios Kiourtis, Dimosthenis Kyriazis, George Manias, Argyro Mavrogiorgou, Nikitas M. Sgouros, Martim T. Barata, Isabella Oldani, María A. Sanguino, Pavlos Kranas, Samuele Baroni, Miquel Mila Prat, Sergio Salmerón และ Metodiyka Tarlyovska

การแก้ปัญหาเชิงปฏิบัติของนโยบายต้องการข้อมูลที่โดยทั่วไปมีหลายประเภท ดังนั้น ผู้กำหนดนโยบายจึงต้องจัดการแหล่งข้อมูลประเภทต่างๆ และวิธีการทางวิทยาศาสตร์หลายๆ วิธีที่จำเป็นในการทำความสะอาด กรอง วิเคราะห์ ตรวจสอบความถูกต้อง และอาจเพิ่มชุดข้อมูลเมื่อมีการนำเข้าข้อมูล การประมวลผลดังกล่าวเป็นข้อบังคับหากข้อมูลต้องให้คุณค่า

PolicyCLOUD เป็นโครงการวิจัยที่ได้รับทุนสนับสนุนจากสหภาพยุโรปที่กำลังดำเนินอยู่ ซึ่งนำเสนอแนวทางปฏิบัติด้านนโยบายที่เน้นข้อมูลเป็นศูนย์กลางที่เป็นนวัตกรรมใหม่ เป้าหมายนี้เข้าถึงได้ผ่านระบบนิเวศบนคลาวด์ที่สนับสนุนการจัดการนโยบายที่ขับเคลื่อนด้วยข้อมูลในลักษณะที่มีประสิทธิภาพซึ่งถูกต้องตามกฎหมายและถูกต้องตามหลักจริยธรรม[2] ระบบนิเวศนี้ประกอบด้วยสภาพแวดล้อมบนระบบคลาวด์แบบผสานรวมที่ไม่เหมือนใครซึ่งกำหนดเป้าหมายการนำเข้าและการใช้ข้อมูลที่ง่ายและมีประสิทธิภาพเพื่อประโยชน์ในการสร้างนโยบาย การตรวจสอบ และการประเมิน

ในบทความการวิจัยของเราซึ่งเป็นการเข้าถึงแบบเปิดในข้อมูลและนโยบาย [5] เราได้อธิบายประเภทของแหล่งข้อมูลที่ใช้โดยระบบนิเวศ ความสามารถในการวิเคราะห์ในตัวของสภาพแวดล้อมนี้ และการใช้งานเบื้องต้นของ PolicyCLOUD เพื่อแก้ปัญหาจริง ปัญหานโยบาย

PolicyCLOUD นำเสนอกล่องเครื่องมือสำหรับนักวิทยาศาสตร์ข้อมูลสำหรับการนำเข้าและเตรียมชุดข้อมูลสำหรับการวิเคราะห์นโยบาย โดยเฉพาะอย่างยิ่ง PolicyCLOUD มีวิธีที่มีประสิทธิภาพในการ:

1. ลงทะเบียนชุดข้อมูลและฟังก์ชันการวิเคราะห์
2. ใช้ไปป์ไลน์ของฟังก์ชันการวิเคราะห์แบบทันทีทันใดกับชุดข้อมูลเมื่อนำเข้า เพื่อแปลงข้อมูล (เช่น ลบข้อมูลที่ไม่เกี่ยวข้องออก) หรือเพื่อดึงข้อมูลเชิงลึกเริ่มต้น (เช่น การเพิ่มข้อมูลเชิงลึกในการวิเคราะห์ เช่น การวิเคราะห์ความรู้สึกเพื่อเพิ่มความสมบูรณ์ให้กับชุดข้อมูล):
3. ใช้ฟังก์ชันการวิเคราะห์กับชุดข้อมูลหลังจากนำเข้าเพื่อแยกและ/หรือแสดงข้อมูลเป็นภาพจากข้อมูลที่จัดเก็บภายในที่เก็บข้อมูล PolicyCLOUD

