EBPM新聞

OHA Shinbun
  • 5.0（2）
  • 社会科学
  • アップデート：隔週

「EBPM新聞」は、EBPM（Evidence-Based Policy Making：エビデンスに基づく政策立案・評価）を、政策・社会・未来を読み解くための知的素材として整理する音声番組です。 EBPMとは何か、なぜ政策評価や統計、因果推論、ロジックモデルが重要なのか。日本の自治体や行政での具体例、米国・英国・OECD諸国などの国際比較、EBPMのメリット・デメリット、限界や誤用リスクまで、学術的・中立的な立場からわかりやすく解説します。 扱うテーマは、EBMとの違い、政策評価、RCT、準実験、行政データの活用、医療・福祉・教育・労働・司法・都市政策での応用、AI時代の文献調査や政策メモ作成などです。 特定の政策や立場を支持・否定することを目的とするものではなく、「どのように考え、どのように検証するか」という思考の枠組みを提供することを重視しています。 研究者、行政関係者、学生、メディア関係者、企業の公共政策担当者、自治体職員、公共政策に関心を持つ一般の方まで、幅広い視聴者を想定しています。 このポッドキャストは、判断を代行するものではありません。視聴者自身が多角的に考え、問いを立て、より良い意思決定を行うための知的素材としてご活用ください。

  1. 9月3日

    実装編#09丨KPIとKGIの違い——EBPMでアウトプットとアウトカムを混同しない

    KPIは、政策効果の証拠なのでしょうか。 研修を20回実施した。 手続きを100種類オンライン化した。 窓口の処理時間が短くなった。 イノシシの捕獲頭数が増えた。 防災事業で死傷者が出なかった。 数字が改善すると、政策は成功したように見えます。 しかし、EBPMの視点では、KPIの達成と政策効果は同じではありません。 本エピソードでは、KPI、KGI、アウトプット、アウトカムの混同を取り上げ、行政評価で起きる「指標と目的のすり替わり」を解説します。 取り上げる主なテーマ ・KPIとKGIの違い ・アウトプットとアウトカムの違い ・成果の種類と管理上の役割 ・アウトプットをKPIに固定する危険 ・中間アウトカムと最終アウトカム ・統制可能性と社会的意義のトレードオフ ・行政職員が管理しやすい数字に向かう理由 ・結果を保証する責任から、結果から学習する責任へ ・ホルムストロムのマルチタスク理論 ・測定しやすい業務に努力が偏る問題 ・ゲーミングと数字のハッキング ・窓口処理時間KPIの副作用 ・ガードレール指標とは何か ・不登校支援と登校日数KGIの危うさ ・行政手続きのデジタル化と住民負担 ・鳥獣被害対策と捕獲頭数KPI ・地域防災と天候要因 ・KPIは政策効果の証拠ではない ・警報器としてのKPI ・行政組織の学習成熟度 ・意思決定につながらない指標は装飾である KPI、KGI、アウトプット、アウトカムは、似た言葉として扱われがちです。 しかし、本来は違う次元の概念です。 アウトプットやアウトカムは、成果が因果の階段のどこにあるのかを示します。 研修を実施した。 相談窓口を開いた。 オンライン申請画面を作った。 これは、行政が直接行ったことです。 一方で、就職率が上がった。 住民の負担が減った。 農作物被害が減った。 安心して学べる状態になった。 これは、施策の後に社会や人に起きる変化です。 つまり、アウトプットとアウトカムは、成果の種類を示す言葉です。 一方、KPIやKGIは、管理上どの数字を見るかを示す言葉です。 KPIだから必ずアウトプットでなければならないわけではありません。 KGIだから必ず最終アウトカムだけを置けばよいわけでもありません。 ここを混同すると、スピードメーターを見ながら目的地に着いたつもりになるような事故が起きます。 行政がアウトプットをKPIに置きたくなるのには、理由があります。 研修回数。 処理件数。 オンライン化した手続き数。 捕獲頭数。 相談件数。 こうした数字は、行政が比較的コントロールしやすい。 一方で、景気回復、貧困削減、健康改善、安心感、防災被害の減少といった最終アウトカムは、景気、災害、家庭環境、地域差、民間活動など、多くの外部要因に左右されます。 つまり、管理しやすい数字ほど社会的な目的から遠く、社会的に意味のある数字ほど管理しにくい。 これが、統制可能性と社会的意義のトレードオフです。 だから、行政職員がアウトプット指標に寄るのは、単なる怠慢ではありません。 むしろ、責任を果たそうとするほど、自分たちが説明できる数字に寄ってしまう。 ここに構造的な難しさがあります。 問題は、KPIを置くことではありません。 KPIを政策効果の証拠だと誤認することです。 窓口の処理時間を短くするKPIを強く置けば、処理は速くなるかもしれません。 しかし、複雑な事情を抱えた高齢者や困難ケースが、別の窓口に回されるだけなら、市民の問題は解決していません。 処理時間は改善した。 でも、手続き完了率や満足度、苦情率は悪化しているかもしれません。 これが、ゲーミングです。 数字を達成するために、制度の本来目的から外れた行動が増えてしまう。 だからこそ、KPIにはガードレール指標が必要です。 スピードを測るなら、安全も測る。 処理時間を測るなら、苦情率や複雑案件の転送率も見る。 捕獲頭数を測るなら、農作物被害額も見る。 登校日数を見るなら、本人の心理的安全や意思も見る。 オンライン化した手続き数を見るなら、実際の利用率、エラー率、住民の負担軽減も見る。 KPIは単独で置くと危険です。 目的から逸れないためのガードレールとセットで設計する必要があります。 不登校支援のような領域では、特に注意が必要です。 登校日数だけを成果にすると、支援者は子どもを学校に戻すことに強い圧力を感じます。 しかし、本人の安心感や回復のプロセスを無視して登校だけを増やしても、それは本当のアウトカムとは言えません。 行政側の数字は良くなっても、本人にとっての良い変化ではない可能性があります。 鳥獣被害対策でも同じです。 イノシシの捕獲頭数が増えても、本当に被害が出ている農地の周辺で対策できていなければ、農作物被害は減りません。 防災でも、死傷者ゼロだけを見れば、災害が起きなかった年は何もしなくても成功に見えてしまいます。 それは、政策の成果ではなく、天気の功績かもしれません。 KPIは、政策効果の証拠ではありません。 KPIは、警報器です。 数字が動いたら、何かが起きている可能性を知らせる。 しかし、本当に火事なのか。 火元はどこなのか。 燃えているのは施策なのか、外部環境なのか。 消火方法を変えるべきなのか。 そこを調べるには、追加の評価と判断が必要です。 EBPMの本当の目的は、数字を達成することではありません。 数字を使って、組織が学習することです。 捕獲頭数は増えたのに、農作物被害が減らない。 そのとき、農家へのヒアリングを行う。 罠の配置を見直す。 防護柵に予算を振り替える。 次年度の評価設計を変える。 こうした判断ルールが事前に組み込まれていて、実際に行動が変わるなら、その組織は学習しています。 逆に、KPIを報告書に並べるだけで、意思決定が何も変わらないなら、それは管理ではありません。 装飾です。 実装編#09では、KPIとKGI、アウトプットとアウトカムの違いを整理しながら、指標を「評価のための数字」ではなく、「学習のための警報器」として使うEBPMを考えます。

