CHAPTER II

THE PROCESS OF POLICY ANALYSIS

INTRODUCTION

Policy analysis is a process of multidisciplinary inquiry aiming at the creation, critical

assessment, and communication of policy-relevant knowledge. As a problem-solving disci-
pline, it draws on social science methods, theories, and substantive findings to solve practical
problems.

METHODOLOGY OF POLICY INQUIRY

The methodology of policy inquiry involves the critical investigation of potential solutions to
practical problems. It aims to understand and question the processes employed in policy
inquiry. This methodology contributes to the reflective understanding of theories, methods,
and practices in specialized fields such as benefit-cost analysis, implementation analysis, and
program budgeting, which form the multidisciplinary foundations of policy inquiry.

The methodology of policy inquiry is distinct from specific methods like regression analysis,
ethnographic interviewing, or benefit-cost analysis. It focuses on the philosophical
assumptions that justify the use of these methods. It is also different from particular
philosophies of science such as logical positivism, hermeneutics, or pragmatism. Instead, the
methodology of policy inquiry is eclectic, allowing practitioners to choose among a range of
scientific methods and philosophies of science as long as they produce reliable knowledge. It
recognizes that art, craft, ordinary commonsense knowing, and practical wisdom can
sometimes provide more reliable conclusions than specialized social science methods.

MULTIDISCIPLINARY POLICY ANALYSIS

Policy analysis is pragmatic in nature, differentiating it from social science disciplines that
prioritize knowledge for its own sake. Its relevance depends on its ability to illuminate and
alleviate practical problems. Multidisciplinary policy analysis best suits the complexity of public
policymaking in today's world.

Policy analysis encompasses both descriptive and normative aspects. It relies on social science
disciplines to describe and explain the causes and consequences of policies. At the same time,
it draws on normative economics, decision analysis, ethics, and other branches of social and
political philosophy to investigate efficiency and fairness issues. Normative reasoning is crucial
in policy analysis as it involves making choices among desired consequences and preferred
courses of action, considering tradeoffs among competing values.

Policy-Relevant Knowledge

Policy analysis is designed to provide policy-relevant knowledge about five types of questions:
■ Policy problems. What is the problem for which a potential solution is sought? Is global

warming a man-made consequence of vehicle emissions, or a consequence of periodic

fluctuations in the temperature of the atmosphere? What alternatives are available to
mitigate global warming? What are the potential outcomes of these alternatives and what is
their value or utility?
■ Expected policy outcomes. What are the expected outcomes of policies designed to reduce
future harmful emissions? Because periodic natural fluctuations are difficult if not
impossible to control, what is the likelihood that emissions can be reduced by raising the
price of gasoline and diesel fuel or requiring that aircraft use biofuels?
■ Preferred policies. Which policies should be chosen, considering not only their expected
outcomes in reducing harmful emissions, but the value of reduced emissions in terms of
monetary costs and benefits? Should environmental justice be valued along with economic
efficiency?
■ Observed policy outcomes. What policy outcomes are observed, as distinguished from the
outcomes expected before the adoption of a preferred policy? Did a preferred policy
actually result in reduced emissions, or did decreases in world petroleum production and
consequent increases in gasoline prices and reduced driving also reduce emissions?
■ Policy performance. To what extent has policy performance been achieved, as defined by
valued policy outcomes signaling the reduction of global warming through emissions
controls? To what extent has the policy achieved other measures of policy performance, for
example the reduction of costs of carbon emissions and global warming to future
generations?

In policy analysis, knowledge about problem situations, antecedent conditions, values, and
potential solutions is critical. Adequate knowledge is necessary to define problems accurately
and identify appropriate solutions. Knowledge about expected policy outcomes requires an
understanding of the circumstances leading to a problem, although future changes and shifting
values must be considered. Creativity, insight, and the utilization of tacit knowledge may be
necessary to produce knowledge about expected policy outcomes.

POLICY
PERFORMANC
Evaluation E FFoorreeccaas
stitinngg
Problem
Structuring

OBSERVED POLICY PROBLEMS EXPECTED

OUTCOMES OUTCOMES

Problem
Structuring
Monitoring Prescription
PREFERRED
POLICIES

A preferred policy is a potential solution to a problem, but selecting it requires factual and
value premises. Merely being more effective or efficient does not justify its choice; value
premises related to equality, efficiency, security, democracy, or other values must also be
considered. An observed policy outcome is a consequence of implementing a preferred policy,
although it can be challenging to determine if an outcome is directly caused by the policy or
influenced by external factors. Knowledge about observed policy outcomes can be obtained
after policy implementation. Policy performance refers to how well an observed policy
outcome contributes to problem resolution. Problems are rarely completely solved, often
requiring ongoing adjustments and reforms. Assessing whether a problem has been solved
involves considering observed policy outcomes and their contribution to the desired
improvements that initially identified the problem.

Knowledge Transformations

The five types of policy-relevant knowledge are interconnected, with knowledge

transformations occurring between them. These transformations depend on previous
knowledge, and the creation of knowledge at any stage relies on adjacent phases. For instance,
knowledge about policy performance relies on prior knowledge about observed policy
outcomes. The connections between types of knowledge are represented by solid lines,
indicating that knowledge can be iteratively transformed both backward and forward. This
process is not linear but iterative in nature.

Knowledge about policy problems is unique because it includes other types of knowledge.
Some knowledge may be included, such as knowledge about preferred policies, while other
knowledge may be excluded. What is included or excluded in defining a problem influences the
prescribed policies, the criteria for policy performance, and the deemed importance of
expected outcomes. Defining the wrong problem, referred to as a Type III error, is a critical
mistake in policy analysis.

Policy-Analytic Methods

Policy-relevant knowledge is generated and transformed through the use of policy-analytic

methods, which drive the production and transformation of knowledge. These methods
involve various types of judgments, such as accepting or rejecting explanations, evaluating the
rightness or wrongness of a preferred policy, prescribing or not prescribing a preferred policy,
accepting or rejecting predictions about expected outcomes, and formulating problems in
different ways.

In policy analysis, these methods have specific names and purposes:

- Problem structuring methods are used to determine what problem needs to be addressed
and solved. Examples include influence diagrams, decision trees, and argument mapping.
- Forecasting methods are employed to generate knowledge about expected policy outcomes.
Techniques like scorecards and expert judgments can be used for this purpose.
- Prescription methods are utilized to create knowledge about preferred policies. Benefit-cost
analysis and the use of spreadsheets are examples of prescriptive methods.
- Monitoring methods are employed to gather knowledge about observed policy outcomes.
Scorecards can serve as a simple monitoring tool that can also forecast expected outcomes.
- Evaluation methods are used to assess the value or utility of observed policy outcomes and
their contributions to policy performance.

Each of these methods plays a role in producing specific types of policy-relevant knowledge
and contributes to the overall policy analysis process.

Problem structuring is a metamethod, as it serves as the foundation for other policy-analytic

methods. Analysts engage in problem structuring to navigate complex and troubled situations,
which are not the same as the problems themselves. Different stakeholders may perceive the
same problem situation differently based on their perspectives. Problem structuring guides the
production and transformation of knowledge generated by other methods and plays a crucial
role in addressing ill-structured or "wicked" problems.
Policy-analytic methods are interdependent, and their use is intertwined. Monitoring and
forecasting, for instance, are interconnected, as it is challenging to forecast policies without
prior monitoring. Similarly, evaluation relies on the existence and magnitude of monitored
outcomes. Selecting a preferred policy requires the prior steps of monitoring, evaluating, and
forecasting. Policy prescription is based on both factual and value-based premises.

Figure 1.1 provides a framework for integrating methods from various disciplines and
professions such as political science, sociology, economics, operations research, public
administration, program evaluation, and ethics. Some methods are discipline-specific, like
program evaluation's use of monitoring to establish causal relevance, while implementation
research relies on case study analysis. Forecasting techniques differ between economics
(econometric techniques) and systems analysis (qualitative techniques like the Delphi
technique).

Overall, problem structuring serves as a foundational metamethod, and policy-analytic

methods are interconnected, supporting the analysis of policy issues across disciplines and
professions.

FORMS OF POLICY ANALYSIS

Relationships among types of knowledge and methods provide a basis for contrasting different
forms of policy analysis

Prospective and Retrospective Analysis

Prospective policy analysis, depicted on the right half of Figure 1.2, involves generating and
transforming knowledge before making policy prescriptions. Economists, systems analysts,
operations researchers, and decision analysts primarily employ prospective analysis. In
contrast, retrospective policy analysis, shown on the left half of Figure 1.2, involves producing
and transforming knowledge after policy implementation. It characterizes the operating styles
of discipline-oriented analysts, problem-oriented analysts, and applications-oriented analysts.

RETROSPECTIVE (ex post) PROSPECTIVE (ex ante)

What happened and what What will happen and
difference did it make? what should be done?

Evaluation Forecasting

Problem
NORMATIVE QUADRANT Structuring DESCRIPTIVE QUADRANT

DESCRIPTIVE QUADRANT Problem NORMATIVE QUADRANT

Structuring
Monitoring Prescription
Discipline-oriented and problem-oriented analysts, consisting of political scientists,
economists, and sociologists, focus on describing the causes and consequences of policies.
They do not prioritize the development and testing of theories that have direct relevance to
policymakers. Their analyses result in macronegative knowledge, explaining why policies do
not work, rather than providing micropositive knowledge about effective policies. On the other
hand, applications-oriented analysts, including applied political scientists, economists,
sociologists, and professionals in fields like public administration and evaluation research, aim
to identify manipulable policy variables that can achieve specific objectives. They focus on
observed outcomes and emphasize the practical effectiveness of policies.

While prospective analysis is crucial for providing guidance on future actions, retrospective
analysis has its benefits. It emphasizes observed outcomes, offering insights into what has
actually worked or not. Discipline-oriented and problem-oriented analysis contribute to
understanding policymaking, challenging conventional wisdom, and shaping public opinion.
However, retrospective analysis is often less effective in offering specific problem-solving
solutions.

In conclusion, prospective analysis is more focused on future policy actions, while

retrospective analysis emphasizes observed outcomes. Applications-oriented analysis provides
valuable micropositive knowledge, but communication between ex ante analysts and
practitioners of retrospective analysis may be challenging. While prospective analysis is
generally favored for solving problems, retrospective analysis has its merits in understanding
policy outcomes and shaping intellectual priorities.

Descriptive and Normative Analysis

Figure 1.2 illustrates the contrast between descriptive and normative analysis in policy.
Descriptive policy analysis explains and predicts policies by identifying causal mechanisms
using logically consistent propositions. It relies on theories from political science, sociology,
and economics, and can be tested through monitoring and forecasting. Descriptive analysis
moves from monitoring to forecasting on the axis.

On the other hand, normative policy analysis evaluates and prescribes actions based on
logically consistent propositions. It assesses policy performance and determines preferred
policies that are efficient, equitable, and aligned with values such as efficiency, effectiveness,
equity, responsiveness, liberty, enlightenment, and security. Normative analysis moves from
prescription to evaluation on the axis.

Different types of knowledge are required to test normative and descriptive decision theories.
Evaluation and prescription methods provide knowledge about policy performance and
preferred policies. Normative analysis rests on values and considers optimal efficiency, equity,
and the well-being of those in need.

Problem Structuring and Problem Solving

In Figure 1.2, the internal and external cycles represent distinct processes. The inner cycle
focuses on problem structuring, which involves identifying the elements of a problem without
proposing solutions. This includes determining the problem's political, economic, social, and
ethical aspects, organizing it into a specific configuration, identifying stakeholders, setting
objectives, considering alternatives, and accounting for uncertain events. It also involves
ensuring that the right problem is being addressed.
On the other hand, problem-solving methods are situated in the outer cycle. These methods
aim to solve problems rather than structure them. They are primarily technical in nature,
contrasting with the conceptual nature of problem structuring. Examples of problem-solving
methods include econometric forecasting and benefit-cost analysis. However, for effective
problem-solving, the problem must first be appropriately structured. Problem-solving methods
address questions such as the extent to which an independent variable explains variance in an
outcome, the probability of obtaining certain variances, the net benefits of different policies,
and their expected utility or payoff.