จากมุมมองทางสถาปัตยกรรม PolicyCLOUD ได้รับการสร้างขึ้นบนผู้ให้บริการระบบคลาวด์แบบไร้เซิร์ฟเวอร์ เพื่อให้ฟังก์ชันการวิเคราะห์ใดๆ ที่เรียกใช้งานระหว่างหรือหลังการนำเข้าข้อมูลได้รับการดำเนินการในสภาพแวดล้อมแยกของตนเอง (เช่น ในคอนเทนเนอร์) ซึ่งช่วยให้สามารถปรับขนาดได้และขนานกันในระดับสูง นอกจากนี้ โมเดลแบบจ่ายต่อการใช้งานแบบไร้เซิร์ฟเวอร์ยังน่าสนใจมากสำหรับทั้งเจ้าของโครงสร้างพื้นฐาน PolicyCLOUD และผู้กำหนดนโยบาย เนื่องจากการใช้งานโดยรวมของแพลตฟอร์ม PolicyCLOUD อาจมีความผันผวนอย่างมาก

เพื่อให้ผู้กำหนดนโยบายสามารถดึงข้อมูลเชิงลึกอันมีค่าจากชุดข้อมูลในลักษณะที่ชอบด้วยกฎหมายและยุติธรรมต่อปัจเจกบุคคลและสังคมในวงกว้าง PolicyCLOUD จึงได้รับการพัฒนาโดยใช้กรอบที่ครอบคลุมซึ่งรวมข้อกำหนดทางเทคนิคและองค์กรเพื่อจัดการกับข้อกังวลด้านกฎหมายและจริยธรรมที่อาจเกิดขึ้นใน บริบทของการกำหนดนโยบายตามหลักฐาน กรอบการทำงานนี้ประกอบด้วยการควบคุมทางกฎหมายและจริยธรรมหลายประการ นอกเหนือจากมาตรการที่มีเป้าหมายเพื่อลดปริมาณข้อมูลส่วนบุคคลที่รวบรวมจากชุดข้อมูล (ตามหลักการของการลดขนาดข้อมูล) และสร้างความมั่นใจว่าการดำเนินการข้อมูลที่จำเป็นทั้งหมดจะดำเนินการในลักษณะที่อนุญาตให้ข้อมูล อยู่ภายใต้การใช้สิทธิของตน (เช่น ภายใต้ GDPR) โดยเฉพาะอย่างยิ่ง, พารามิเตอร์การลงทะเบียน (ทั้งสำหรับชุดข้อมูลและฟังก์ชันการวิเคราะห์) ช่วยให้ผู้ลงทะเบียนสามารถให้ข้อมูลเกี่ยวกับมาตรการเฉพาะที่ได้ดำเนินการเพื่อจัดการกับความเสี่ยงของอคติที่มีอยู่ในฟังก์ชัน/ชุดข้อมูล หรือข้อจำกัดทางกฎหมาย/จริยธรรมอื่นๆ ที่เกี่ยวข้องซึ่งอาจมีอยู่ (เช่น การมีอยู่ของข้อมูลส่วนบุคคลในชุดข้อมูล การจัดการการแลกเปลี่ยนที่เกี่ยวข้องในการพัฒนาฟังก์ชัน และ/หรือการอนุญาตจากผู้ถือสิทธิ์ที่เกี่ยวข้อง) เมื่อการลงทะเบียนเสร็จสมบูรณ์ ผู้ใช้ PolicyCLOUD คนใดก็ตามสามารถเข้าถึงข้อมูลที่ให้ไว้ในระหว่างกระบวนการลงทะเบียนได้ในภายหลัง เพื่อให้ข้อมูลนี้ได้รับการพิจารณาเมื่อประเมินความมีชีวิตของชุดข้อมูลที่กำหนดและ/หรือการใช้งานของฟังก์ชันในบริบทเฉพาะ g. การมีอยู่ของข้อมูลส่วนบุคคลในชุดข้อมูล การจัดการการแลกเปลี่ยนที่เกี่ยวข้องในการพัฒนาฟังก์ชัน และ/หรือการอนุญาตจากผู้ถือสิทธิ์ที่เกี่ยวข้อง) เมื่อการลงทะเบียนเสร็จสมบูรณ์ ผู้ใช้ PolicyCLOUD คนใดก็ตามสามารถเข้าถึงข้อมูลที่ให้ไว้ในระหว่างกระบวนการลงทะเบียนได้ในภายหลัง เพื่อให้ข้อมูลนี้ได้รับการพิจารณาเมื่อประเมินความมีชีวิตของชุดข้อมูลที่กำหนดและ/หรือการใช้งานของฟังก์ชันในบริบทเฉพาะ g. การมีอยู่ของข้อมูลส่วนบุคคลในชุดข้อมูล การจัดการการแลกเปลี่ยนที่เกี่ยวข้องในการพัฒนาฟังก์ชัน และ/หรือการอนุญาตจากผู้ถือสิทธิ์ที่เกี่ยวข้อง) เมื่อการลงทะเบียนเสร็จสมบูรณ์ ผู้ใช้ PolicyCLOUD คนใดก็ตามสามารถเข้าถึงข้อมูลที่ให้ไว้ในระหว่างกระบวนการลงทะเบียนได้ในภายหลัง เพื่อให้ข้อมูลนี้ได้รับการพิจารณาเมื่อประเมินความมีชีวิตของชุดข้อมูลที่กำหนดและ/หรือการใช้งานของฟังก์ชันในบริบทเฉพาะ