  2. 8月27日

    事例編#12丨クールジャパンに本気のEBPMがあったら——官民ファンドの失敗を学習可能にする設計

    もしクールジャパン機構に、本気のEBPMが組み込まれていたら。 官民ファンド。 文化産業の海外展開。 日本コンテンツ。 インバウンド。 投資損失。 累積赤字。 撤退条件。 政策効果。 これらは、どう評価されるべきだったのでしょうか。 本エピソードでは、クールジャパン機構をめぐる巨額損失と見直しの局面を素材に、「もし最初から本気のEBPMが組み込まれていたら何が変わっていたのか」を考えます。 取り上げる主なテーマ ・クールジャパン機構とは何だったのか ・文化の海外展開と官民ファンド ・クールジャパン政策そのものと機構の違い ・設立当初にあった3段階の政策ストーリー ・コンテンツ発信、商品販売、インバウンド消費 ・ロジックモデルと因果仮説の違い ・投資収益、政策効果、組織運営費を混ぜる危険 ・1.0倍超という収益目標の意味 ・公的資金の資本コスト ・社会的便益で赤字を正当化する条件 ・支援企業数や呼び水効果というKPIの限界 ・反事実、カウンターファクチュアル ・追加性、アディショナリティ ・市場成長と政策効果を混同してはいけない理由 ・本気のEBPMがあった場合の支援前審査 ・政策手段の分解 ・共通基盤型、実証学習型、商業投資型 ・RCTや差の差分析による効果測定 ・段階的投資と自動停止バルブ ・文化産業にEBPMを使う限界 ・失敗をゼロにするのではなく、質の高い失敗にする ・政策責任、経営投資責任、監督検査責任 クールジャパン機構をめぐる議論では、しばしば「最初から無計画だったのではないか」と語られます。 しかし、設立当初には一定の政策ストーリーがありました。 日本のコンテンツを海外に発信する。 現地で日本の商品やサービスを売る。 日本への関心を訪日観光へつなげる。 この流れ自体は、直感的には分かりやすいものです。 問題は、ストーリーがあったかどうかではありません。 そのストーリーが、検証可能な因果仮説に変換されていたかどうかです。 魅力を発信すれば商品が売れる。 商品が売れれば日本に来てくれる。 文化的関心が経済効果につながる。 こうした流れは、ロジックモデルとしては描けます。 EBPMのロジックモデルとは――日本の制度・作り方・因果推論から見る限界 しかし、EBPMで必要なのは、どの施策が、誰の行動を、どれくらい変えるのかを事前に定義することです。 さらに、為替、動画配信サービス、スマートフォン普及、世界的な日本食ブーム、訪日観光の外部要因などを切り分ける必要があります。 市場全体が伸びたことと、政策によって伸びたことは違います。 ここで重要になるのが、反事実と追加性です。 もしクールジャパン機構がなかったら、その企業は海外展開しなかったのか。 もし支援がなかったら、そのコンテンツは流通しなかったのか。 もし民間だけで資金調達できたなら、公的資金を入れる理由は何だったのか。 機構の介入によって、純粋に上乗せされた成果はどれだったのか。 この問いに答えられなければ、「市場が伸びた」という現象を「政策が効いた」という成果に読み替えてしまいます。 巨大な波に乗ったことと、自分が波を作ったことは違います。 また、官民ファンドでは、投資収益、政策効果、組織運営費を分けて評価する必要があります。 投資として損をしたのか。 政策として便益があったのか。 組織運営費は妥当だったのか。 この3つを同じ財布で語ると、投資損失は「文化的波及効果」で説明され、運営費は「高度な政策目的」で説明され、結果として反証不可能な言い訳が生まれます。 本気のEBPMがあれば、支援前の段階でまず問いを立てます。 なぜ民間資金だけでは実現できないのか。 政府が介入しなければ、どの市場失敗が残るのか。 支援対象は共通基盤なのか、実証学習なのか、商業投資なのか。 海賊版対策や権利処理システムのように、業界全体が利用する共通基盤なら、出資ではなく補助金や委託事業が適しているかもしれません。 未知の市場でのテスト販売なら、小規模な実証として扱うべきかもしれません。 すでに収益が見込める案件なら、民間ファンドと同じ厳格な投資判断が必要です。 何でもファンドで出資するのではなく、問題の性質に合わせて政策手段を分ける。 これが、政策設計の入口になります。 さらに、評価方法も事前に組み込みます。 ある都市ではプロモーションを行い、別の都市では行わない。 支援企業と、応募したが支援されなかった類似企業を比較する。 支援前後の成長率だけでなく、支援がなかった場合の反事実を推定する。 RCTや差の差分析のような手法を使える場面では使い、使えない場面ではなぜ別の方法を選ぶのかを明示する。 重要なのは、すべてを完璧な実験にすることではありません。 どこまで言えるのか。 どこからは分からないのか。 どの条件なら続けるのか。 どの条件なら止めるのか。 これを事前に決めておくことです。 特に大切なのが、段階的投資と自動停止バルブです。 有料顧客への転換率。 現地売上。 クリエイターへの還元額。 民間資金の真の追加投入。 支援なしでは実現しなかった成果。 こうした指標が一定水準を満たさなければ、自動的に資金を止める。 あるいは、出資ではなく補助金、委託、制度整備へ政策手段を切り替える。 人間は、サンクコストに弱い生き物です。 ここまで投資したのだから。 今やめたら失敗を認めることになるから。 次こそは成果が出るはずだから。 そうして撤退判断は遅れます。 だからこそ、事前に撤退条件を制度として埋め込む必要があります。 ただし、文化産業にEBPMを使うときには限界もあります。 データを集めれば、必ず世界的ヒット作を予測できるわけではありません。 文化、エンタメ、コンテンツは、不確実性が高い領域です。 流行、為替、配信プラットフォーム、海外の規制、地政学、ファンコミュニティの動きなど、予測困難な要素が絡みます。 短期KPIばかりを追えば、挑戦的な企画の芽を摘む危険もあります。 だから、EBPMの価値は失敗をゼロにすることではありません。 失敗を早く見つけること。 傷が浅いうちに止めること。 なぜ失敗したのかを説明可能にすること。 次の政策に学習を残すこと。 成功した場合には、それが本当に政策の追加効果だったと示すこと。 EBPMは、水晶玉ではありません。 煙感知器です。 火事を絶対に起こさない魔法ではなく、煙を早く検知し、延焼する前に止めるための仕組みです。 クールジャパン機構の事例から学べるのは、誰か一人を責める話ではありません。 政策責任。 経営・投資責任。 財政・監督・検査責任。 この3つを分ける必要があります。 そもそもファンドという政策手段を選んだ責任。 個別案件を審査し、投資し、撤退判断を下した責任。 そのプロセスを監督し、検査し、評価できるようにした責任。 これらを混ぜると、組織の失敗は学習されません。 事例編#12では、クールジャパン機構を素材に、EBPMが失敗を消す魔法ではなく、失敗を小さくし、説明可能にし、次の政策へ学習を残すための設計思想であることを考えます。