Integrated and Segmented Analysis

Integrated policy analysis combines retrospective and prospective analysis, as well as

descriptive and normative analysis, into a continuous process. It bridges the segmented
disciplines of social science and is facilitated by multidisciplinary professions such as public
administration, planning, management, and policy analysis. These professions have been more
open to integrating various social science disciplines compared to the specialized disciplines
themselves. Integrated policy analysis recognizes the importance of multidisciplinary research
in addressing real-world problems that transcend disciplinary boundaries. The framework for
integrated policy analysis helps examine the assumptions, strengths, and limitations of
specialized methods and identifies their specific functions in problem structuring, monitoring,
evaluation, forecasting, and prescription. It emphasizes that policy analysis is a problem-
solving discipline that utilizes social science theories, methods, and findings to solve practical
problems.

THE PRACTICE OF POLICY ANALYSIS

Reconstructed Logic versus Logic-in-Use

Integrated policy analysis, as a logical reconstruction, does not perfectly align with the actual
practices of policy analysts. The term "logic-in-use" captures the deviation from
methodological best practices mandated by logical reconstructions. Several factors contribute
to this variation in policy analysis:

1. Cognitive styles: Analysts have different cognitive styles that influence how they acquire,
interpret, and use knowledge. Tools are used in organizations to diagnose these cognitive style
differences and make optimal personnel placements.

2. Analytic roles: Analysts in agency settings may have different roles. Some are "technicians"
who focus on technical content and are relatively insulated from politics. Others, known as
"politicians," actively advance the interests of political leaders or officials they report to. There
are also "entrepreneurs" who seek greater influence in the policymaking process.
3. Institutional incentive systems: Policy think tanks and professional research organizations
encourage different orientations toward analysis, such as "humanistic-value-critical" or
"scientific." The rewards and punishments provided by these institutions can influence the
validity of conclusions and recommendations.

4. Institutional time constraints: Government analysts often face tight time constraints,
typically ranging from 24 hours to 3 days. They work with greater speed and efficiency
compared to analysts in academic settings, which may limit their ability to collect original data
or employ complex techniques.

5. Professional socialization: Different disciplines and professions socialize their members into
different norms and values. Analysts employ both formal-quantitative and informal-narrative
approaches, although sound policy recommendations may require formal-quantitative
procedures.

6. Multidisciplinary teamwork: Analysis in public agencies often involves multidisciplinary

teams. Team members with expertise in economics and decision analysis are typically more
qualified for prospective analysis, while those trained in political science, sociology, and
program evaluation excel in retrospective analysis. Effective teamwork requires basic
understanding of the analytic methods employed by each team member.

These factors contribute to the diverse practices and approaches within integrated policy
analysis, reflecting the realities and complexities of policy analysis in various contexts.

Methodological Opportunity Costs

Integrated analysis has opportunity costs. Given limited time and resources, it is difficult to
conduct systematic economic, political, and organizational analyses simultaneously.

Multiple triangulation, also known as critical multiplism, is a methodological approach that

addresses some of the inadequacies in policy analysis. It involves using multiple perspectives
and methods to approximate the truth and gather a comprehensive understanding of policies.
Unlike logical positivism, which emphasizes logical and empirical verification, critical multiplism
recognizes the importance of subjective meaningful actions of policy stakeholders.

The advantage of critical multiplism over logical positivism is that it allows for triangulation
from various perspectives, enhancing the understanding of what is worth knowing about
policies. However, employing multiple perspectives, methods, measures, and data sources
comes with significant opportunity costs. For example, focusing on a single method like
econometric modeling for precision and generalizability may limit the deeper understanding
that qualitative methods such as ethnographic interviews and case studies can provide.
Similarly, research synthesis methods like meta-analysis can prioritize measurement precision
and generalized policy causation at the expense of a deeper understanding of the contexts of
policymaking. These trade-offs highlight the costs associated with employing multiple
perspectives and methods in policy analysis.

Ethnographic interviews involve high knowledge costs as they require extensive primary data
collection. However, they lack precision and generalizability. Field experiments offer greater
precision but are expensive, especially when combined with mixed methods. Time and
financial constraints necessitate trade-offs in policy analysis. Triangulation enhances validity,
but choices must consider costs and benefits of methods.

CRITICAL THINKING AND PUBLIC POLICY

Policy analysis is a complex task that involves sifting through extensive data, evaluating data
sources, selecting appropriate analysis methods, and effectively communicating the results.
Critical thinking is essential in this process, as it requires organizing, synthesizing, and
evaluating various reasons and bodies of evidence supporting different claims. Analyzing policy
arguments is a method that helps identify and examine the assumptions behind competing
policy claims, assess objections to these claims, and synthesize knowledge from multiple
sources.

The Structure of Policy Arguments

Policy arguments serve as the primary means of engaging in debates about public policies.
While social scientists emphasize the use of scientific methods, they often overlook the fact
that "public policy is made of language," and argumentation is central throughout the policy
process.
A policy argument can be conceptualized as comprising seven elements (Figure 1.4). The first
element is the policy claim (C), which represents the conclusion of the argument. Policy claims
can be normative, descriptive, evaluative, or definitional in nature.

The second element is policy-relevant knowledge (K), which provides the basis for the policy
claim. This knowledge can take the form of statistical data, experimental findings, expert
testimony, or common sense. It addresses the question of what knowledge is relevant to
support the claim. Policy arguments can form chains, branches, and cycles as they build upon
and incorporate various forms of knowledge.

Policy arguments consist of several key elements that shape the debate surrounding public
policies. These elements include:

1. Policy claim (C): The conclusion of the policy argument, which can be normative,
descriptive, evaluative, or definitional in nature.
2. Policy-relevant knowledge (K): The grounds for the policy claim, derived from statistical
data, experimental findings, expert testimony, or common sense. It provides the basis for
supporting the claim.
3. Warrant (W): The reason that supports the claim, which can be derived from economic
theories, ethical principles, political ideas, or professional authority. It justifies accepting
the claim by providing a logical or theoretical basis.
4. Qualifier (Q): The degree to which the claim is approximately true, given the strength of
the knowledge, warrants, objections, and rebuttals. It expresses the level of certainty or
credibility associated with the claim.
5. Backing (B): Additional reasons or arguments that support the warrant. Backing provides a
more general basis for accepting the warrant and can come from scientific laws, rules of
evidence, expert authority, or ethical principles.
6. Objection (O): Challenges or opposition to the knowledge, warrant, backing, or qualifier.
Objections identify special conditions or exceptions that undermine confidence in the truth
of the claim or its supporting elements.
7. Rebuttal (R): Counterarguments to objections, which challenge the objections by
identifying special conditions or exceptions that weaken their credibility.
8. Analysts use these elements to construct and evaluate policy arguments, uncovering
underlying assumptions and critically assessing the reasons and evidence put forth. By
examining contending arguments and their underlying assumptions, analysts can gain
insights into different perspectives and probe their own assumptions. This critical thinking
process helps in identifying weaknesses, unintended consequences, and potential
rebuttals in policy debates.

SUMMARY

This chapter has provided a methodology for pol- icy analysis that identifies the functions of
meth- ods in creating and transforming policy-relevant knowledge. The four regions of the
framework, along with inner and outer cycles, call attention to distinctive properties of these
methods and point to their origins in different social science disciplines and professions.
Because no one method is appropriate for all or most problems, there is a need for
multidisciplinary analysis, which requires tradeoffs and opportunity costs. In turn, the analysis
of tradeoffs and opportunity costs demands critical thinking. The analysis of policy arguments
is well suited for this purpose.

REVIEW QUESTIONS

1. What does it mean to define policy analysis as a process of inquiry as distinguished from
the application of methods of policy analysis?
2. Describe the dynamics of types of policy- relevant knowledge, policy-analytic methods,
and knowledge transformations.
3. Contrast segmented and integrated policy analysis. Give examples.
4. How does normative decision theory differ from descriptive decision theory?
5. List some of the key differences between problem solving and problem structuring.
6. Contrast retrospective and prospective analysis. Which social science disciplines tend to
specialize in prospective analysis? Retrospective analysis?
7. Discuss the strengths and limitations of critical multiplism.
8. Contrast the“logic-in-use”and the“reconstructed logic” of policy analysis. Provide
examples.
9. How can argumentation mapping assist analysts to become critical thinkers?
CHAPTER II
POLICY ANALYSIS IN THE POLICYMAKING PROCESS

INTRODUCTION

Policy analysts generate, evaluate, and communicate practical knowledge about the
policymaking process. This distinguishes policy analysis from disciplines like political science
and economics, which primarily focus on developing and testing theoretical knowledge about
policymaking. Policy analysts work under incentive systems that prioritize practical knowledge,
particularly knowledge of effective solutions.

Policy analysis utilizes social science methods and theories but with the aim of solving real-
world problems. This involves both acquiring knowledge about the policymaking process and
effectively communicating and applying that knowledge within policymaking contexts. Policy
analysts play a crucial role in bridging the gap between academic research and practical policy
solutions.

THE HISTORICAL CONTEXT

Policy analysis has a long history, encompassing various forms of inquiry ranging from ancient
mysticism and the occult to modern scientific approaches. The term "policy" has its roots in
Greek, Sanskrit, and Latin languages. The Greek term "polis" (city-state) and the Sanskrit term
"pur" (city) eventually evolved into the Latin term "politia" (state), which later influenced the
Middle English term "policie," referring to the management of public affairs or the
administration of the state.

Interestingly, the etymology of the word "policy" is closely connected to two other significant
terms: "police" and "politics." In Germanic and Slavic languages, there is only one word, such
as "Politik" or "politika," which encompasses both policy and politics. This linguistic overlap
contributes to the fluid boundaries between political science, public administration, and policy
analysis, often leading to confusion regarding their respective aims and scopes.

EARLY ORIGINS

Policy analysis can be traced back to ancient civilizations and has evolved alongside the
development of human societies. The term "analysis" in policy analysis has a broader
connotation than its contemporary meaning, which focuses on breaking down problems into
basic elements. In a wider sense, policy analysis emerged when practical knowledge became
consciously cultivated, leading to an examination of the relationship between knowledge and
action.

The early cultivation of policy-relevant knowledge can be seen in Mesopotamia, specifically in

the ancient city of Ur, where one of the first legal codes was created in the 21st century B.C.
The Code of Hammurabi, developed with the assistance of professionals akin to policy
analysts, aimed to establish a just public order during the transition of Babylon from a small
city-state to a larger territorial state. These early legal codes reflected the need for policies to
regulate various aspects of urban settlements, such as trade, property rights, and criminal
procedures.

The cultivation of policy-relevant knowledge was driven by the growing complexity of fixed
urban settlements and the need for policies to regulate societal functions. Educated individuals
specializing in policy forecasting, often referred to as "symbol specialists," emerged during this
time. Their role involved forecasting crop yields and predicting outcomes of wars, although
their methods often incorporated mysticism, ritual, and the occult, making replication difficult.

It is important to note that policy-relevant knowledge was ultimately judged based on its
effectiveness in shaping better policies, rather than the specific methods employed to produce
it. The notion of "science" in relation to policy should be approached critically, as the
invocation of science can sometimes serve as a symbolic legitimization or ritualistic
purification.

Throughout history, various individuals and texts have contributed to policy analysis. For
example, Kautilya's Arthashastra, written in the fourth century B.C. in India, served as a guide
to policymaking, statecraft, and government administration. In medieval Europe and other
parts of the world, the growth of urban civilization facilitated the development of specialized
knowledge, with policy specialists advising rulers in areas such as finance, law, and war.

