Modell für maschinelles Lernen verfolgt Trends in der öffentlichen Finanzforschung

Was sind die wichtigsten Themen im Bereich der öffentlichen Finanzen und Budgetierung, wie haben sie sich verändert und welche Zukunftsthemen sollten von Fachleuten und Praktikern stärker erforscht werden?

Can Chen und zwei seiner ehemaligen Doktoranden, Shiyang Xiao an der Syracuse University und Boyuan Zhao an der Florida International University, nutzten eine Technik des maschinellen Lernens – strukturelle Themenmodellierung (STM), um diese Themen und ihre Dynamik in den letzten 40 Jahren zu identifizieren ein Artikel kürzlich in der Zeitschrift veröffentlicht Öffentlicher Haushalt und Finanzen.

Mithilfe des STM identifizierten Chen und seine Kollegen aus den Titeln und Zusammenfassungen von 1.028 Artikeln, die von 1981 bis 2020 in der Zeitschrift veröffentlicht wurden, 15 latente Themen in den Bereichen öffentliche Haushaltsplanung, öffentliche Finanzen und öffentliches Finanzmanagement Standardprüfungen für Certified Public Finance Officers (CPFO) durchgeführt und viele Überschneidungen festgestellt. Allerdings könnten einige Themen, die seltener erwähnt wurden, auf einige noch wenig erforschte Forschungsagenden in PB&F hinweisen.

Chen, außerordentlicher Professor für öffentliches Management und Politik an der Andrew Young School of Policy Studies, leitet die Doktorarbeit der Hochschule. Programme in der öffentlichen Ordnung. Nachdem er diese Forschung auf der von der Georgia State University veranstalteten Next Generation Public Finance-Konferenz vorgestellt hatte, erhielt er hilfreiches Feedback und Kommentare, die er dankbar anerkennt. In den folgenden Fragen und Antworten verrät Chen mehr über die Zeitschrift, die Ergebnisse und seine Motivation, die Studie mit seinen Kollegen durchzuführen.

Was hat Sie zu dieser Studie inspiriert?

Da die Zeitschrift 40 Jahre alt war, wollten wir etwas unternehmen, um ihr Jubiläum zu feiern: einen Rückblick auf die Geschichte der Zeitschrift. Ein weiterer Grund ist, dass die von uns verwendete Methodik, maschinelles Lernen, in dieser Veröffentlichung neu war. Traditionell wurden die Artikel manuell überprüft. Wir haben Technologie eingesetzt, um eine intelligente Überprüfung durchzuführen.

Und was noch wichtiger ist: Manchmal kommen Doktoranden zu mir und fragen, ob ich verstehe, was die großen Trends auf diesem Gebiet sind. Sie müssen sich im ersten Jahr spezialisieren, deshalb fragen sie mich nach der Gesamtlandschaft der öffentlichen Haushalts- und Finanzplanung: Was sind die wichtigsten aktuellen Themen in diesem Bereich? Mit dieser Studie konnten wir 40 Jahre zurückblicken und, was für Doktoranden noch wichtiger ist, auf die jüngste Geschichte zurückblicken, um Trends zu ermitteln.

Wie kamen Sie auf die Idee, maschinelles Lernen und Text Mining zu nutzen, um Trends und Themen zu finden?

Als ich nach Georgia kam, förderte AYSPS seine Digital Landscape Initiative, bei der Big Data für Analysen genutzt wurde. Also dachte ich: „Oh, großartig! Das ist eine großartige Methodik, und die Schule möchte, dass wir sie anwenden.“

Andere Bereiche nutzen maschinelles Lernen, um bei der Analyse großer Datenmengen zu helfen – Ingenieurwesen, Wissenschaft und Technologie – aber nach unserem Verständnis handelt es sich bei uns um eine der ersten Forschungsanstrengungen, die maschinelles Lernen und Text-Mining-Methoden in den Bereich der öffentlichen Haushaltsplanung und Finanzen einführt. Darum geht es uns: Ideen aus anderen Disziplinen zu nutzen und auf unsere Disziplin anzuwenden.

Welche wichtigen Trends haben Ihre Untersuchungen ergeben?

Das erste und wichtigste, was ich erwähnen sollte, sind die Praktiker. Die Zeitschrift wurde gegründet, um den Wissensaustausch zwischen Praktikern und Wissenschaftlern zu fördern. Wir haben festgestellt, dass wir in der Vergangenheit immer weniger von diesem Austausch seitens der Praktiker sehen, die in der Zeitschrift veröffentlichen. Wir müssen mehr Engagement mit Praktikern fördern. Und wir müssen dafür sorgen, dass die Doktoranden den Standpunkt des Praktikers zu diesem Fachgebiet besser verstehen.

Unsere Ergebnisse haben wichtige Implikationen, um Wissenschaftlern, Praktikern und Studenten der Staatshaushalts- und Finanzplanung dabei zu helfen, den Überblick über die Gesamtlandschaft dieser Literatur zu behalten. Es hilft ihnen dabei, ein tieferes Verständnis für die Forschungsbereiche zu erlangen und Kooperationen zwischen Forschern mit unterschiedlichen Spezialisierungen aufzubauen.

Diese Forschung kann für Doktoranden und andere bei der Förderung neuer Studienthemen nützlich sein. Wir müssen nach vorne blicken und mehr Forschung zu öffentlichen Haushalten und Finanzen im Hinblick auf große zukünftige Herausforderungen wie Gesundheitsversorgung, Technologie und Klimawandel betreiben. Dies sind wichtige Bereiche, die wir im Zusammenhang mit öffentlichen Finanzen und Haushaltsplanung erforschen können, um der Gesellschaft bei der Bewältigung dieser Herausforderungen zu helfen.

Warum ist Ihre Analyse wichtig? Wen wird es betreffen?

Erstens ist es sehr wichtig, dass Studierende, Praktiker und Wissenschaftler sowohl das Gesamtbild als auch die Entwicklung des Fachgebiets kennen. Umso wichtiger ist es, über die zukünftige Ausrichtung dieser öffentlichen Haushalts- und Finanzforschung nachzudenken und über die Bereiche, in die wir in Zukunft mehr Zeit investieren müssen.

Darüber hinaus verfassten viele Praktiker in der frühen Geschichte der Zeitschrift sowie der öffentlichen Haushalts- und Finanzplanung wissenschaftliche Arbeiten. Nun ist es sehr schwer, diese Leute – die Praktizierenden – zu finden, die schreiben und veröffentlichen. Da es sich jedoch um ein sehr praktisches Fachgebiet handelt, müssen Wissenschaftler darüber nachdenken, wie sie Artikel schreiben können, die das Fachgebiet und die Praxis besser repräsentieren, und mit Praktikern zusammenarbeiten, um diesen Wissensaustausch zu fördern.

Mehr Informationen:
Can Chen et al., Maschinelles Lernen trifft auf das Journal of Public Budgeting and Finance: Themen und Trends über 40 Jahre, Öffentlicher Haushalt und Finanzen (2023). DOI: 10.1111/pbaf.12348

Zur Verfügung gestellt von der Georgia State University

ph-tech