  3. 8月27日

    理論編#13丨「当たった」はエビデンスか——SNS予言を因果推論で読む

    「当たった」は、エビデンスなのでしょうか。 地震を予言した。 株価を当てた。 売上が上がった。 医療費が下がった。 キャンペーン後に成果が出た。 一見すると、因果関係があるように見えます。 しかし、EBPMや因果推論の視点では、「当たった」「増えた」「下がった」という結果だけでは、効果を証明したことにはなりません。 本エピソードでは、SNS上の予言投稿やビフォーアフター型の成功報告を手がかりに、分母の消失、反事実仮想、アウトカム・バイアス、交絡要因、内生性、スピルオーバーについて解説します。 取り上げる主なテーマ ・「当たった」はエビデンスなのか ・SNS予言と因果の錯覚 ・地震予知投稿が拡散される理由 ・少数の法則への信念 ・リスク認知と注意価値 ・正確さよりも恐怖が勝つ情報環境 ・事実の断片と因果の橋 ・匂わせ投稿と未完成のパズル ・読み手が勝手に因果を補完する仕組み ・反応余剰とは何か ・SNSアルゴリズムとエンゲージメント ・コミュニティノートの効果と副作用 ・分母の消失 ・外れた予測を含む全履歴の重要性 ・アウトカム・バイアス ・投資インフルエンサーと予測の自己実現 ・内生性とスピルオーバー ・反事実仮想とは何か ・ビフォーアフター比較の罠 ・交絡要因 ・EBPMにおける因果効果の読み方 SNSでは、「当たった」という投稿が強く見えます。 昨日、注意喚起していた。 その後、本当に出来事が起きた。 だから予測は正しかった。 この流れは、直感的には説得力があります。 しかし、因果推論の視点では、これはまだエビデンスではありません。 必要なのは、当たった事例だけを見ることではありません。 外れた予測は何回あったのか。 予測は事前に明確だったのか。 対象地域、期間、規模、的中条件は固定されていたのか。 後から都合よく解釈できる余地はなかったのか。 ここを確認しなければ、「当たった」は単なる印象にとどまります。 特に重要なのが、分母です。 10回予測して7回当てた人と、1,000回予測して100回当てた人では、前者の方が成功率は高い。 しかしSNSでは、後者の「当たった」投稿が100回流れてくるため、まるで圧倒的な予測能力があるように見えてしまいます。 外れた900回が見えない。 これが、分母の消失です。 人間の脳は、少数の事例からパターンを見つけるのが得意です。 Aが起きた。 その後Bが起きた。 2つには似た特徴がある。 それだけで、背後に法則があるように感じてしまいます。 地震、災害、金融市場、健康不安のように、恐怖や損失が大きいテーマでは、この傾向がさらに強まります。 情報の正確さよりも、注意を引く力が勝ってしまう。 これが、リスク認知と注意価値の問題です。 SNSは、この注意価値を増幅します。 投稿者が明確に「私は予知した」と言っていなくても、事実の断片を並べるだけで、読み手の脳が因果の橋を架けます。 中国で地震が起きた。 日本でも地震が起きた。 緯度が近い。 以前から注意していた。 こうした断片が並ぶと、読み手は自分の頭の中で「この人は予測していたのではないか」と補完してしまいます。 押し付けられた結論より、自分で気づいた結論の方が信じられやすい。 ここに、匂わせ型情報の強さがあります。 さらに、SNSでは反応余剰が起きます。 正しく検証するには材料が足りない。 しかし、感情的に反応するには十分すぎる。 この状態では、賛成派も反対派もコメント欄に集まり、議論が続きます。 アルゴリズムは、その反応が正しいかどうかを見ているわけではありません。 反応が多い投稿として扱い、さらに広げます。 コミュニティノートのような訂正機能も有効ですが、万能ではありません。 平均的には拡散を抑える可能性があります。 しかし、タイミングが遅れると、ノートがついたこと自体が新しい議論の燃料になることがあります。 訂正が、再拡散のきっかけになる場合もある。 だからこそ、プラットフォーム任せではなく、読み手自身の監査視点が必要になります。 その中心にあるのが、反事実仮想です。 因果効果を知るには、ある出来事が起きた世界と、それが起きなかった世界を比較しなければなりません。 キャンペーン後に売上が20%上がった。 それだけでは、キャンペーンの効果とは言えません。 年末商戦だったのかもしれません。 業界全体が伸びていたのかもしれません。 競合が一時的に弱っていたのかもしれません。 既に買う予定だった人が集中しただけかもしれません。 本当に知るべきなのは、「もしキャンペーンをしていなかったら、売上はどうなっていたのか」です。 これが反事実仮想です。 行政評価でも同じです。 健康促進事業の後に医療費が下がった。 教育施策の後にテスト点が上がった。 補助金の後に企業の売上が伸びた。 これらは、すべてビフォーアフターの観察にすぎません。 因果効果を示すには、交絡要因を考え、反事実を推定する必要があります。 「起きた後に良くなった」ことと、「それによって良くなった」ことは違います。 さらに、投資や金融系の予測では、内生性やスピルオーバーも問題になります。 影響力のある人が「この株は上がる」と発信し、その発信を見た人が一斉に買えば、実際に株価が上がることがあります。 これは未来を当てたのではなく、発信そのものが未来を作った可能性があります。 予測が結果に影響している。 この場合、「当たった」という結果だけでは、予測能力の証明にはなりません。 EBPMとは、数字を並べることではありません。 「どこまで言えるか」を管理する技術です。 当たった。 増えた。 下がった。 改善した。 これらは、現象の記述です。 そこから因果を言うには、分母、外れた事例、反事実仮想、交絡要因、内生性、スピルオーバーを見なければなりません。 理論編#13では、「当たった」はエビデンスなのかという問いから、SNS時代に必要な因果推論の読み方を考えます。