The Enlightenment period, coinciding with the Industrial Revolution, saw a shift towards a
belief in progress through science and technology. Scientific theories and empirical methods
became increasingly influential in understanding and solving social problems, leading to the
production of policy-relevant knowledge aligned with the principles of empiricism and the
scientific method.

The Nineteenth-Century Transformation

In the nineteenth century, there was a significant shift in the approach to policy-relevant
knowledge in Europe. This transformation involved a move towards systematic recording of
empirical data and the growth of empirical, quantitative, and policy-oriented research. Prior to
this period, explanations of policymaking and its role in society were often based on appeals to
religious authority, ritual, or philosophical doctrine.

The emergence of statistics and demography as specialized fields played a crucial role in this
transformation. The establishment of organizations like the Manchester and London Statistical
Societies in the 1830s marked a new orientation towards policy-relevant knowledge. These
societies, composed of bankers, industrialists, and scholars, sought to replace traditional ways
of thinking about social problems with empirical analyses.

Adolphe Quetelet, a Belgian mathematician and astronomer, made significant contributions to

the methodology of social statistics and survey research. He addressed various aspects of
survey design and analysis, including questionnaire design, data collection, and interpretation.
Other notable figures such as Frederic Le Play in France and Ernst Engel in Germany also
contributed to the development of empirical approaches in social research.

In England, Henry Mayhew and Charles Booth exemplified the new empirical approach by
studying the lives and employment conditions of the urban poor in their natural settings.
Mayhew's work, "London Labour and the London Poor," provided a detailed account of
London's urban underclass, while Booth's "Life and Labour of the People in London" employed
participant observation to gain firsthand experience of living conditions. Booth's work
influenced policy revisions on old-age pensions and served as a model for similar research in
the United States.

The transformation of the nineteenth century was not marked by explicit declarations of
adherence to empiricism and the scientific method. Instead, it emerged from the uncertainty
accompanying the transition from agrarian to industrial societies. Political stability was crucial
in this shift, as industry and industrialized science required a stable order to operate efficiently.
Policy-oriented scientific research was valued by dominant social groups as a means to solidify
and legitimize political and administrative control.

Both in factory production and public policy, the political organization preceded scientific and
technological developments. Empirical, quantitative, and policy-oriented research methods
emerged as a response to the recognition that older methods of understanding the natural and
social world were inadequate. Practical questions related to wages, taxation, healthcare,
education, and public works needed answers, and policy-oriented empirical research provided
the means to address these practical concerns.

Twentieth-Century Professionalization

During the 1930s and onward, there was a shift in the approach to policy questions,
characterized by the use of economic modeling, decision analysis, and policy experimentation
to identify and select specific solutions to well-defined problems. The National Planning Board
(later the National Resources Planning Board) of the Roosevelt administration exemplified this
approach. Comprised mainly of social and political scientists, the board's role was to gather
and analyze facts, observe the interrelation and administration of broad policies, and propose
alternative lines of national procedure based on thorough inquiry and mature consideration.

This general orientation toward problems was also evident in other domains. Economists at
the Department of Agriculture, political scientists involved in the reorganization of the
Executive Branch, and anthropologists conducting studies for the Bureau of Indian Affairs all
shared a similar approach to policy questions. Additionally, social scientists contributed to
methodological innovations, such as the development of the sample survey as a new research
tool and instrument of government census policy, pioneered by the Department of Agriculture.

The onset of World War II and the subsequent period of postwar readjustment provided social
scientists with further opportunities to demonstrate their value in solving practical problems.
The progress made in survey research during the interwar period laid the foundation for the
use of interviews by various government agencies like the Office of War Information, the War
Production Board, and the Office of Price Administration. Social scientists played a crucial role
in investigating issues related to national security, social welfare, war production, price
controls, and food rationing. Agencies such as the Office of Strategic Services continued their
activities after the war, under the Office of Naval Research, the Department of the Air Force,
the Research and Development Board (later RAND) of the Department of Defense, and the
Central Intelligence Agency.

The federal government also established special research institutes during this time, including
the Operations Research Office at The Johns Hopkins University and the Human Resources
Research Office at George Washington University. One significant contribution to policy
research during this period was "The American Soldier" (1950), a four-volume study
commissioned in 1941 by the director of the Army Morale Division, sociologist Samuel
Stouffer. This large-scale project, which aimed to provide factual information, causal
inferences, and conclusions affecting millions of troops, played a crucial role in the
development and refinement of multivariate statistical analysis and other quantitative
techniques that are now widely used across social science disciplines.

Overall, the twentieth century witnessed the increasing use of advanced methodologies and
empirical research by social scientists in policy-relevant fields, leading to the
professionalization of these disciplines and their integration into government agencies for
research, analysis, and decision-making purposes.

The passage you provided highlights the development of policy orientation within the social
and behavioral sciences after World War II. It mentions the book "The Policy Sciences: Recent
Developments in Scope and Method" (1951), edited by Daniel Lerner and Harold D. Lasswell,
as the first systematic effort to develop an explicit policy orientation within these fields.

The policy sciences, as described by Lasswell, aimed not only to provide a basis for making
efficient decisions but also to improve democratic processes and realize human dignity in
theory and practice. This approach drew inspiration from the pragmatist philosophy of John
Dewey and other pragmatists.

The study of public policy also grew out of public administration, with Harvard University
establishing the Graduate School of Public Administration in 1937. The close relationship
between public policy and public administration is emphasized, and the development of policy
analysis methods and techniques originated from fields such as engineering, operations
research, systems analysis, and applied mathematics.

The period after World War II saw increased reliance on social scientists in investigating
various problems related to national security, social welfare, war production, price controls,
and food rationing. Nonprofit research organizations and think tanks, such as the RAND
Corporation, played a significant role in spreading systems analysis and other techniques to
government agencies and the academic community.

The passage also mentions the development of program-planning-budgeting systems (PPBS) in

the 1960s, which aimed to allocate resources efficiently. While PPBS faced implementation
challenges and fell into disuse, it contributed to the attention given to systematic procedures
for selecting and evaluating policy alternatives.

The growth of private foundations after 1950, dedicated to supporting research in the social
sciences and humanities, and the establishment of institutions and journals focused on applied
and policy-related research further contributed to the development of policy-relevant social
science. Graduate programs and degrees in policy analysis were established, and various
organizations, both governmental and nonprofit, engaged in policy research and advocacy.

Overall, this passage highlights the historical context and the evolution of policy orientation
within the social and behavioral sciences, as well as the methods and institutions that have
emerged to address policy-related challenges.
The Era of Evidence-Based Policy

In the early 2000s, analysts and policymakers acknowledged the increasing

interdependencies among various policy fields. Health policy experienced rapid growth, with
a significant rise in organizations dedicated to research and advocacy. This growth paralleled
the escalating rate of health expenditures. To address these complex interdependencies, a
systems perspective emerged, encouraging policymakers to think holistically and develop
evidence-based policies that can bring about change. Evidence-based policy, rooted in
empirical research, aims to determine what works and challenge entrenched approaches.
The Cochrane Collaboration and the Campbell Collaboration are prominent sources of
evidence-based policies, utilizing research synthesis and meta-analysis. In the United States,
evidence-based policy has gained support from program evaluators and policy analysts,
shaping procedures in program evaluation and the Office of Management and Budget.
However, there are differing views on evidence-based policy, with some criticizing it as a
reductionist approach and others seeing it as one of several research alternatives.

THE POLICYMAKING PROCESS

The policy analysis field emerged as a response to practical problems, but understanding its
characteristics requires delving into the policy sciences movement. Harold D. Lasswell, a
renowned political scientist, laid the foundation for the policy sciences, which aimed to create
and utilize knowledge to improve policymaking. Lasswell emphasized three components:
contextuality, problem orientation, and methodological diversity. The policy sciences viewed
analysis as an intellectual activity embedded in a social context.

Lasswell and his collaborator Myers S. McDougall identified seven decisional functions within
the policy process, each based on the coercive and persuasive powers of government. These
functions include intelligence, promotion, prescription, invocation, application, termination,
and appraisal, with each producing outcomes and effects. Over time, these decisional
functions were revised and expanded, resulting in different models, such as agenda setting,
policy formulation, policy adoption, policy implementation, policy communication, policy
evaluation, and policy adaptation.

It is important to note that Lasswell's decisional functions are seen as functions rather than
stages or phases, emphasizing purposeful actions and practical reasoning. The policy process is
visualized as a series of interdependent functions arranged through time, forming complex
cycles. These cycles involve cooperation, competition, and conflict among various actors, and
may include policy adaptation, succession, and termination. The policy process is dynamic,
with policies and problems in continuous flux, often leading to complex and unpredictable
outcomes.

(aquí va una tabla pero que no he puesto pq me parecía un tostón)

Throughout the policy process, policy-relevant knowledge can play a role, but its impact is not
guaranteed. Analysts may contribute knowledge relevant to one or multiple phases of
policymaking, but its influence depends on various factors.

MODELS OF POLICY CHANGE

The use of metaphors like garbage cans, primeval policy soups, and organized anarchies may
initially seem abstract and lacking in structure when applied to concrete policies. However, a
story can help illustrate their importance. Consider a secret military base where classified
materials are being stolen. A worker consistently attempts to leave the base with a
wheelbarrow, claiming it contains only dirt. Initially, the security guard probes the dirt and
finds nothing suspicious, allowing the worker to pass. This probing continues for a week, with
the guards growing increasingly suspicious. They eventually order the worker to dump the
contents of the wheelbarrow, but still find nothing. This process repeats for another two
weeks until a special investigation unit with scanning devices is called in. However, even the
scanning yields no results. Eventually, after a month, it is discovered that thirty wheelbarrows
have gone missing.

The story emphasizes the importance of both processes and structures in understanding
policymaking. While metaphors like garbage cans and organized anarchies may appear to lack
concrete structure, conceptual models are crucial for comprehending the policymaking
process. These models, often built upon metaphors, provide intellectual structures that shape
how we think about and explain policymaking processes. They help us understand the
complexities and dynamics involved, guiding our analysis and interpretation of the events and
actors involved in policy development and implementation.

The Comprehensive Rationality Model

The comprehensive rationality model is a framework that guides our understanding of

decision-making processes. According to this model, policymaking is viewed as a systematic
pursuit of economic efficiency. The rational economic actor, often referred to as homo
economicus, evaluates the costs and benefits associated with available alternatives and
chooses the option that maximizes the efficient use of resources. The fundamental proposition
of the comprehensive rationality model states that among multiple exhaustive alternatives,
the selected option should have net efficiency benefits (benefits minus costs) that surpass
those of the other alternatives.

In order to make economically rational decisions, decision-makers following this model

typically:

1. Specify a comprehensive set of alternatives that have sufficient consensus to act on behalf
of others.
2. Identify objectives for each alternative.
3. Forecast the consequences of selecting each alternative.
4. Specify and rank the alternatives in a transitive manner based on how effectively they
achieve the objectives.
5. Choose the alternative that maximizes the attainment of the objectives.

It is worth noting that there are alternative versions of rational choice theory that incorporate
additional factors. For instance, some versions consider institutional transaction costs within
the decision-making process. Others redefine benefits and costs in political, social, or ethical
terms, involving a concept known as homo politicus. Moreover, these alternative versions
acknowledge that decision-makers are fallible learners with imperfect knowledge, limited
computational capabilities, and a propensity for making errors. These variations aim to provide
a more nuanced understanding of decision-making by accounting for real-world complexities
and limitations faced by individuals and institutions.

Second-Best Rationality

Arrow's impossibility theorem is a significant critique of the comprehensive economic

rationality model. The theorem argues that it is impossible for decision-makers in a democratic
society to fulfill the requirements of comprehensive economic rationality. It states that
aggregating individual rational choices through majority voting cannot result in a single best
choice. This impossibility of achieving collective decision-making with transitive preferences is
known as the "voters' paradox."