PolicyCLOUD ยังสามารถใช้ประโยชน์จากพลังของการจำลองเป็นแหล่งข้อมูลเชิงลึก เพื่อให้การตัดสินใจสำหรับนโยบายได้รับการออกแบบตามผลลัพธ์จำลองของโซลูชันทางเลือก ซึ่งทำได้ผ่าน Politika [4] ซึ่งเป็นเฟรมเวิร์กภายนอกของสภาพแวดล้อม PolicyCLOUD ที่นำมาใช้ในระหว่างโครงการ ซึ่งนำเสนอวิธีการจำลองเมตาแบบใหม่สำหรับการออกแบบนโยบาย วิธีการนี้ทำให้ง่ายต่อการจำลองนโยบายที่เสนอและดำเนินการวิเคราะห์เปรียบเทียบและประเมินสมมติฐาน กลไก และผลลัพธ์ Politika ผสานรวมเข้ากับสภาพแวดล้อม PolicyCLOUD ผ่านอินเทอร์เฟซสำหรับวัตถุประสงค์ทั่วไปที่สามารถใช้เพื่อเสริมแพลตฟอร์มด้วยเฟรมเวิร์กภายนอกอื่นๆ ได้เช่นกัน จึงช่วยอำนวยความสะดวกในการขยายแพลตฟอร์มโครงการด้วยเครื่องมือวิเคราะห์ภายนอก

ตารางที่ 1: ผลลัพธ์ตัวอย่างสำหรับกรณีการใช้การทำให้รุนแรง

เราใช้ PolicyCLOUD เสริมด้วย Politika เพื่อจำลองนโยบายที่มุ่งจำกัดการแพร่กระจายของแนวคิดสุดโต่งผ่านทางโซเชียลมีเดีย เราสันนิษฐานว่ากระบวนการทำให้เป็นอนุมูลมีลักษณะของการยอมรับอุดมคติทางการเมือง สังคม หรือศาสนาแบบสุดโต่งในประชากรผ่านอิทธิพลทางสังคม จากสมมติฐานนี้ เราจำลอง เปรียบเทียบ และประเมินทางเลือกนโยบายต่างๆ สำหรับการจำกัดการแพร่กระจายของความรุนแรงในประชากรผ่านอิทธิพลทางสังคม ทางเลือกเหล่านี้สำรวจช่วงเวลาจำกัดที่แตกต่างกันสำหรับอนุมูลที่เป็นอันตรายและประมาณการต้นทุนของอนุมูล พร้อมกับผลกระทบที่มีต่อเปอร์เซ็นต์สุดท้ายของอนุมูลในประชากร ตารางที่ 1 ซึ่งสร้างจาก PolicyCLOUD ผ่านการใช้ Politika เป็นเครื่องมือภายนอก แสดงตัวอย่างผลลัพธ์ที่เราได้รับสำหรับทางเลือกนโยบายต่างๆ แต่ละแถวในตารางนี้สอดคล้องกับทางเลือกอื่น สองคอลัมน์แรกอธิบายถึงค่าที่กำหนดโดยผู้กำหนดนโยบายสำหรับพารามิเตอร์นโยบาย limitresightion_threshold (ค่าประมาณของปริมาณการทำให้รุนแรงขึ้น ซึ่งควรจะจำกัดการใช้ความรุนแรงที่มากเกินไป) และข้อจำกัดของระยะเวลา (ช่วงเวลาที่อนุมูลอยู่ภายใต้การจำกัด) สามคอลัมน์ถัดไปจะอธิบายเปอร์เซ็นต์ของอนุมูลที่ถูกจำกัด เปอร์เซ็นต์โดยรวมของอนุมูล และต้นทุนนโยบายการจำกัดที่คำนวณโดย Politika เมื่อสิ้นสุดการจำลองของแต่ละทางเลือก คอลัมน์สุดท้ายอธิบายจำนวนการเชื่อมต่อสูงสุดที่แต่ละบุคคลสามารถมีได้ในประชากร ตามที่กำหนดโดยผู้กำหนดนโยบาย ซึ่งให้ค่าประมาณของระดับความเสมอภาคในกลุ่มสังคม โดยทั่วไป