  4. 8月19日

    事例編#11丨統計局はEBPMより先に動いていた——データ社会を支える透明なインフラ

    統計局は、EBPMより先に何をしていたのでしょうか。 e-Stat。 統計法改正。 メタデータ整備。 API。 匿名データ。 オーダーメード集計。 統計教育。 地方自治体のデータ利活用。 どれも派手な言葉ではありません。 しかし、こうした地味な基盤がなければ、EBPMは走れません。 本エピソードでは、総務省統計局の取り組みを手がかりに、日本のEBPMを支える「見えないデータインフラ」について考えます。 取り上げる主なテーマ ・統計局はEBPMより先に何をしていたのか ・2007年統計法改正と2009年施行 ・統計は国民の共有財産であるという思想 ・政府統計総合窓口、e-Stat ・各府省の統計を横断検索できる意味 ・メタデータ整備の重要性 ・分類、定義、時点、地域区分を揃える泥臭さ ・データは置くだけでは使われない ・社会人のためのデータサイエンス入門 ・統計グラフ全国コンクール ・なるほど統計学園 ・統計職員養成所と100年単位の人材育成 ・API機能とデータ連携 ・アプリde統計 ・匿名データの提供 ・オーダーメード集計 ・オンサイト施設 ・使うことと守ることの両立 ・統計データ利活用センターと和歌山 ・地方公共団体における統計利活用表彰 ・データ・スタート ・地方自治体のEBPMを支える伴走 ・透明なインフラとしての統計行政 EBPMは、データに基づいて政策を考える取り組みです。 しかし、データに基づくためには、そもそもデータが使える状態で存在していなければなりません。 探せること。 比較できること。 定義が分かること。 形式が整っていること。 機械で取得できること。 安全に分析できること。 現場の人が読み解けること。 このどれかが欠けるだけで、EBPMは簡単に止まります。 統計局の重要性は、まさにここにあります。 統計局は、EBPMという言葉が行政の流行語になるより前から、データを社会全体で使える公共インフラにする作業を進めてきました。 2007年の統計法改正では、統計が行政内部の資料ではなく、国民の合理的な意思決定を支える重要な情報として位置づけられました。 これは、統計を「役所の数字」から「社会の共有財産」へと再定義する転換でした。 そして、その思想を形にした代表例が、政府統計総合窓口、e-Statです。 e-Statは、単に各府省のデータを1つのウェブサイトに並べたものではありません。 各省庁で異なる目的、異なる分類、異なる調査時点、異なる地域区分で作られてきた統計を、横断的に探し、使えるようにする仕組みです。 その裏側には、メタデータ整備という地味で重い作業があります。 この数字は、いつ集められたのか。 どの地域を対象にしているのか。 どの分類に基づいているのか。 どの定義で集計されているのか。 他の統計と比較できるのか。 こうした情報が整っていなければ、グラフは作れても、正しく比較することはできません。 統計局がしてきたのは、データ分析の華やかな部分ではありません。 むしろ、その前段階にある地ならしです。 道路を舗装するように、データを探し、読み、比較し、再利用できる状態にする。 この見えない作業がなければ、EBPMという車は走れません。 さらに統計局は、データを公開するだけでは不十分だと理解していました。 どれほど良いデータがあっても、それを読める人がいなければ意味がありません。 平均と中央値の違い。 相関と因果の違い。 グラフの読み方。 統計の限界。 データの使い方。 こうしたリテラシーがなければ、データは使われないか、誤って使われます。 だからこそ、社会人向けのデータサイエンス講座、子ども向けの統計教育、統計グラフ全国コンクール、なるほど統計学園のような取り組みが重要になります。 統計局は、データを作るだけでなく、データを使える社会を育てようとしてきました。 そして、技術面でも先行していました。 API機能によって、データは人間がウェブサイトで眺めるものから、アプリや業務システムに組み込めるものへと変わりました。 毎回CSVを手でダウンロードして貼り替えるのではなく、システムが自動で最新データを取得できる。 これは、オープンデータやデータ連携基盤の実装にとって大きな意味を持ちます。 一方で、データを使いやすくすればするほど、個人情報やプライバシーへの配慮も必要になります。 そこで重要になるのが、匿名データの提供、オーダーメード集計、オンサイト施設のような仕組みです。 データを使うこと。 個人を守ること。 この2つを対立させるのではなく、制度と技術で両立させる。 ここにも、統計行政の実装力があります。 さらに象徴的なのが、統計データ利活用センターを和歌山に設置したことです。 データ分析を霞が関や一部の専門家だけのものにしない。 地方自治体の現場にある課題を、データで解くために伴走する。 この姿勢は、EBPMを中央の理想論で終わらせず、現場の実務に接続するうえで重要です。 地方公共団体における統計利活用表彰や、データ・スタートのような取り組みも同じです。 自治体の中で、地味にデータを整え、分析し、政策に活かしている実務を見つけ、光を当て、横展開する。 命令して動かすのではなく、小さな成功を共有知に変えていく。 これは、データ行政の実装として非常に大きな意味を持ちます。 統計局のすごさは、派手なスローガンではありません。 AIでもありません。 高度な因果推論だけでもありません。 美しいダッシュボードだけでもありません。 EBPMのロジックモデルとは――日本の制度・作り方・因果推論から見る限界 その前にある、データを使える状態にする基礎工事です。 分類を揃える。 定義を整える。 検索できるようにする。 機械で取れるようにする。 安全に分析できるようにする。 使う人を育てる。 現場の成功を共有する。 成功すればするほど、その存在は見えにくくなります。 電気や水道のように、動いていて当然のものになるからです。 しかし、EBPMを本当に支えているのは、こうした透明なインフラです。 事例編#11では、統計局の歩みを手がかりに、日本のEBPMが走る前から道路を舗装していた人たちの仕事を考えます。