To illustrate this paradox, let's consider a committee with three members: Brown, Jones, and
Smith, tasked with deciding on a preferred form of energy to address an energy crisis (solar,
coal, or nuclear). Each member has their own rational and transitive preferences. Brown
prefers solar to coal and coal to nuclear based on risk considerations. Jones favors coal over
nuclear and solar based on profitability, while Smith prefers nuclear over solar and coal for the
same reason.

When the committee attempts to reach a democratic decision through majority rule, a
paradox arises. Solar is preferred to coal by a 2 to 1 margin (Brown and Smith versus Jones),
and coal is preferred to nuclear by the same margin (Brown and Jones versus Smith). However,
applying the transitivity rule should lead to the preference of solar over nuclear (A preferred to
B, B preferred to C, so A should be preferred to C). Yet, two committee members (Jones and
Smith) prefer nuclear to solar, contradicting transitivity. This inconsistency in collective
preferences means that alternatives cannot be consistently ranked, rendering rational choice
impossible.
Arrow's impossibility theorem logically proves that it is impossible to utilize democratic
procedures, such as majority rule, to achieve transitive collective decisions. It demonstrates
the impossibility of meeting one or more "reasonable conditions" of any democratic decision
procedure, including nonrestriction of choices, nonperversity of collective choice,
independence of irrelevant alternatives, citizens' sovereignty, and nondictatorship.

To address the issue of intransitive preferences, collective decision-making could be delegated

to a few decision-makers, such as political or technical elites, who are more likely to reach
consensus and make transitive choices. However, this violates the conditions of citizens'
sovereignty and nondictatorship. Another approach could involve introducing additional
alternatives, hoping to foster consensus, but this violates the condition of independence of
irrelevant alternatives. In practice, political systems based on majority rule often employ a
combination of these approaches, resulting in what is known as second-best decisions.

Disjointed Incrementalism

The disjointed-incremental model holds that the comprehensive economic rationality model is
unworkable as an explanation of policymaking processes. 58 The fundamental proposition of
disjointed-incremental theory is that decisions are made at the margin of the status quo, so
that behavior at time t + 1 is marginally different from behavior at time t. According to
disjointed incrementalism, rational choices are made when decision-makers:

1. Consider only those alternatives that differ incrementally (i.e., by small amounts) from the
status quo.
2. Limit the number of consequences forecast for each alternative.
3. Mutually adjust objectives, on one hand, and policy alternatives on the other.
4. Reformulate problems and alternatives in the course of acquiring new knowledge.
5. Analyze and evaluate alternatives sequentially, so that choices are amended over time,
rather than at a single point in time.
6. Remedy existing problems, rather than attempt to solve problems completely.
7. Share responsibilities for analysis and evaluation with multiple groups, creating a process
that is disjointed and not conjoined.

Bounded Rationality

The bounded rationality model proposes that individual decision-makers face limitations in
making fully rational choices. Instead of striving for comprehensive rationality, decision-makers
rely on practical heuristics and satisficing strategies. These strategies involve making decisions
that are "good enough" rather than attempting to consider all alternatives and maximize
outcomes. Bounded rationality recognizes the constraints imposed by the costs of information
and the complexity of decision-making. It suggests that decision-makers focus on readily
identifiable solutions rather than exhaustively evaluating all possibilities. By incorporating the
cost of decision-making into the process, bounded rationality provides a more realistic
understanding of how individuals navigate complex decisions.

Erotetic Rationality

Erotetic rationality refers to a process of questioning and answering in decision-making. It

deviates from traditional deductive and inductive models and aligns with the pragmatist
tradition in philosophy and public policy. Abductive reasoning, characterized by the generation
of explanations for surprises or unsettled beliefs, plays a crucial role in erotetic rationality.
When faced with uncertainties or problem situations, policymakers and analysts engage in a
process of questioning and answering to seek optimal solutions. This process acknowledges
the limits of existing knowledge and embraces the need for exploration beyond accumulated
experience. Problem structuring and policy analysis often rely on erotetic rationality as a
central guiding framework. It resembles the approach of abandoning deductive and inductive
models in favor of interrogating practice and engaging in abductive reasoning.

Simultaneous Convergence

Simultaneous convergence refers to a complex process in policymaking where multiple

streams of factors, such as problems, policies, and politics, intersect and diverge as they
progress towards a desired outcome. Using the analogy of a river delta, it resembles the
intricate network of streams that converge and diverge on a floodplain before reaching the
sea. Understanding the outcomes of this process is challenging, as examining a sample from
the final outcome does not reveal the various routes or structures through which the process
unfolds. However, by closely monitoring the entire process and its underlying structure, it
becomes apparent that certain streams periodically converge, forming deep channels that
temporarily guide the process in predictable ways.

The river delta metaphor highlights the complexity of policymaking while acknowledging the
need to identify the structures that shape the process. In policymaking, individuals and groups
interact over time to shape agendas and formulate policies. Success in achieving desired
outcomes depends on recognizing critical moments, often referred to as "policy windows,"
where the streams of problems, policies, and politics converge. The critical convergence model
posits that policy change occurs during these pivotal moments. Identifying these moments
presents a challenge for analysts studying the policymaking process.

Punctuated Equilibrium

The punctuated equilibrium model explains policy change as resembling biological evolution.
Most policies undergo incremental changes over long periods, maintaining a dynamic
equilibrium. However, major policy shifts occur sporadically due to external shocks or "policy
earthquakes." These shocks, such as recessions, shifts in public opinion, or geopolitical events,
create new political images and lead to abrupt policy changes. While external shocks are
necessary for major change, the emergence of new political understandings is also required.
Gradual development of beliefs and values does not result in punctuated shifts in the
policymaking process.

POLICY ANALYSIS IN THE POLICYMAKING PROCESS

The purpose of policy analysis is to improve policymaking. This is no simple task, consid- ering
that many of the most important policies are resistant even to incremental changes. Large,
discontinuous changes are relatively rare, and they usually stem from external shocks to the
policy system, not from internal changes prescribed by analysts and acted on by policymakers.
Nevertheless, multidisciplinary policy analysis is important because of the potential for change
embodied in the five types of policy-relevant knowledge and associ- ated methods (Figure 2.2).
Potential Uses of Analysis

Analysts often believe that generating policy-relevant knowledge leads to improved policies.
This belief is reflected in the various functions served by different methods:

1. Problem Structuring: These methods supply policy-relevant knowledge to examine the

underlying assumptions of problems on the public agenda. They help in identifying hidden
assumptions, diagnosing different causes, mapping objectives, reconciling conflicting views,
and visualizing better policies. For instance, when the issue of race and sex bias in standardized
tests emerged, analysts in Pennsylvania challenged the assumption that test bias required
legislative action. Through synthesizing and evaluating research, they found that the observed
score differences were indicative of educational inequality rather than test bias. This
recommendation led to the issue being removed from the legislative agenda.

2. Forecasting: Forecasting methods provide policy-relevant knowledge about the expected

outcomes of adopting specific policies. They help in exploring plausible futures, estimating
consequences of existing and proposed policies, identifying future constraints, and assessing
the political feasibility of different options. For example, analysts in the Health Care Finance
Administration used forecasting methods to estimate the effects of revenue shortfalls on the
Medicare trust fund. They projected that without new health care policy initiatives, future
benefits under Medicare could be reduced by $40-$50 billion, potentially resulting in a 50%
reduction in the program. Additionally, the number of uninsured individuals, around 40 million
at the time, was likely to increase.

3. Prescription: These methods provide policy-relevant knowledge about the benefits, costs,
and overall value of expected policy outcomes derived from forecasting. They aid policymakers
in the phase of policy adoption by estimating risk levels, identifying externalities and spillovers,
establishing decision criteria, and assigning administrative responsibility for policy
implementation. For instance, the debate over maximum speed limits in the United States
focused on the costs per fatality under different speed limits. One recommendation suggested
reallocating funds from speed limit maintenance to the purchase of smoke detectors, which
was projected to save more lives. Eventually, many states experimented with higher speed
limits, and the 55 mph speed limit was abandoned.

4. Monitoring: These methods involve observing and assessing policy outcomes to assist in the
implementation phase. Agencies regularly employ policy indicators in various areas to monitor
outcomes and impacts. Monitoring helps evaluate compliance levels, identify unintended
consequences, uncover implementation obstacles, and determine accountability for deviations
from policies. Analysts in agencies like the Bureau of the Census and the Bureau of Labor
Statistics monitor economic and social welfare policies in the United States. For instance, an
analysis conducted in 1991 revealed that real median household income had only grown by 2%
between 1969 and 1989, with income inequality increasing during that period.

5. Evaluation: Evaluation methods provide policy-relevant knowledge by comparing expected

policy performance with the actual outcomes. They aid in policy assessment, adaptation,
succession, and termination. Evaluation allows for conclusions regarding problem alleviation,
critique of underlying values, policy adjustments, and problem restructuring. For example,
analysis in the European Union and other regions proposed incorporating ethical and moral
reasoning alongside technical reasoning in environmental policies, contributing to the
clarification and debate of values driving those policies.
Uses of Analysis in Practice

Policy analysis faces the following limitations in practical application:

1. Indirect, delayed, and general use: Policy analysis is often viewed as part of a larger body of
knowledge, and its direct impact is limited. The complex nature of policymaking, with its
unpredictable cycles, contributes to the delayed and indirect nature of analysis use.

2. Ethical controversies in defining improvement: The interpretation of "improvement" derived

from policy analysis varies based on political, ideological, and ethical perspectives. Different
beliefs about the public interest and the role of government influence how improvement is
defined. Efficiency itself is an ethical matter, as policies can have winners and losers.

3. Personal, professional, and institutional interests: Analysts have personal and professional
interests in enhancing their status and rewards. They may seek access to influential individuals
for personal gain or to benefit their agencies and communities.

4. Complexities of knowledge use: The process of utilizing policy-relevant knowledge is as

complex as policymaking itself. Making informed policy decisions requires considering various
factors, which can result in numerous decisions. However, only a few decisions are deemed
significant, while others are taken for granted as part of everyday operations.

5. Composition of users: Policy analysis is utilized by both individuals and collectives, such as
agencies, ministries, and legislatures. The use of analysis can be driven by individual decision-
making or collective policymaking processes.

6. Scope of knowledge used: Policymakers rely on a range of knowledge, from specific

recommendations to general concepts. The use of commonly accepted ideas and metaphors is
more general, while specific recommendations guide specific policies or procedures.

7. Expected effects of use: Policy analysis can have conceptual, symbolic, and instrumental
effects. It can shape thinking about problems and solutions (conceptual use), legitimize
preferred formulations (symbolic use), and serve as a tool for directing or manipulating
activities (instrumental use).

Understanding and addressing these limitations can help assess and improve the utilization of
policy analysis in practice.

CHAPTER SUMMARY

This chapter has presented an overview of the role of policy analysis in policymaking.
Historically, the aim of policy analysis has been to provide policymakers with knowledge that
can be used to solve practical problems. Policy analysis is an intellectual activity embedded in a
social process. Although policymaking can be seen as a set of phases ordered in time, the
organization of these phases resembles a garbage can or organized anar- chy. Numerous
models are available to describe how and why policies change, all of which capture an
important property of policymaking.
Methods of analysis are designed to produce policy-relevant knowledge that is useful in all
phases of policymaking. However, the uses of analysis are indirect, delayed, general, and
ethically controversial. Although this complicates the process of knowledge use, this should be
expected, considering the many variations of knowledge use based on the intersec- tion of its
composition, scope, and expected effects.

REVIEW QUESTIONS

1. What does it mean to say that policy analysis is a process of producing knowledge of and
in the policymaking process?
2. What is the relation between the problems faced by societies and the growth of what has
been called an “analycentric” perspective?
3. Compare and contrast intellectual and social aspects of policymaking. Give examples.
4. What is an “organized anarchy”? How is it related to the “garbage can” model of
policymaking?