หนึ่งในผู้เริ่มใช้ PolicyCLOUD คือเทศบาลเมืองโซเฟีย ประเทศบัลแกเรีย ซึ่งใช้กล่องเครื่องมือสำหรับกรณีการใช้งานหลายกรณี หนึ่งในกรณีการใช้งานดังกล่าว เทศบาลเมืองโซเฟียได้ใช้ PolicyCLOUD เพื่อปรับปรุงโครงสร้างพื้นฐานด้านถนนของเมือง

จุดเน้นของความพยายามของเทศบาลในพื้นที่นี้คือการปรับปรุงนโยบายที่เกี่ยวข้องกับโครงสร้างพื้นฐานของถนนในท้องถิ่น โดยผ่านการวิเคราะห์ข้อมูลและสัญญาณที่ประชาชนให้ไว้ตามสถานที่ตั้ง ต้องขอบคุณ PolicyCLOUD เทศบาลเมืองโซเฟียสามารถทำการวิเคราะห์โดยละเอียดเกี่ยวกับการกระจายสัญญาณตามเขตแดนตามประเภท/ประเภท ภูมิภาค เขต เส้นทางคมนาคมหลัก และอื่นๆ สิ่งนี้ช่วยให้ฝ่ายบริหารของเทศบาลและภูมิภาคสามารถระบุปัญหาในโครงสร้างพื้นฐานของถนนและสภาพแวดล้อมของเมืองโดยรอบ จากนั้นจึงนำมาใช้หรือเปลี่ยนแปลงการตัดสินใจเชิงนโยบาย รวมถึงการวางแผนงบประมาณ เพื่อเพิ่มประสิทธิผลของงบประมาณและทรัพยากรสาธารณะ การวิเคราะห์โดยละเอียดนี้ยังได้รับการออกแบบมาเพื่อช่วยให้เทศบาลเมืองโซเฟียปรับปรุงการควบคุมและการตรวจสอบ ตลอดจนสร้างระบบเตือนภัยล่วงหน้า

ความสามารถที่น่าสนใจอื่นๆ ของ PolicyCLOUD ได้แก่ เทคโนโลยีการสร้างภาพ ซึ่งผู้กำหนดนโยบายสามารถใช้เพื่อระบุแนวโน้ม และการวิเคราะห์เชิงคาดการณ์ ซึ่งจะประมวลผลข้อมูลที่เกี่ยวข้องกับสถานที่และหัวข้อที่กำหนด และคาดการณ์ความรุนแรงและขอบเขตของการดำเนินการที่จำเป็น

ในปี 2022 เทศบาลเมืองโซเฟียใช้งบประมาณในการซ่อมแซมและบำรุงรักษาถนนเป็นจำนวนมาก เราเชื่อว่าการวิเคราะห์เชิงคาดการณ์ที่ใช้กับอุบัติเหตุทางถนนจะช่วยลดงบประมาณนี้โดยการระบุพื้นที่ที่ต้องการการซ่อมแซมและปรับปรุงมากที่สุด เทศบาลเมืองโซเฟียคาดหวังว่าการคาดคะเนประเภทและหมวดหมู่ของเหตุการณ์ที่แม่นยำซึ่งเป็นส่วนหนึ่งของการกระจายทางภูมิศาสตร์จะกลายเป็นสิ่งสำคัญสำหรับการวางแผนการใช้จ่ายงบประมาณ