  5. 8月18日

    実装編#08丨ロビイングの実態——政策が決まる前にアジェンダは形成される

    ロビイングとは、政治家に直接お願いすることなのでしょうか。 料亭での密談。 違法な裏工作。 政治家への陳情。 業界団体の要望書。 そうした古いイメージだけでは、現代の政策形成は見えてきません。 本エピソードでは、ロビイング、パブリックアフェアーズ、アジェンダ形成、政策捕獲を取り上げ、政策が決まる前に「何が問題か」「どの解決策が自然に見えるか」がどのように形作られるのかを解説します。 取り上げる主なテーマ ・現代のロビイングとは何か ・パブリックアフェアーズと政策形成 ・政策が決まる前に勝負は始まっている ・アジェンダ形成、アジェンダ・キャプチャー ・イシュー・フレーミング、課題の再定義 ・企業利益を公共課題へ翻訳するプロセス ・エビデンス・シェーピング ・第三者専門家とシンクタンクの役割 ・研究資金と政策課題の方向づけ ・ネットワーク形成と政策人材育成 ・アジェンダ・ソーシャライゼーション ・シェアド・ボキャブラリー ・エキスパート・セレクション ・オーソリティ・コンストラクション ・░░░░░░と実装パッケージ ・ポリシー・レジティメーション ・官民共進化モデル ・公共利益からの逸脱 ・EPIA、Evidence-Power-Integrity Audit ・アジェンダの出所 ・選択肢の開放性 ・意思決定の追跡可能性 ・評価の独立性 ・サンセット条項 現代のロビイングは、単発の陳情ではありません。 政策が国会で議論される前。 予算案が表に出る前。 有識者会議が設置される前。 もっと上流で、何が社会課題として認識されるのかが形作られています。 ある企業が「░░░░░░░░░░」と訴えても、それは企業側の都合に見えます。 しかし、それを「░░░░░░░░░░░░░」「░░░░░░░░░░░░░░░」「░░░░░░░░░░░░░░░░」と言い換えると、話は公共政策になります。 これが、イシュー・フレーミングです。 企業の利益が、公共課題の言葉に翻訳される。 ここから、政策の土壌づくりが始まります。 次に行われるのが、エビデンスの形成です。 企業自身が「これは社会問題だ」と叫ぶよりも、大学の研究者やシンクタンクが、データや国際比較を使って同じ問題を語る方が説得力を持ちます。 その研究が嘘だとは限りません。 むしろ、個別のデータや分析は正しいことが多い。 しかし、どの問いに資金がつき、どの比較対象が研究されず、どの解決策だけが繰り返し提示されるのかによって、政策担当者の前に並ぶ選択肢は偏っていきます。 これが、エビデンス・シェーピングです。 さらに重要なのが、ネットワーク形成です。 政策スクール。 若手リーダー育成プログラム。 シンクタンクの研究会。 有識者ネットワーク。 官民交流の場。 こうした場所には、社会を良くしたいと考える優秀な人が集まります。 しかし、その場で特定のテーマや言葉が繰り返し「これからの重要課題」として提示されると、参加者はその言葉を共通語として身につけていきます。 アジャイルなガバナンス。 ░░░░░░░░░。 ░░░░。 社会実装。 官民連携。 それ自体が悪い言葉ではありません。 しかし、ある語彙だけが自然で先進的に見え、別の選択肢が古く見えるようになると、政策の想像力は静かに狭まります。 これが、アジェンダの社会化です。 その後、専門家ネットワークが固定化します。 この分野ならあの先生。 このテーマならあのシンクタンク。 この政策ならあの有識者。 そうして特定の専門家が繰り返し呼ばれ、権威が構築されます。 専門家本人が悪意を持っているとは限りません。 研究者は自分の研究に誠実かもしれません。 官僚は政策を前に進めたいだけかもしれません。 企業は自社技術の有用性を説明しているだけかもしれません。 若手リーダーは本気で社会課題を学んでいるだけかもしれません。 それでも、全体としては特定の利益に親和的な政策環境が育っていくことがあります。 ここが、現代のロビイングの難しさです。 誰も違法行為をしていない。 誰も嘘をついていない。 誰も悪人ではない。 それでも、政策の選択肢が最初から狭められている。 そしてタイミングが来たとき、企業や業界側は、すぐに使える░░░░░░、実施スケジュール、░░░░、評価指標をパッケージとして提示します。 多忙な政策担当者から見れば、それは非常に合理的な提案に見えます。 社会課題としての説明がある。 エビデンスがある。 専門家のコメントがある。 世論の関心もある。 技術的な文案もある。 こうして、特定の政策案は「自然な解決策」として採用されやすくなります。 問題は、民間企業が政策に関与すること自体ではありません。 現代の政策には、現場の技術知識、産業データ、実装能力が必要です。 企業、研究機関、シンクタンク、市民団体、専門家が政策形成に関与することは避けられません。 問題は、その過程が見えないことです。 誰が最初にその問題を定義したのか。 どの専門家がどの資金で研究したのか。 どの選択肢が比較されなかったのか。 どの文言が政策文書に反映されたのか。 実施後の評価は独立しているのか。 そこが見えなければ、エビデンスは簡単に特定の利益に捕獲されます。 そこで必要になるのが、EPIA、Evidence-Power-Integrity Auditのような監査視点です。 これは、犯人探しの道具ではありません。 政策形成のプロセスを、第三者が検証できる状態にするための枠組みです。 アジェンダの出所を見る。 選択肢が開かれていたかを見る。 意思決定の文書系譜を追う。 民間提言と政府文書の類似を確認する。 事後評価が独立しているかを見る。 特に重要なのは、意思決定の追跡可能性です。 ある業界団体の提言書にあった░░░░░░が、後に政府の制度文書や░░░にそのまま入っているなら、それは強い影響力の痕跡です。 誰が会議に出たかだけでは足りません。 誰の言葉が制度に入ったのか。 そこまで見なければ、政策形成の実態は見えてきません。 また、政策は一度作られると、そのまま続きがちです。 だからこそ、サンセット条項も重要になります。 一定期間が経ったら、ゼロベースで再評価する。 本当に公共利益に資したのか。 特定の主体だけに利益が集中していないか。 代替案の方がよくなっていないか。 当初のエビデンスは今でも妥当なのか。 そうした見直しがなければ、政策は静かに既得権化していきます。 実装編#08では、ロビイングを単なる裏工作ではなく、政策が決まる前の環境形成プロセスとして捉え直します。 そして、EBPMが本当に公共利益を守るためには、データの正しさだけでなく、アジェンダ、専門家ネットワーク、政策文書、評価の独立性まで監査する必要があることを考えます。 なお、本エピソードでは、過去の発信をめぐる反応も踏まえ、特定の企業・団体・事例への言及と受け取られ得る箇所については、無用な誤解や摩擦を避けるため、一部にモザイク処理や効果音による音声処理を施しています。 本来の目的は、個別の主体を論評することではなく、ロビイングや政策形成の構造そのものを考えることです。内容の趣旨を損なわない範囲で、少しだけ慎重に編集しています。