5. 5. In your experience, which model(s) of policy change are most useful? Why?
6. 6. Considering the three dimensions of knowl- edge use, how would you know when poli-
cymakers have used policy analysis? What would you do about it?
7. 7. What are the pros and cons of evidence-based policymaking? Consider concepts of
“techno- cratic guidance” and “technocratic counsel” pre- sented in the case study for this
chapter.
CHAPTER III

STRUCTURING POLICY PROBLEMS

NATURALEZA DE LOS PROBLEMAS DE POLÍTICA

Los problemas de políticas son necesidades, valores u oportunidades de mejora no realizadas.

La información sobre la naturaleza, el alcance y la gravedad de un problema se produce
aplicando el procedimiento analítico de políticas de estructuración de problemas. La
estructuración de problemas, que es una fase de investigación en la que los analistas
comparan, contrastan y evalúan formulaciones competitivas de un problema es uno de los
procedimientos más importantes realizados por los analistas.

Resolución de problemas VS estructuración de problemas

El análisis de políticas a menudo se describe como una metodología de resolución de

problemas. Aunque esto es en parte correcto, y los analistas logran encontrar soluciones a los
problemas, la imagen de resolución de problemas es incompleta. El análisis de políticas se ve
mejor como un proceso dinámico y multinivel en el que los métodos de estructuración de
problemas son esenciales para el éxito demétodos de resolución de problemas.

Los métodos de estructuración de problemas son diferentes de los métodos de resolución de

problemas porque las preguntas que están diseñadas para responder son diferentes. Los
métodos de resolución de problemas son más apropiados y efectivos cuando sabemos con
mayor o menor precisión qué problema resolver. Los problemas relacionados con el cálculo de
los beneficios netos de los programas para reducir la contaminación industrial en general están
formulados con precisión. Los problemas que involucran juicios sobre el alcance y la gravedad
de la contaminación industrial y la identificación de las condiciones que pueden causarla están
formulados de manera imprecisa y mal definidos. Aquí podemos encontrar que la formulación
adecuada del problema está estrechamente relacionada con los hábitos de conducción de los
estadounidenses para quienes los combustibles derivados del petróleo son relativamente
baratos, según los estándares mundiales, y están subsidiados por el gobierno.

El problema formulado con mayor o menor precisión que involucra el cálculo es una cuestión
de resolución de problemas. Así como podemos distinguir la resolución de problemas y la
estructuración de problemas, también podemos contrastar:

   Problema de detección VS problema estructurando. El proceso de resolución de

problemas rara vez comienza con problemas claramente articulados, pero con una
sensación de preocupaciones difusas. Estas preocupaciones difusas y signos incipientes
de estrés no son problemas sino situaciones problemáticas, que se refieren al estado
de "creencia inestable" que enfrentamos cuando sentimos situaciones vagas y mal
definidas que requieren acción. Por el contrario, los problemas de política son
productos de la aplicación de métodos de estructuración de problemas a situaciones
 problemáticas. Los problemas son elementos de situaciones problemáticas que se han
abstraído de estas situaciones mediante la estructuración de problemas.
   Estructuración de problemas VS resolución de problemas. El análisis de políticas
incluye métodos de estructuración de problemas, así como métodos de resolución de
problemas. Los métodos de estructuración de problemas proporcionan un
complemento metodológico a las teorías del diseño de políticas o ciencia del diseño.
Los métodos de estructuración de problemas son metametodos, es decir, son "acerca
de" y los métodos de resolución de problemas de "venga antes".

 Problema resolviendo VS problema no resuelto y problema de disolución. Los términos

problema resolviendo, problema sin resolver, y la resolución del problema se refieren a tres
tipos de corrección de errores. Aunque los tres términos provienen de la misma raíz (L. solvere,
para resolver o disolver), los procesos de corrección de errores a los que se refieren son
diferentes (Figura 3.1). La resolución de problemas implica el reanálisis de un problema
correctamente estructurado para reducir los errores de calibración, por ejemplo, reducir la
probabilidad de errores de Tipo I o Tipo II al probar la hipótesis nula de que una política no
tiene ningún efecto. El problema sin resolver, por el contrario, implica el abandon de una
solución basada en la formulación incorrecta de un problema, por ejemplo, la política de
renovación urbana implementada en las ciudades centrales durante la década de 1960, y un
retorno a la estructuración del problema en un intento de formular el problema correcto.
Finalmente, la resolución de problemas implica el abandono de un producto incorrectamente
formulado. problema y un retorno a la estructuración del problema para comenzar de nuevo el
proceso.

CARACTERÍSTICAS DE LOS PROBLEMAS

Hay varias características importantes de los problemas de política:

1. Interdependencia Los problemas de política en un área (p. Ej., Energía) con frecuencia
afectan los problemas de política en otras áreas (p. Ej., Atención médica y desempleo). Los
problemas de política no son entidades independientes; son partes de sistemas completos de
problemas, es decir, sistemas de condiciones externas que producen insatisfacción entre los
diferentes segmentos de la comunidad. Los sistemas de problemas (desorden) son difíciles o
imposibles de resolver mediante un enfoque reduccionista, es decir, uno que descompone los
problemas en sus elementos o partes componentes, porque rara vez se pueden definir y
resolver problemas independientemente uno del otro. Los sistemas de problemas
interdependientes requieren un enfoque holístico, es decir, uno que vea los problemas como
inseparables.

2. Subjetividad. Las condiciones externas que dan lugar a un problema se definen, clasifican y
evalúan selectivamente. Aunque hay un sentido en el que los problemas son objetivos, por
ejemplo, la contaminación del aire puede definirse en términos de niveles de CO2 gases y
partículas en la atmósfera: se interpretan los mismos datos sobre la contaminación de
maneras marcadamente diferentes. La razón es que los analistas abstraen los problemas de
política de las situaciones problemáticas. Los problemas son en parte subjetivos y en parte
objetivos, una caracterización respaldada por la doctrina epistemológica del relativismo
objetivo.Los problemas son relativos pero no obstante objetivos.

3. Lo artificial. Los problemas de política son posibles solo cuando los seres humanos emiten
juicios sobre la conveniencia de alterar alguna situación problemática. Los problemas de
política son productos del juicio humano subjetivo; los problemas de política se aceptan como
definiciones legítimas de condiciones sociales objetivas; Los problemas de política se
construyen, mantienen y cambian socialmente.Los problemas no tienen existencia aparte de
los individuos y grupos que los definen, lo que significa que no hay "natural" estados de la
sociedad que en sí mismos constituyen problemas de política.

4. Inestabilidad. Puede haber tantas soluciones diferentes para un problema como

definiciones de ese problema. “Los problemas y las soluciones están en constante cambio; por
lo tanto los problemas no se quedan resuelto Las soluciones a los problemas se vuelven
obsoletas incluso si el problemas a los que se dirigen no lo hacen”.

Los problemas son sistemas intencionales (teleológicos) en los que no hay dos miembros
idénticos en todas o incluso en cualquiera de sus propiedades o comportamientos; las
propiedades o el comportamiento de cada miembro tienen un efecto sobre las propiedades o
el comportamiento del sistema en su conjunto; las propiedades y el comportamiento de cada
miembro, y la forma en que cada uno afecta al sistema en su conjunto, dependen de las
propiedades y el comportamiento de al menos otro miembro del sistema; y todos los posibles
subgrupos de miembros tienen un efecto no independiente en el Sistema en su conjunto.14
Los problemas subjetivamente experimentados (crimen, pobreza, desempleo, inflación,
energía, contaminación, salud, seguridad) no pueden descomponerse en subconjuntos
independientes sin correr el riesgo de producir una solución aproximadamente correcta para
el problema equivocado.

Una característica clave de los sistemas de problemas es que el todo es mayor, es decir,
cualitativamente diferente, que la simple suma de sus partes. Una pila de piedras se puede
definir como la suma de todas las piedras individuales, pero también como una pirámide. Del
mismo modo, un ser humano puede pensar y actuar, pero ninguna de sus partes puede
hacerlo de forma independiente. La membresía en un sistema puede aumentar o disminuir las
capacidades de cada elemento, pero no los deja sin afectar.

Finalmente, el reconocimiento de la interdependencia, subjetividad, artificialidad e

inestabilidad de los problemas nos alerta sobre las posibles consecuencias imprevistas que se
derivan de las políticas que se basan en la solución correcta al problema incorrecto

Problemas VS cuestiones

Problemas de política implican desacuerdos sobre cursos de acción actuales o potenciales. Los
problemas también reflejan puntos de vista opuestos sobre la naturaleza de los problemas
mismos. Una cuestión aparentemente clara, por ejemplo, si el gobierno debería imponer
estándares de calidad del aire a la industria, es típicamente la consecuencia de suposiciones
conflictivas sobre la naturaleza de la contaminación:

A ) La contaminación es una consecuencia natural del capitalismo, un sistema económico

donde los propietarios de la industria naturalmente buscan aumentar las ganancias de sus
inversiones. AlgunosEl daño al medio ambiente es un precio necesario a pagar por una
economía capitalista sana.

B) La contaminación es el resultado de la necesidad de poder y prestigio entre los gerentes

industriales que buscan promociones en grandes burocracias orientadas a la carrera.

C) La contaminación es una consecuencia de las preferencias del consumidor en la sociedad de

alto consumo masivo. Para garantizar la supervivencia corporativa, los propietarios y gerentes
deben satisfacer las preferencias de los consumidores para los motores de alto rendimiento y
los viajes en automóvil.

La formulación de un problema está influenciada por los supuestos que las partes interesadas
en la política aportan a una situación problemática. A su vez, las diferentes formulaciones del
problema configuran las formas en que se definen los problemas de política. En nuestro
ejemplo anterior de contaminación ambiental, las suposiciones sobre el funcionamiento de
una economía capitalista saludable pueden dar lugar a una visión negativa de la regulación
gubernamental de los estándares de calidad del aire en la industria, mientras que las
suposiciones sobre el comportamiento de gestión empresarial pueden dar lugar a una posición
afirmativa. Por el contrario, los supuestos sobre las preferencias del consumidor y la
supervivencia corporativa pueden influir en la opinión de que la regulación gubernamental no
es un problema,demanda.

Problemas de política pueden clasificarse según una jerarquía de tipos: mayor, secundaria,
funcional y menor (Figura 3.2). Los problemas principales son los que se encuentran en los
niveles más altos de gobierno dentro y entre las jurisdicciones nacionales, regionales y locales.
Los problemas principales generalmente involucran preguntas sobre la misión de la agencia, es
decir, preguntas sobrela naturaleza y el propósito de una organización. Los problemas
secundarios son aquellos ubicados en el nivel de los programas de la agencia a nivel federal,
estatal y local. Las cuestiones secundarias implican establecer prioridades del programa y la
definición de grupos destinatarios y beneficiarios.

Los problemas funcionales, por el contrario, son aquellos ubicados en el programa y los niveles
del proyecto que involucran cuestiones de presupuesto, finanzas y adquisiciones. Finalmente,
los problemas menores involucran la dotación de personal, los beneficios de los empleados,
los tiempos de vacaciones, las horas de trabajo y los procedimientos y reglas de operación
estándar.

Algunos tipos de problemas son estratégicos, mientras que otros son operativos. Una política
estratégica es aquella en la que las consecuencias de las decisiones son relativamente
irreversibles. Cuestiones tales como si Estados Unidos debería enviar tropas a Irak o
Afganistán, o si debería haber atención médica universal, requieren políticas estratégicas que
involucren acciones que no puedan revertirse durante muchos años. Por el contrario, las
políticas operativas, es decir, las políticas donde las consecuencias de las decisiones son
relativamente reversibles, no implican los riesgos y la incertidumbre presentes en los niveles
superiores. Tres clases de problemas de política

Hay tres clases de problemas de política: problemas bien estructurados, moderadamente

estructurados y mal estructurados. La clasificación de un problema está determinada por su
relativa complejidad. Las diferencias entre problemas bien estructurados, moderadamente
estructurados y mal estructurados pueden ilustrarse considerando las propiedades de sus
respectivos elementos (Tabla 3.1).