สำหรับสถานการณ์โครงสร้างพื้นฐานถนนโซเฟีย เครื่องมือวิเคราะห์ข้อมูลเชิงสำรวจ SKA-EDA ของ PolicyCLOUD ถูกนำมาใช้ SKA-EDA อนุญาตให้มีการสำรวจชุดข้อมูลตามการวิเคราะห์เชิงพรรณนาที่ดำเนินการโดยการสร้างภาพข้อมูล โดยเฉพาะอย่างยิ่ง SKA-EDA เป็นเครื่องมือวิเคราะห์ข้อมูลเชิงสำรวจที่รวบรวมชุดข้อมูล ใช้การแปลง ดำเนินการคำนวณบางอย่าง และแสดงผลการแจกแจงต่างๆ (ในรูปแบบ JSON) ซึ่งโดยทั่วไปจะลงจุดโดยใช้ส่วนประกอบการแสดงภาพของ PolicyCLOUD บางส่วนของการแจกแจงตัวแปรรวมถึงการแจกแจงแบบยูนิ/ไบ-ความถี่ (ความถี่ของการเกิดขึ้นของตัวแปรหนึ่ง/สองตัว); การกระจายทางภูมิศาสตร์ (การแสดงกราฟิกของจำนวนเหตุการณ์ที่เกิดขึ้นในตำแหน่งทางภูมิศาสตร์ที่เฉพาะเจาะจง) การกระจายแบบสะสม (รวมค่าของตัวแปรตัวเลขเฉพาะในหลายหมวดหมู่)

การกระจายเหล่านี้ช่วยให้ผู้กำหนดนโยบายสามารถดำเนินการวิเคราะห์เชิงกราฟิกโดยได้รับ ตัวอย่างเช่น การกระจายของ "เขต" (รูปที่ 1) หรือการกระจายสัญญาณตามเขตแดนตามเขต (รูปที่ 2) สำหรับชุดข้อมูลโครงสร้างพื้นฐานของถนนที่จัดทำโดยนักบิน

รูปที่ 1: การกระจายของเขตโซเฟียสำหรับชุดข้อมูลโครงสร้างพื้นฐานของถนน

รูปที่ 2: การกระจายสัญญาณตามเขตแดนตามเขตของโซเฟียสำหรับชุดข้อมูลโครงสร้างพื้นฐานของถนน

การใช้งาน PolicyCLOUD ในช่วงแรกๆ ยังรวมถึงนโยบายอัจฉริยะสำหรับการพัฒนาอุตสาหกรรมอาหารเกษตร โดยเน้นที่ภาคส่วนไวน์ และการวิเคราะห์โซเชียลมีเดียที่เกี่ยวข้องกับการตลาดของไวน์ Aragon (สเปน) ในกรณีเหล่านี้ มีการใช้ PolicyCLOUD ในหลายรูปแบบ

ประการแรก Politika ถูกนำมาใช้ในการประเมินทางเลือกด้านการกำหนดราคาและนโยบายการโฆษณาต่างๆ ที่สามารถเพิ่มขีดความสามารถในการแข่งขันของแบรนด์ไวน์กับคู่แข่งได้ จากสถานการณ์เหล่านี้ เราได้ระบุปัจจัยที่สำคัญในแนวปฏิบัติทางดิจิทัลสำหรับการกำหนดนโยบายและแบ่งปันบทเรียนที่ได้รับในแง่ของประสิทธิภาพ ประสิทธิภาพ ความเพียงพอ และความสะดวกในการใช้งานสำหรับระบบนิเวศที่เกิดขึ้น

ประการที่สอง PolicyCLOUD ช่วยให้ผู้ใช้มีความเข้าใจที่กว้างขึ้นเกี่ยวกับตลาดและความต้องการและความพึงพอใจของลูกค้า บรรลุเป้าหมายที่สำคัญนี้ได้โดยใช้เครื่องมือการวิเคราะห์แนวโน้มและการวิเคราะห์ความคิดเห็นกับข้อมูลโซเชียลมีเดีย (โดยเฉพาะทวีต) เครื่องมือเหล่านี้ช่วยให้ผู้ใช้สามารถกรองเนื้อหาโซเชียลมีเดียโดยใช้ออนโทโลจี/อนุกรมวิธานเฉพาะที่สร้างขึ้นโดยผู้ใช้โดยตรง เพื่อดึงข้อมูลที่เป็นประโยชน์และข้อมูลที่มีคุณภาพ จากข้อมูลที่กรองนี้ ผู้กำหนดนโยบายสามารถเข้าถึงภาพรวมโดยละเอียดของสถานการณ์ได้ การกรองเอาต์พุตตามตำแหน่งที่ตั้งทางภูมิศาสตร์ไม่เพียงช่วยตรวจสอบสถานะของภูมิภาคที่กำหนดเท่านั้น แต่ยังช่วยให้เข้าใจการชื่นชมผลิตภัณฑ์ในฐานะฟังก์ชันของตำแหน่งที่ตั้งอีกด้วย ความเป็นไปได้ของการกรองผลลัพธ์ชั่วคราวทำให้การวิเคราะห์ผลกระทบของนโยบายหรือข้อบังคับที่กำหนดซึ่งนำมาใช้ง่ายขึ้น ทางนี้,