  6. 8月17日

    実装編#07丨政策捕獲とは何か——正しいエビデンスでも政策が歪む理由

    正しいエビデンスがあれば、正しい政策は自動的に生まれるのでしょうか。 科学的に正しいデータ。 厳密な分析。 専門家会議。 有識者の推薦。 合理的な費用対効果。 それでも、政策が公共の利益ではなく、特定の企業や団体の利益に向かってしまうことがあります。 本エピソードでは、「政策捕獲（Policy Capture）」を取り上げ、エビデンスが正しくても政策が歪みうる理由を解説します。 取り上げる主なテーマ ・政策捕獲、Policy Captureとは何か ・正しいエビデンスでも政策が歪む理由 ・良いエビデンスと良いエビデンス利用の違い ・EBPMと権力の問題 ・問いの設定とアジェンダの捕獲 ・エビデンス形成の偏り ・比較対象と指標の選び方 ・権威の構築と専門家会議 ・寄付講座、シンクタンク、専門家ネットワーク ・政策の正当化プロセス ・誰も嘘をついていないのに全体が歪む構造 ・実装と評価の捕獲 ・仕様書、採択条件、例外規定の重要性 ・回転ドアと人的アクセスの価値 ・戦略産業と正当な利益誘導の境界 ・政策捕獲を見分ける3条件 ・証拠の階層と推論の飛躍 ・EPI監査、Evidence-Power-Integrity Audit ・意思決定フットプリント ・レッドチームとサンセット条項 ・AI時代の自動化された政策捕獲 EBPMという言葉を聞くと、私たちはしばしば、医療の診断のようなものを想像します。 正しいデータがある。 正しい分析をする。 だから、正しい処方箋が出る。 しかし、政策の世界はそこまで直線的ではありません。 政策では、エビデンスの質だけでなく、誰が問いを立てたのか、誰が比較対象を選んだのか、誰のデータが採用されたのか、誰が専門家として呼ばれたのか、誰に利益が帰属するのかが重要になります。 エビデンスが正しいことと、そのエビデンスが公共の利益のために使われることは、同じではありません。 たとえば、ある産業政策で「新規参入企業を増やすにはどの支援策が効果的か」という問いを立てたとします。 この問い自体は、科学的に分析できます。 しかし、その前に本来問うべきことがあります。 そもそも新規参入を増やすことが最善なのか。 既存企業への支援の方がよいのか。 輸入や共同調達という選択肢はないのか。 供給能力を確保するための最も費用対効果の高い組み合わせは何か。 最初の問いが狭ければ、その後の分析がどれほど正確でも、政策の選択肢は最初から絞られています。 これが、アジェンダの捕獲です。 政策捕獲は、必ずしも賄賂や違法な癒着として起きるわけではありません。 むしろ現代的な政策捕獲は、合法的で、制度的で、見えにくい形で進みます。 ある企業が自社の得意な技術に関する正確なデータを大量に提供する。 一方で、公共交通、既存制度、安価な代替策に関する比較データは出てこない。 特定のシンクタンクや寄付講座を通じて、ある立場の専門家が権威として育つ。 有識者会議には、その分野の「代表的専門家」として同じネットワークの人が呼ばれる。 政策の大枠が決まったあと、仕様書、採択条件、例外規定、評価指標の細部で、特定の主体に有利な形が作られる。 このとき、誰か一人が嘘をついているとは限りません。 企業は、自社の技術の強みを説明しているだけかもしれません。 研究者は、与えられた問いに対して誠実に分析しているだけかもしれません。 行政官は、政策目的に沿って真面目に制度を設計しているだけかもしれません。 しかし、全体として見ると、特定の利益だけが「科学的に当然の選択肢」として浮かび上がる構造が完成している。 ここが、政策捕獲の怖さです。 重要なのは、民間企業が政策に関与すること自体を否定することではありません。 現代の政策には、専門的な技術知識、現場データ、産業構造への理解が必要です。 戦略産業、ワクチン、半導体、サイバーセキュリティ、エネルギーのような領域では、民間企業との接触なしに政策を作ることは現実的ではありません。 問題は、接触そのものではなく、接触が記録されず、代替案が検討されず、利益の帰属が見えず、反証可能性がないことです。 正当な産業支援と政策捕獲を見分けるには、少なくとも3つの問いが必要です。 その主体は、政策に影響を与えるアクセス機会を持っていたのか。 政策による利益は、社会全体に広く配分されているのか、それとも少数の主体に集中しているのか。 より公共価値の高い代替案が存在したにもかかわらず、不透明な影響力によって排除されたり弱体化されたりしていないか。 この3つを見なければ、「利益が出たから癒着だ」とも言えませんし、「エビデンスがあるから問題ない」とも言えません。 そこで必要になるのが、EPI監査、Evidence-Power-Integrity Auditのような枠組みです。 これは、誰が黒幕かを暴くための魔女狩りではありません。 政策プロセスのどこに不透明性があるのかを診断するための道具です。 誰が問いを立てたのか。 どの代替案が検討されたのか。 誰のデータが採用されたのか。 誰が専門家として呼ばれたのか。 誰の提案が仕様書や要件に反映されたのか。 最終的に利益は誰に帰属したのか。 こうした点を、感情論ではなく構造的に見ていく必要があります。 そのためには、意思決定フットプリントが重要です。 誰が、いつ、どのような提案を行ったのか。 行政はそれを採用したのか、不採用にしたのか。 その理由は何だったのか。 代替案は比較されたのか。 緊急対応だったなら、いつ通常手続きに戻すのか。 政策決定の足跡が残っていなければ、あとから検証することはできません。 また、この監査は巨大企業だけに向けるものではありません。 労働組合。 環境団体。 患者団体。 大学。 研究機関。 業界団体。 市民団体。 どの主体であっても、公共政策に影響を与えるなら、同じ基準で検証される必要があります。 自分と反対の立場のロビー活動だけを問題視し、自分に近い団体の不透明な影響力には目をつむるなら、その監査自体が政治的な武器になってしまいます。 EBPMは、単に政策効果を測定する技術ではありません。 誰の問いが採用され、誰のデータが使われ、誰の利益が公共の利益として翻訳されているのか。 そこまで検証して初めて、民主的な政策形成を支える仕組みになります。 EBPMのロジックモデルとは――日本の制度・作り方・因果推論から見る限界 実装編#07では、政策捕獲という概念を手がかりに、正しいエビデンスでも政策が歪む理由と、EBPMに必要なガバナンスの条件を考えます。