1. 1-   Problemas bien estructurados involucrar a uno o algunos tomadores de decisiones

y un pequeño conjunto de alternativas. Existe consenso sobre las utilidades (valores),
que están claramente clasificadas en orden de preferencia de los tomadores de
decisiones. Los resultados de cada alternativa se conocen con total certeza o dentro de
un margen de error aceptable. El prototipo del problema bien estructurado es el
problema de decisión algorítmica, donde todas las consecuencias de todas las
alternativas de políticas son programadas por una computadora por adelantado.
 2. 2-   Moderadamente problemas estructurados involucrar a algunos tomadores de
decisiones y un número relativamente limitado de alternativas. Los desacuerdos sobre
las utilidades (valores) son manejables y pueden resolverse mediante negociaciones y
ajustes mutuos. Sin embargo, los resultados de las alternativas son inciertos. El
prototipo del problema moderadamente estructurado es la simulación o el

Descargado por Laura Pulgarín (laurapulgarinsuero@gmail.com)

lOMoARcPSD|6805958

juego, por ejemplo, el "dilema del prisionero" .19 En este juego, dos prisioneros se encuentran
en celdas separadas, donde cada uno es interrogado por el fiscal, quien debe obtener una
confesión de uno o ambos prisioneros para obtener una condena. El fiscal, que tiene evidencia
suficiente para condenar a cada prisionero por un delito menor, le dice a cada uno que si
ninguno confiesa, ambos serán juzgados por un delito menor que conlleva un castigo menor; si
ambos confiesan el delito más grave, ambos recibirán una condena reducida; pero si solo uno
confiesa, recibirá libertad condicional, mientras que el otro recibirá una sentencia máxima. La
opción "óptima" para cada preso, dado que ninguno puede predecir el resultado de la decisión
del otro, es confesar. Sin embargo, es precisamente esta elección la que dará como resultado
penas de 5 años para ambos presos, porque ambos intentan minimizar sus penas.pequeños
grupos, agencias y corporaciones.

3- Problemasmalestructuradosinvolucraramuchostomadoresdedecisionescuyasutilidades
(valores)soncompletamentedesconocidaso,siseconocen,imposiblesdeclasificardemanera
consistente.Mientrasquelosproblemasmoderadamenteestructuradospuedenresolverse
mediantenegociaciones,unacaracterísticaprincipaldelosproblemasmalestructuradosesel
conflictoentreobjetivosencompetencia.Lasalternativasylosresultadostambiénpuedenser
desconocidosoestarsujetosariesgos.Aquí,elproblemanoesdescubrirrelaciones
deterministasconocidas,sinodefinirlanaturalezadelproblema.Elprototipodelproblemamal
estructuradoeselproblemadedecisióncompletamenteintransitivo,esdecir,unoenelquees
imposibleselecionarunaalternativadepolíticaúnicaqueseprefieraatodaslasdemás.

Ya sea que se enfrente a un individuo, un pequeño grupo o una organización, muchos

problemas importantes están relativamente mal estructurados. Aunque algunos han
propuesto que usemos los términos "malvados" y "domesticados" en lugar de problemas mal
estructurados y bien estructurados, la distinción malvado-domestica parece haber sido creada
para propósitos principalmente retóricos.

Varios científicos sociales han resumido hábilmente las razones por las cuales los problemas
mal estructurados son importantes para las políticas públicas. Los problemas relativamente
mal estructurados son importantes porque en contextos de políticas no es realista asumir la
existencia de uno o unos pocos tomadores de decisiones con preferencias consistentes (o
transitivas) y consenso sobre los objetivos, porque la formulación de políticas generalmente
implica negociación, competencia y conflicto. .21 Además, rara vez es posible identificar la
gama completa de soluciones alternativas para un problema, en parte debido a las limitaciones
en la adquisición de información, pero también porque es difícil saber cuándo hemos
recopilado suficiente información para saber cuándo Se ha encontrado una solución. Rittel y
Webber afirman esto de manera concisa cuando proponen que no hay "parar"regla "para
determinar cuándo se ha resuelto un problema.

ESTRUCTURACIÓN DE PROBLEMAS EN EL ANÁLISIS DE POLÍTICAS

Los métodos para resolver problemas mal estructurados no son los mismos que para resolver
problemas bien estructurados.

Creatividad en la estructuración de problemas

Los criterios para determinar el éxito de la estructuración de problemas también son

diferentes de los utilizados para juzgar el éxito de la resolución de problemas. La resolución
exitosa de problemas requiere que los analistas obtengan soluciones técnicas relativamente
precisas para problemas relativamente bien estructurados. Por el contrario, la estructuración
de problemas requiere que los analistas produzcan soluciones creativas. Criterios para juzgar
los actos creativos en general también son aplicables a la creatividad en la estructuración de
problemas. La estructuración del problema es creativa en la medida en que:

1. el producto del análisis es lo suficientemente novedoso como para que la mayoría de

las personas no puedan o no quieran han llegado a la misma solución;
2. El proceso de análisis es lo suficientemente poco convencional como para implicar la
modificación. o rechazo de ideas previamente aceptadas;
3. El proceso de análisis requiere una motivación y persistencia suficientemente altas que
el análisis se realiza con alta intensidad o durante largos períodos de tiempo;
4. El producto del análisis se considera valioso porque proporciona un solución para el
problema; y
5. El problema planteado inicialmente es tan ambiguo, vago o mal definido que el
principal El desafío es formular el problema en sí.

Fases de la estructuración de problemas

Problema la estructuración tiene cuatro fases interrelacionadas: búsqueda de problemas,

delineación de problemas, especificación de problemas y detección de problemas (Figura 3.3).
Un primer paso es el reconocimiento de una situación problemática, es decir, un sentido difuso
de preocupaciones, una incredulidad o una sorpresa. Al pasar de la situación problemática, el
analista se dedica a la búsqueda de problemas. En esta etapa, el objetivo no es el
descubrimiento de un solo problema sino más bien el descubrimiento de las representaciones
del problema de múltiples partes interesadas. En este contexto, los analistas en ejercicio
generalmente enfrentan una gran cantidad de formulaciones de problemas diferentes que se
distribuyen a lo largo del proceso de formulación de políticas. En efecto, los analistas se
enfrentan a un metaproblema, un problema de problemas, por así decirlo, que implica
representaciones de problemas muy numerosos. A través de la delimitación del problema, es
posible definir los límites del metaproblema.

Al pasar del metaproblema al problema sustantivo, intentamos delinear el problema en sus

términos más básicos y generales. Por ejemplo, podemos decidir si el problema tiene raíces en
la economía, la sociología, la ciencia política, la ingeniería, etc. En muchos sentidos, la elección
de un marco conceptual es similar a la elección de una cosmovisión, ideología o mito popular e
indica un compromiso con una visión particular de la realidad.

Para ilustrar la importancia de las cosmovisiones, ideologías y mitos populares en la

conceptualización de problemas sustantivos, considere las diversas formas de definir la
pobreza. La pobreza puede definirse como una consecuencia de accidentes o condiciones
inevitables de la sociedad, de las acciones de las élites económicas egoístas o de las
imperfecciones en los propios pobres. Estas definiciones de pobreza contienen elementos de
una cosmovisión, mito o ideología en la medida en que cada uno implica la percepción
selectiva

de elementos de una situación problemática.

Cosmovisiones, ideologías y mitos pueden ser en parte verdaderos y en parte falsos. En este
ejemplo, la atribución de la pobreza a los accidentes históricos puede sugerir que alterar la
distribución de la riqueza no tiene sentido, pero este mismo mito, que representa una
perspectiva naturalista de la sociedad problemas, sensibiliza a los analistas sobre la naturaleza
relativa de la pobreza al señalar el hecho de que ninguna sociedad conocida la ha resuelto por
completo. Del mismo modo, la atribución de la pobreza a las élites malvadas o corruptas
puede distorsionar sus motivaciones reales. Sin embargo, esta misma perspectiva moralista,
que explica la pobreza en términos de presuntas debilidades morales, también dirige la
atención a las formas en que la concentración de la propiedad promueve el desperdicio, la
explotación y la irresponsabilidad social. Finalmente, atribuir la pobreza a las imperfecciones
en los pobres mismos da como resultado culpar a la víctima en lugar de las circunstancias
ambientales.

Una vez que se ha definido un problema sustantivo, se puede construir un problema formal
más detallado y específico. El proceso de pasar del problema sustantivo al formal se lleva a
cabo a través de la especificación del problema, que implica el desarrollo de un modelo
simbólico o matemático formal del problema sustantivo. En este punto, pueden surgir
dificultades, porque la relación entre el problema sustantivo y su representación formal puede
ser tenue. La especificación de un problema complejo en términos matemáticos simplistas
puede ser prematura o inapropiada.

Errores del tercer tipo (EIII)

Una cuestión importante de la estructuración de problemas es qué tan bien los problemas
sustantivos y formales se corresponden con la situación del problema. Si una situación
problemática es un sistema complejo de problemas, entonces una tarea central es la
formulación de problemas sustantivos y formales que representen adecuadamente esa
complejidad. La coincidencia entre una situación problemática y un problema sustantivo se
determina en la fase de delineación del problema. El problema sustantivo puede basarse en
suposiciones sobre la naturaleza humana, el tiempo y las posibilidades de cambio a través de
la acción pública. Igualmente importante es el ajuste entre la situación del problema y el
problema formal. Este último se especifica típicamente en forma de una fórmula matemática o
ecuación, un proceso que está sujeto a todas las precauciones que asisten a la especificación
errónea de los modelos estadísticos.

La información sobre la situación del problema se transforma en información sobre el

metaproblema a través del proceso de búsqueda del problema. Los analistas que no buscan, o
dejan de buscar prematuramente, corren el riesgo de definir incorrectamente los límites del
metaproblema. Aspectos importantes del metaproblema pueden quedar fuera, restringiendo
su alcance de manera inapropiada. La transformación de la información sobre el
metaproblema en información sobre el problema sustantivo se logra mediante un proceso de
delimitación del problema. Aquí, el riesgo es seleccionar dentro de los límites del
metaproblema el problema sustantivo incorrecto. A su vez, la transformación del problema
sustantivo en el problema formal.
a través de un proceso de especificación del problema puede resultar en una representación
formal o modelo incorrecto del problema sustantivo en lugar de en el correcto. Cualquiera de
las transiciones que se muestran en la Figura 3.3 puede dar como resultado un error de Tipo
III: formular el problema incorrecto.Un error de Tipo III es diferente de un error estadístico de
Tipo I (rechazando la hipótesis nula cuando es cierto) y un error estadístico de Tipo II
(aceptando la hipótesis nula cuando es falsa). Hace mucho tiempo, Raiffa advirtió que "los
practicantes con demasiada frecuencia cometen errores de un tercer tipo: resolverel problema
equivocado ".