เพื่อให้เนื้อหา PolicyCLOUD เผยแพร่สู่สาธารณะ เราได้พัฒนา Data Marketplace (https://marketplace.policycloud.eu/) ซึ่งเนื้อหาที่เกี่ยวข้องกับ PolicyCLOUD เช่น ชุดข้อมูลที่ถูกโจมตี เครื่องมือที่พัฒนาขึ้น บทช่วยสอนที่เกี่ยวข้อง และเอกสารการวิจัยสามารถเข้าถึงได้อย่างเปิดเผย

เกี่ยวกับผู้เขียน

Ofer Biran, Oshrit Feder และ Yosef Moatti ประจำอยู่ที่ IBM Research ในเมืองไฮฟา ประเทศอิสราเอล Athanasios Kiourtis, Dimosthenis Kyriazis, George Manias, Argyro Mavrogiorgou, Nikitas M. Sgouros เป็นพันธมิตรกับ Department of Digital Systems ที่มหาวิทยาลัย Piraeus ในกรีซ Martim T. Barata และ Isabella Oldani อยู่ที่ ICT Legal Consulting ในเมืองมิลาน ประเทศอิตาลี Pavlos Kranas ประจำอยู่ที่ LeanXcale Research and Development ในกรุงมาดริด ประเทศสเปน Samuele Baroni ประจำอยู่ที่ Maggioli SpA Research and Innovation, Santarcangelo di Romagna ประเทศอิตาลี Miquel Mila Prat และ Sergio Salmerón อยู่ในกลุ่ม Research & Innovation ของ Atos ในปารีส ประเทศฝรั่งเศส Metodiyka Tarlyovska เป็นที่ปรึกษากฎหมายอาวุโสในเทศบาลเมืองโซเฟีย ประเทศบัลแกเรีย

อ้างอิง

[1] WN Dunn การวิเคราะห์นโยบายสาธารณะ: บทนำ เลดจ์ 2017

[2] D. Kyriazis และคณะ “PolicyCLOUD: Analytics เป็นบริการที่อำนวยความสะดวกในการจัดการนโยบายสาธารณะที่ขับเคลื่อนด้วยข้อมูลอย่างมีประสิทธิภาพ ใน: Maglogiannis I., Iliadis L., Pimenidis E. (eds) การประยุกต์ใช้ปัญญาประดิษฐ์และนวัตกรรม. AIAI 2020 IFIP ความก้าวหน้าด้านเทคโนโลยีสารสนเทศและการสื่อสาร เล่มที่ 583 Springer, 2020

[3] Hu, VC, Kuhn, DR, Ferraiolo, DF, & Voas, J., “การควบคุมการเข้าถึงตามแอตทริบิวต์” คอมพิวเตอร์ฉบับ 48เลขที่ 2, 85–88, 2015.

[4] นิกิตาส เอ็ม. สกูรอส. พ.ศ. 2565 การเมือง: การนำวิธีการจำลอง Meta-Simulation แบบใหม่มาใช้สำหรับการออกแบบนโยบายสาธารณะบนเว็บ รัฐบาลดิจิทัล: การวิจัยและการปฏิบัติ (เพิ่งยอมรับ (ตุลาคม 2565))https://doi.org/10.1145/3568167

[5] Biran, O., et al (2022) PolicyCLOUD: ต้นแบบของระบบนิเวศคลาวด์แบบไร้เซิร์ฟเวอร์สำหรับการวิเคราะห์นโยบาย ข้อมูลและนโยบาย, 4 , E44. ดอย:10.1017/dap.2022.32