  7. 8月14日

    事例編#10丨RIETIはなぜイケてるのか——日本のEBPMで「ちゃんと分からない」と言える組織

    RIETIは、なぜ日本のEBPMで重要なのでしょうか。 データを集める。 グラフを作る。 ダッシュボードを眺める。 KPIを管理する。 それだけで、政策は賢くなるのでしょうか。 本エピソードでは、RIETI(リエティ)、独立行政法人経済産業研究所を取り上げ、日本のEBPMにおいて「良い評価」とは何かを考えます。 取り上げる主なテーマ ・RIETIはなぜ日本のEBPMで重要なのか ・疑似EBPM、Pseudo-EBPMとは何か ・政策を正当化するための証拠作り ・RIETIの独立行政法人としての立ち位置 ・経済産業省との距離感と建設的な緊張関係 ・チーフEBPMオフィサーという仕組み ・政策設計と助言のエンジン ・研究による事後検証のエンジン ・反事実、カウンターファクチュアルの重要性 ・RCTが難しい産業政策でどう評価するか ・方法論的規律とは何か ・VRIO分析、QCD分析の活用 ・横浜市の固定資産税ナッジ ・中間KPIと最終アウトカムの違い ・千葉県の教科担任制RCT ・理科には効き、算数では効かなかった理由 ・低所得世帯向け学習支援とスティグマ ・保育所の兄弟優先割当と公平性 ・エビデンス・ユースと行政官の意思決定 ・近隣自治体の導入という同調圧力 ・ネガティブエビデンスを残す文化 RIETIが重要なのは、単に高度な統計分析を行っているからではありません。 より重要なのは、政策を「成功したことにする」のではなく、どこまで分かったのか、どこからは分からないのかを切り分けようとしている点です。 EBPMで本当に難しいのは、データを集めることではありません。 その変化が、政策によって起きたのか。 ただ景気が良かっただけなのか。 もともと意欲の高い企業や自治体だけが反応したのか。 中間KPIが改善しただけで、最終アウトカムは変わっていないのではないか。 こうした問いを避けずに扱うことです。 RIETIの面白さは、政府の外側から評論するだけでもなく、政府の内側で自己評価するだけでもない位置にあります。 政策の設計段階に近づきながら、同時に一定の独立性を持って、事後検証も行う。 厨房に入れる料理評論家のように、政策が作られる過程を見ながら、完成後には「ここは効いていない」と言える緊張関係があります。 この立ち位置が、疑似EBPMを防ぐうえで重要です。 疑似EBPMとは、政策を良くするための証拠ではなく、すでに決まった政策を正当化するために証拠を集めることです。 政策ベースド・エビデンスメイキングとも言えます。 本来のEBPMは、その逆です。 政策が本当に効いたのか。 効かなかったなら、なぜ効かなかったのか。 一部には効いたが、別の部分には効かなかったのか。 副作用や不公平はなかったのか。 そこまで見る必要があります。 横浜市の固定資産税ナッジの事例では、口座振替の申し込みは増えました。 しかし、本当に重要なのは、期限内納付が改善したのかという最終アウトカムです。 申込書が増えることは中間KPIです。 税金がきちんと納付されることが本来の目的です。 この違いを見誤ると、組織は「やった感」に満足してしまいます。 千葉県の教科担任制RCTでは、理科には効果が見られましたが、算数では明確な効果が確認されませんでした。 これは、政策が一律に効くわけではないことを示しています。 理科では、実験準備や専門性というボトルネックがあったため、専科教員の効果が出やすかった。 一方、算数では既に教え方が標準化されていて、追加的な差が出にくかった可能性があります。 つまり、効いたかどうかだけでなく、なぜ効いたのか、なぜ効かなかったのかを見る必要があります。 低所得世帯向けの学習支援では、近くに教室があるほど参加しやすいとは限りません。 近所で見られることへの恥ずかしさ、スティグマが参加率を下げることがあります。 Excelの上では、近い方が合理的に見えます。 しかし人間は、合理性だけで動くわけではありません。 恥ずかしい。 見られたくない。 支援を受けていることを知られたくない。 そうした感情も、政策の成否を左右します。 保育所の兄弟優先割当では、全体の満足度が改善する一方で、一人っ子世帯に不公平感が生じる可能性があります。 これは、効率と公平のトレードオフです。 政策は、平均効果だけでは判断できません。 誰に利益が届き、誰が割を食うのか。 そこまで見る必要があります。 さらにRIETIが面白いのは、エビデンスを作るだけではなく、エビデンスが実際に使われる条件にも注目している点です。 行政官は、厳密な海外研究のエビデンスだけで動くとは限りません。 近隣自治体が導入しているか。 首長や上司がどう考えているか。 組織内で説明しやすいか。 こうした要素が、政策採択に強く影響します。 これは、良いエビデンスを作れば自動的に合理的な政策が選ばれる、という素朴な期待を崩します。 EBPMには、エビデンスを作る技術だけでなく、エビデンスが組織の中でどう使われるかを見る視点が必要です。 RIETIがイケている理由は、データを万能視していないことです。 効果がなかった。 一部にしか効かなかった。 副作用があった。 公平性に問題があった。 現場では別の要因が効いていた。 行政官は合理的なデータだけでは動かなかった。 そういう不都合な結果を、政策を学習させるための材料として残そうとしている。 ここに、RIETI型EBPMの強さがあります。 事例編#10では、RIETIを手がかりに、日本のEBPMで「ちゃんと分からない」と言える組織の価値を考えます。 ※補足：音声内でRIETIをアルファベット読みしている箇所があります。日本語では一般に「リエティ」と読まれます。表記・内容はRIETI（独立行政法人経済産業研究所）を指しています。