El concepto de un error de Tipo III plantea cuestiones que son centrales para el análisis de
políticas y la ciencia en general. Las diferentes fases de la estructuración de problemas (Figura
3.3) requieren diferentes habilidades metodológicas. Las habilidades más apropiadas para
descubrir metaproblemas son las principales de observación, porque el objetivo es descubrir y
agregar las definiciones de problemas de múltiples partes interesadas. Por el contrario, las
habilidades requeridas para transformar un metaproblema en un problema sustantivo son
conceptuales y analíticas, al igual que las habilidades utilizadas en el análisis cualitativo de
datos. Aquí, el desafío es identificar un problema sustantivo reduciendo a proporciones
manejables las múltiples definiciones de un problema que se encuentran dentro del límite del
metaproblema. A su vez, las habilidades requeridas para transformar un problema sustantivo
en un problema formal son matemáticas, estadísticas,

MODELOS DE POLÍTICAS Y ESTRUCTURACIÓN DE PROBLEMAS

Modelos de politica son representaciones simplificadas de una situación problemática. La

opción de modelos de políticas implica habilidades en la estructuración de problemas. Los
modelos de políticas pueden expresarse como conceptos, diagramas, gráficos o ecuaciones y
pueden usarse no solo para describir, explicar y predecir aspectos de un problema, sino
también para resolverlo recomendando cursos de acción. Aunque los modelos nunca son
descripciones literales de un problema, son útiles e incluso necesarios. Simplifican los sistemas
de problemas al reducir y hacer manejables las complejidades encontradas por los analistas en
su trabajo. Los modelos de políticas también ayudan a distinguir las características esenciales
de los no esenciales de un problema, resaltan las relaciones entre factores o variables
importantes y ayudan a explicar y predecir las consecuencias de las elecciones de políticas.

El uso de modelos de políticas no es una elección, porque cada uno de nosotros usa modelos
en nuestro trabajo y en la vida cotidiana. Todas nuestras decisiones son tomadas La base de
los modelos.

Al simplificar las situaciones problemáticas, los modelos distorsionan selectivamente la

realidad. Los modelos en sí mismos no pueden decirnos cómo discriminar entre preguntas
esenciales y no esenciales; ni pueden explicar, evaluar o recomendar, porque estos juicios son
externos al modelo y no forman parte de él. Si bien los modelos nos ayudan a realizar estas
tareas analíticas, es el analista y no el modelo quien proporciona los supuestos necesarios para
identificar las características de la realidad descritas por un modelo. Finalmente, los modelos
de políticas, particularmente aquellos expresados en forma matemática, son con frecuencia
difíciles de comunicar a los formuladores de políticas y otras partes interesadas que no
conocen el lenguaje de los modelos matemáticos.

Modelos descriptivos
Un tipo de modelo, el modelo descriptivo, explica o predice las causas y consecuencias de las
elecciones de políticas. Los modelos descriptivos se utilizan para monitorizar los resultados de
las acciones políticas, por ejemplo, resultados tales como ingresos, empleo, tasas de arrestos o
costos de atención médica incluidos en las listas de indicadores sociales y económicos
publicados por la Oficina de Gestión y Presupuesto o por Eurostat. Los modelos descriptivos
también se utilizan para pronosticar el desempeño económico, la demanda de energía, el
calentamiento global y otros resultados de políticas futuras. Por ejemplo, el Consejo de
Asesores Económicos prepara un pronóstico económico anual para su inclusión enEl Informe
Económico del Presidente.

Modelos normativos

Otro tipo de modelo es el modelo normativo. Los modelos normativos no solo intentan
explicar o predecir, sino también prescribir cursos de acción para optimizar el logro de valores
que van desde el ingreso y la riqueza, la educación y la iluminación, y el crimen y la justicia.
Entre los muchos tipos de modelos normativos utilizados por los analistas de políticas se
encuentran los que ayudan a determinar los niveles óptimos de capacidad de servicio
(modelos de colas), el momento óptimo de servicio y reparaciones (modelos de reemplazo), el
volumen y el momento óptimo de pedidos (modelos de inventario), y el rendimiento óptimo
de las inversiones públicas (modelos beneficio-costo). Los modelos de decisión normativa
toman la forma: Encuentre los valores de las variables de política que producirán la mayor
utilidad, medidos por el valor de las variables de resultado que deseamos cambiar.

Un modelo normativo simple y familiar es el interés compuesto. Muchas personas han usado
alguna variación de este modelo para encontrar los valores de una variable de “política” (por
ejemplo, depositar dinero en un banco versus una cooperativa de crédito) que producirá el
mayor ingreso de intereses en ahorros, medido por la cantidad de dinero que Uno puede
esperar después de un número determinado de años. losmodelo de interés compuesto es

Snorte = (1 + r)norte S0 0

donde Sn es la cantidad a la que se acumularán los ahorros en un número determinado de

años, n, S0 es el ahorro inicial, y (1 + r) n es un rendimiento constante de la inversión, 1, más la
tasa de interés, r, en un período de tiempo definido, n. Si conocemos las tasas de interés de las
diferentes instituciones de ahorro y deseamos optimizar el rendimiento de los ahorros, este
modelo normativo simple permite una elección directa de la institución que ofrece la tasa de
interés más alta, siempre que no haya otras consideraciones importantes (p. Ej. , la seguridad
de los depósitos o privilegios especiales para los clientes) que deben tenerse en cuenta. Este
modelo normativo de interés compuesto predice la acumulación de ahorros bajo tasas de
interés alternativas, r. Esto apunta a una característica de todos los modelos normativos: no
solo nos permiten estimar los valores pasados, presentes y futuros de las variables de
resultado, sino que también nos permiten optimizar el logro de algún valor.

Modelos verbales

Los modelos pueden expresarse de tres maneras: verbal, simbólica y procesalmente.39 Los
modelos verbales se expresan en el lenguaje cotidiano, en lugar del lenguaje de la lógica
simbólica. (si p> q y q> r, entonces p> r) o matemáticas (log1010,000 = 4). Los modelos
verbales a menudo son parte de los argumentos de política y se expresan como una narración.
Los modelos verbales se comunican con relativa facilidad entre expertos y laicos
por igual, y sus costos son bajos. Una limitación potencial de los modelos verbales es que las
razones ofrecidas para las predicciones o recomendaciones pueden ser implícitas u ocultas, lo
que dificulta el examen crítico de los argumentos. Los argumentos a favor y en contra del
bloqueo de la armada soviética durante la crisis de los misiles cubanos son buenos ejemplos de
modelos de política verbal. El propio modelo verbal de crisis del presidente Kennedy
argumentó, en efecto, que el bloqueo era la única opción real de los Estados Unidos: "Sobre
todo, al defender nuestros propios intereses vitales,

Modelos simbólicos

Modelos simbólicos use notación matemática o lógica para describir relaciones entre variables
clave que se cree que caracterizan un problema. Las predicciones o soluciones óptimas se
obtienen a partir de modelos simbólicos empleando métodos matemáticos, estadísticos y
lógicos. Los modelos simbólicos son difíciles de comunicar entre los laicos, incluidos los
encargados de la formulación de políticas, e incluso entre los modeladores expertos, existen
malentendidos sobre los elementos básicos de los modelos.41 Los costos de los modelos
simbólicos probablemente no sean mucho mayores que los de los modelos verbales,
considerando que Tomamos en cuenta el tiempo y el esfuerzo invertidos en el debate público,
que es el principal vehículo para expresar modelos verbales. Una limitación práctica de los
modelos simbólicos es que sus resultados pueden no ser fácilmente interpretables, incluso
entre especialistas, porque los significados de los símbolos pueden no estar adecuadamente
definidos.

mejorar decisiones políticas, pero solo si los supuestos de los modelos se hacen transparentes.
"Con demasiada frecuencia, lo que pretende ser un modelo basado en la teoría y la evidencia
no es más que preconceptos y prejuicios de un erudito disfrazado de rigor científico yadornado
con extensas simulaciones por computadora ”.

Aunque ya hemos considerado el interés compuesto, un modelo simbólico simple diseñado

para fines normativos, otros modelos simbólicos son descriptivos en lugar de nor- mative. Un
modelo simbólico descriptivo de uso frecuente es la ecuación lineal simple

Y = a + bX

donde Y es el valor de la variable dependiente que se va a predecir y X es el valor de una

variable independiente que puede manipularse para lograr Y.43 La relación entre X e Y se
conoce como una función lineal, lo que significa que las relaciones entre X e Y forman una línea
recta cuando se trazan en un gráfico (Figura 3.4). En este modelo, el símbolo b, expresado
como un coeficiente, denota la cantidad de cambio en Y debido a un cambio unitario en X. Esto
puede representarsepor la pendiente de una línea recta. Cuanto más inclinada es la pendiente,
mayor es el efecto de X en Y. El símbolo a, llamado constante de intercepción, denota el punto
donde la línea recta intercepta el eje vertical o Y cuando X es cero. En la Figura 3.4, los valores
de Y son la mitad de los de X a lo largo de la línea discontinua (es decir, Y = 0 + 0.5X), mientras
que a lo largo de la línea continua, cada cambio en X produce un cambio de 1.0 unidad en Y (es
decir, Y = 0 + 1.0X). Este modelo lineal predice cuánto cambio en la variable de política (X) se
necesita para producir un valor de la variable de resultado (Y).

Modelos de procedimiento

Modelos de procedimiento representar relaciones dinámicas entre variables. Las predicciones y

las soluciones óptimas se obtienen buscando y simulando conjuntos de posibles relaciones,
por ejemplo, relaciones entre crecimiento económico, consumo de energía y suministro de
alimentos en años futuros. Los procedimientos de simulación y búsqueda generalmente se
realizan con la ayuda de una computadora, que está programada para generar predicciones
bajo diferentes conjuntos de supuestos.

Los modelos de procedimiento hacen uso de modos simbólicos de expresión. La principal

diferencia entre los modelos simbólicos y procesales es que los primeros usan datos reales
para estimar las relaciones entre las políticas y las variables de resultados, mientras que los
modelos procesales asumen o simulan tales relaciones. Los costos de los modelos de
procedimiento son relativamente altos, en comparación con los modelos verbales y simbólicos,
en gran parte debido al tiempo requerido para desarrollar y ejecutar programas de
computadora. Al mismo tiempo, los modelos de procedimiento pueden escribirse en un
lenguaje razonablemente no técnico, lo que facilita la comunicación entre los laicos. Aunque la
fortaleza de los modelos de procedimiento es que permiten la simulación creativa y la
búsqueda, esa veces es difícil encontrar evidencia para justificar los supuestos del modelo.

Una forma simple de modelo de procedimiento es el árbol de decisión, que se crea al

proyectar varias posibles consecuencias de las políticas. La figura 3.5 ilustra un árbol de
decisión simple que estima la probabilidad de que cada una de varias alternativas políticas
reduzca la contaminación.44 Los árboles de decisión son útiles para comparar estimaciones
subjetivas de las posibles consecuencias de varias opciones de políticas en condiciones donde
hay poca o ninguna información existente.

Modelos como sustitutos y perspectivas

Los modelos de políticas pueden verse como sustitutos o perspectivas.45 Se supone que un
modelo sustituto es un sustituto o representante de un problema sustantivo. Los modelos
sustitutos se basan, consciente o inconscientemente, en el supuesto de que el problema
formal es una representación válida del problema sustantivo. Por el contrario, los modelos de
perspectiva se consideran una de las varias formas posibles de ver un problema sustantivo. Los
modelos de perspectiva suponen que el problema formal nunca puede ser una representación
completamente válida del sustantivoproblema.

La distinción entre modelos sustitutos y de perspectiva es importante en el análisis de políticas

públicas, donde muchos de los problemas más importantes están mal estructurados. La
estructura de muchos problemas es lo suficientemente compleja como para que el uso acrítico
de los modelos sustitutos aumente significativamente la probabilidad de errores del tercer tipo
(EIII), es decir, resolver la formulación incorrecta de un problema cuando uno debería haber
resuelto el correcto. Este punto puede aclararse al considerar dos ilustraciones de modelos
formales. El primero de ellos es simbólico.modelo, mientras que el segundo es un modelo
verbal.