  8. 8月12日

    実装編#06丨民間資金とEBPM——エビデンス仲介機関の利益相反と知識の偏り

    政策の根拠となるエビデンスは、誰のお金で作られているのでしょうか。 政府でしょうか。 大学でしょうか。 財団でしょうか。 企業でしょうか。 そして、その資金の流れは、政策の選択肢にどのような影響を与えるのでしょうか。 本エピソードでは、民間資金が入ったEBPM団体やエビデンス仲介機関を取り上げ、研究不正ではなく、研究課題、比較対象、アウトカム、公表範囲、解釈がどのように偏りうるのかを解説します。 取り上げる主なテーマ ・民間資金とEBPMの関係 ・エビデンス仲介機関とは何か ・政府資金と財団・企業資金の混合財源モデル ・What Works Networkとインパクト原則 ・MDRC、Urban Institute、J-PALの資金構造 ・財団や企業が研究課題をどう形作るか ・アジェンダ設定と見えない欠損値 ・比較対象を選ぶことで結論が変わる問題 ・アウトカムと時間軸の選び方 ・企業スポンサー研究と有利な結論 ・加糖飲料研究に見る利益相反 ・財団資金と世界観の影響 ・Results for Americaと行政評価基準 ・測定可能性バイアス ・エビデンス階層の平坦化 ・著名専門家の権威が波及するリスク ・コクランの商業資金排除 ・WHO FENSAとデューデリジェンス ・事前登録と分析計画 ・未公表研究と出版バイアス ・信頼できるEBPM団体を見極める開示項目 EBPMは、客観的で中立的な営みに見えます。 しかし、エビデンスは自然に湧いてくるものではありません。 誰かが研究テーマを選びます。 誰かが資金を出します。 誰かが比較対象を決めます。 誰かがアウトカムを設定します。 誰かが結果を解釈し、公表するかどうかを決めます。 つまり、エビデンスは知識の生態系の中で作られています。 重要なのは、露骨なデータ改ざんだけを警戒することではありません。 現代の利益相反は、もっと洗練されています。 スポンサーに都合の悪い結果を捏造するのではなく、そもそもスポンサーに都合の悪い問いを研究しない。 新しい商品と「何もしない場合」だけを比較し、安価な既存手段や制度改革とは比較しない。 短期的な効果だけを測り、長期的な副作用や財政負担は見ない。 測りやすいアウトカムだけを採用し、尊厳、ストレス、制度への信頼、社会的包摂のような測りにくい価値を外す。 こうした選択によって、研究としては正しくても、政策判断の前に並ぶ選択肢が偏ることがあります。 これが、エビデンスの見えないリスクです。 企業スポンサー研究では、スポンサーに有利な結果や結論が出やすいというメタリサーチがあります。 ただし、問題は企業だけではありません。 財団もまた、特定の商品を売るわけではなくても、特定の世界観や政策思想を持っています。 どの社会課題を重要とみなすのか。 技術的解決を好むのか。 制度改革を好むのか。 市場型の解決を重視するのか。 権利保障を重視するのか。 その価値観は、研究資金の配分や、評価基準の設計に影響します。 民間資金が悪い、という単純な話ではありません。 政府資金だけでは長期的な評価や大規模な実証が難しいこともあります。 財団や民間資金があるからこそ、政策評価のインフラが育つ場合もあります。 問題は、資金が入っていることではありません。 資金の入り口から、研究課題の設定、比較対象、分析計画、公表、政策実装までの全工程が追跡可能かどうかです。 信頼できるエビデンス仲介機関には、いくつかの条件があります。 資金源を開示していること。 編集権の独立を明記していること。 スポンサーに原稿修正権を与えていないこと。 研究計画を事前登録していること。 主要アウトカムを事前に定めていること。 未公表研究や中止案件を含む全案件リストを追跡できること。 利益相反を明示していること。 外部レビューや監査の仕組みがあること。 こうした条件がなければ、エビデンスは見た目ほど中立とは言えません。 また、有名な専門家が関わっていることも、万能の保証ではありません。 イベントに登壇しただけなのか。 名誉職なのか。 個別研究を監査しているのか。 方法論に責任を持っているのか。 その違いを見なければ、権威の波及によって、弱い事例紹介まで強いエビデンスに見えてしまいます。 EBPMに必要なのは、エビデンスを盲信することではありません。 エビデンスがどのように作られたのかを見ることです。 何が研究されたのか。 何が研究されなかったのか。 何と比較されたのか。 何がアウトカムとして採用されたのか。 何が公表され、何がお蔵入りになったのか。 エビデンスの偏りは、論文の中の数字だけに宿るわけではありません。 作られなかった比較対象。 測られなかった価値。 公開されなかった研究。 研究されなかった問い。 そこに宿ります。 EBPMのロジックモデルとは――日本の制度・作り方・因果推論から見る限界 実装編#06では、民間資金とEBPMの関係を通じて、エビデンス仲介機関の利益相反、知識の偏り、そして信頼できる政策評価インフラの条件を考えます。

すべて見る（30）

評価とレビュー

5
5段階評価中
2件の評価

番組について

「EBPM新聞」は、EBPM（Evidence-Based Policy Making：エビデンスに基づく政策立案・評価）を、政策・社会・未来を読み解くための知的素材として整理する音声番組です。 EBPMとは何か、なぜ政策評価や統計、因果推論、ロジックモデルが重要なのか。日本の自治体や行政での具体例、米国・英国・OECD諸国などの国際比較、EBPMのメリット・デメリット、限界や誤用リスクまで、学術的・中立的な立場からわかりやすく解説します。 扱うテーマは、EBMとの違い、政策評価、RCT、準実験、行政データの活用、医療・福祉・教育・労働・司法・都市政策での応用、AI時代の文献調査や政策メモ作成などです。 特定の政策や立場を支持・否定することを目的とするものではなく、「どのように考え、どのように検証するか」という思考の枠組みを提供することを重視しています。 研究者、行政関係者、学生、メディア関係者、企業の公共政策担当者、自治体職員、公共政策に関心を持つ一般の方まで、幅広い視聴者を想定しています。 このポッドキャストは、判断を代行するものではありません。視聴者自身が多角的に考え、問いを立て、より良い意思決定を行うための知的素材としてご活用ください。

情報

  • クリエイター
    OHA Shinbun
  • 配信期間
    26年
  • エピソード
    30
  • 制限指定
    不適切な内容を含まない
  • Copyright
    © OHA Shinbun
  • 番組のウェブサイト
    EBPM新聞

その他のおすすめ