Supongamos que hemos construido un modelo simbólico expresado en forma de una ecuación
lineal como la descrita anteriormente en la Figura 3.4. Usando la ecuación Y = a + bX (más
adelante usaremos la notación estándar para escribir esta ecuación como Y = b0 + bx + e),
podemos comenzar graficando los valores reales de X e Y en el diagrama de dispersión, como
se muestra en la Figura 3.6. Nuestra perspectiva implícita es que los valores observados de X e
Y constituyen un modelo sustituto de una relación causal, donde se cree que la variable de
política, X, es la causa de la variable de resultado, Y. Podríamos interpretar erróneamente los
resultados como un sustituto modelo, uno que confirma la supuesta estructura causal del
problema sustantivo. Podemos interpretar la pendiente de la línea como una medida de los
efectos de la profundidad del reservorio, X, en Y, la tasa de lluvia. Adicionalmente, La
correlación entre los valores observados de Y (puntos de datos) y los pronosticados por la
ecuación (aquellos que se encuentran en la línea recta) se tomará como una confirmación de la
precisión de la predicción. La conclusión probable es que un cambio en el valor de la variable
de política dará como resultado una correcciónrespuesta al cambio en el valor de la variable de
resultado. Este es un error tipo III.47

El punto de esta ilustración es que el modelo simbólico formal no proporciona orientación.

al responder la pregunta de si X causa Y, o Y causa X. Si X resulta ser el desempleo y la pobreza

Y, puede haber un caso para la relación predicha, siempre que proporcionemos razones
plausibles para creer que el desempleo es causalmente relevante a la pobreza. Todavía esta
información causal no está contenida en el modelo simbólico; Viene de fuera del modelo. La
relación observada entre X e Y podría interpretarse fácilmente de otra manera, como
evidencia de que la pobreza afecta el desempleo, por ejemplo, suponiendo que la pobrezaErty
deprime el deseo de buscar empleo.

La lección de esta ilustración es que la conceptualización de problemas sustantivos rige su

especificación como modelos simbólicos formales. Los modelos formales de problemas
sustantivos pueden ocultar el hecho de que el modelo formal es una perspectiva de "realidad"
y no un sustituto. Para aclarar el punto, considere el modelo simbólico formal discutido
previamente. Suponga que X es la profundidad media anual de un embalse y que Y es la
precipitación anual en el área circundante. Debido a que las políticas que rigen la profundidad
del yacimiento pueden cambiarse, la profundidad del yacimiento es una variable de política
sujeta a manipulación. Si deseamos controlar la precipitación anual, el sentido común sugeriría
que la relación entre la precipitación y la profundidad del embalse es una relación causal. Sin
embargo, La conclusión de que podemos disminuir las precipitaciones drenando el agua más
rápidamente del depósito es inválida y sin sentido. Como el analista de RAND Ralph Strauch ha
enfatizado, "Esto se debe a que la relación causal asumida en el análisis (la profundidad del
reservorio causa lluvia) va en contra de nuestro sentido común, entendiendo que la lluvia
determina la profundidad del reservorio" .48 Considere una segunda ilustración de las
dificultades que surgen cuando Confundimos modelos sustitutos y de perspectiva. Esta vez
utilizaremos una ilustración que señala lo mismo sobre los modelos verbales, es decir, los
modelos que se expresan en el lenguaje cotidiano. Supongamos que nos enfrentamos a la
siguiente situación problemática: el director del departamento de transporte del estado ha
solicitado que se realice un estudio para "Esto se debe a que la relación causal asumida en el
análisis (la profundidad del reservorio causa lluvia) va en contra de nuestro sentido común de
entender que la lluvia determina la profundidad del reservorio". . Esta vez utilizaremos una
ilustración que señala lo mismo sobre los modelos verbales, es decir, los modelos que se
expresan en el lenguaje cotidiano. Supongamos que nos enfrentamos a la siguiente situación
problemática: el director del departamento de transporte del estado ha solicitado que se
realice un estudio para "Esto se debe a que la relación causal asumida en el análisis (la
profundidad del reservorio causa lluvia) va en contra de nuestro sentido común de entender
que la lluvia determina la profundidad del reservorio". . Esta vez utilizaremos una ilustración
que señala lo mismo sobre los modelos verbales, es decir, los modelos que se expresan en el
lenguaje cotidiano. Supongamos que nos enfrentamos a la siguiente situación problemática: el
director del departamento de transporte del estado ha solicitado que se realice un estudio
para 48 Considere una segunda ilustración de las dificultades que surgen cuando confundimos
modelos sustitutos y perspectivas. Esta vez utilizaremos una ilustración que señala lo mismo
sobre los modelos verbales, es decir, los modelos que se expresan en el lenguaje cotidiano.
Supongamos que nos enfrentamos a la siguiente situación problemática: el director del
departamento de transporte del estado ha solicitado que se realice un estudio para 48
Considere una segunda ilustración de las dificultades que surgen cuando confundimos
modelos sustitutos y perspectivas. Esta vez utilizaremos una ilustración que señala lo mismo
sobre los modelos verbales, es decir, los modelos que se expresan en el lenguaje cotidiano.
Supongamos que nos enfrentamos a la siguiente situación problemática: el director del
departamento de transporte del estado ha solicitado que se realice un estudio para
recomendar el menos costoso forma de conectar nueve puntos clave de transporte en la
región central del estado. Como analista de políticas de la agencia, se le indica que muestre
cómo los nueve puntos pueden estar conectados por cuatro secciones de la carretera.
También le dicen que estas cuatro secciones de la carretera deben ser rectas (no se permitirán
curvas) y que cada nueva sección debe comenzar en el punto donde se detuvo la última
sección (el equipo de construcción no podrá volver sobre sus pasos). Luego se le muestra un
mapa de la región (Figura 3.7) y se le pide que haga una recomendación que resuelva el
problema del director.

A menos que ya esté familiarizado con este clásico problema conceptual (llamado
simplemente el "problema de los nueve puntos"), es muy poco probable que haya podido
resolverlo. Pocas personas logran encontrar la solución por sí mismas, no porque el problema
sea técnicamente complicado (de hecho es simple) sino porque las personas casi siempre
cometen un error del tercer tipo (EIII), resolviendo la formulación incorrecta de un problema
cuando deberían haber resuelto el correcto. Esto se debe a que la mayoría de las personas
abordan la situación del problema con suposiciones implícitas que hacen que sea imposible
resolver el problema. Estos supuestos son introducidos por los mismos analistas; No son parte
de la situación problemática. En otras palabras, los analistas mismoscrear un problema
sustantivo que no se puede resolver.

La solución para el problema de los nueve puntos se presenta en la Figura 3.8. La solución
parece sorprendentemente simple, novedosa y poco convencional; es decir, tiene varias de las
características clave de la creatividad discutidas anteriormente. En el proceso de análisis, de
repente queda claro que hemos estado resolviendo el problema equivocado. Mientras
supongamos que la solución debe encontrarse dentro de los límites establecidos por nuestro
modelo verbal, es decir, un rectángulo compuesto por nueve puntos, entonces no es posible
una solución. Sin embargo, esta condición no es impuesta por el modelo verbal formal sino por
el supuesto implícito de "cuadratura" que inconscientemente da forma a nuestra definición del
problema sustantivo. Imagine lo que habría ocurrido si hubiéramos transformado el modelo
verbal en uno simbólico, por ejemplo, usando la geometría plana para obtener estimaciones
cuantitativas precisas de la distancia entre puntos. Esto no solo nos habría llevado cada vez
más lejos de una solución; también habría creado un aura de precisión científica que otorgaría
autoridad a la conclusión de que el problema es "insoluble".formulación incorrecta de un
problema. ¡El mapa no es el territorio! ¡El menú no es la comida! 49

MÉTODOS DE ESTRUCTURACIÓN DE PROBLEMAS

La estructuración de problemas es el proceso de generar y probar formulaciones alternativas

de problemas sustantivos. Como vimos en la Figura 3.3, la estructuración del problema tiene
cuatro fases interrelacionadas: detección del problema, búsqueda del problema, delimitación
del problema y especificación del problema.
Varios métodos y técnicas son útiles para llevar a cabo actividades de estructuración de
problemas en cada fase.

Análisis de límites

Una tarea importante de la estructuración de problemas es estimar si el sistema de

formulaciones de problemas individuales que hemos denominado metaproblema es
relativamente completo. Esta tarea es similar a la situación de los propietarios descritos por el
matemático Morris Kline en sus ensayos sobre el mito de la certeza en las matemáticas. Los
propietarios, al despejar sus tierras, son conscientes de que los enemigos acechan en el
desierto que se encuentra más allá del claro. Para aumentar su seguridad, los propietarios
limpian un área cada vez más grande pero nunca se sienten completamente seguros. Con
frecuencia, deben decidir si limpiar más tierra o atender sus cultivos y animales domesticados
dentro de los límites del claro. Hacen todo lo posible para hacer retroceder el desierto, pero
saben que los enemigos que acechan más allá del claro podrían sorprenderlos y
vencerlos.ganado cuando, en cambio, deberían haber estado limpiando más tierra.

La analogía de los campesinos apunta a un problema clave de estructuración de problemas.

Raramente nos enfrentamos a un problema único y bien definido; más bien, nos enfrentamos
a múltiples problemas que las partes interesadas definen de diferentes maneras. Los analistas
son análogos a campesinos que, trabajando sin límites conocidos, no tienen una "regla de
alto". 51 Son contrapartes modernas de Diógenes, comprometidos en "un discurso
interminable con la realidad, para descubrir aún más facetas, más dimensiones de acción, más
oportunidades para mejora. ”52 Hacer un uso efectivo de los métodos de estructuración de
problemas descritos en este capítulo ter, Es importante realizar un análisis de límites. Los
métodos de estructuración de problemas recién discutidos, junto con los métodos
relacionados que presuponen que el problema ya ha sido estructurado, 53 no proporcionan
por sí mismos una forma de saber si un conjunto de formulaciones de problemas es
relativamente completo.

La integridad relativa de un conjunto de formulaciones problemáticas puede estimarse por

medios de un proceso de tres pasos.

1. Muestreo de saturación. El primer paso es extraer una muestra de saturación (o bola de

nieve) de las partes interesadas. Las partes interesadas en este conjunto inicial pueden ser
contactadas, cara a cara o por teléfono o computadora, y se le pidió que nombrara dos partes
interesadas adicionales, una de las cuales está más de acuerdo y la otra menos con los
argumentos. El proceso continúa hasta que no se nombren nuevas partes interesadas. Hay
poca o ninguna variación de muestreo, porque todos o la mayoría de los miembros del
universo de trabajo de las partes interesadas relevantes para las políticas en un área
específica(p. ej., reforma de salud) se contactan.

2. Sonsacamiento de representaciones de problemas. En el segundo paso, los analistas

obtienen representaciones alternativas de problemas de los interesados. Estas son las
representaciones de problemas que Heclo describe como "ideas, paradigmas básicos,
metáforas dominantes, procedimientos operativos estándar, o cualquier otra cosa que
elijamos para llamar a los sistemas de interpretación por los cuales atribuimos significado a los
eventos".56 La información requerida para documentar estas representaciones de problemas
puede obtenerse de entrevistas personales o, dadas las limitaciones de tiempo que enfrentan
la mayoría de los analistas, de comunicaciones telefónicas y por computadora. y documentos
disponibles.
3. Estimación de límites. El tercer paso es estimar los límites del metaproblema. Una
distribución de frecuencia acumulativa muestra a los interesados en el eje horizontal y el
número de nuevos elementos problemáticos, que pueden ser suposiciones, ideas, objetivos o
políticas, se trazan en el eje vertical (Figura 3.9). A medida que se trazan los elementos nuevos
(es decir, no duplicativos) de cada parte interesada, la pendiente de la curva muestra
diferentes tasas de cambio. Una tasa de cambio rápida inicial es seguida por un cambio lento y
eventualmente un estancamiento. Este es el punto en el que la curva se vuelve plana. Después
de este punto, es poco probable que la recopilación de información adicional sobre los
elementos del problema mejore la integridad del conjunto, ya que el límite deSe ha estimado
el límite del metaproblema.

Estos procedimientos de estimación satisfacen los requisitos para estimaciones inductivas

sólidas en general: carácter, coordinación, rentabilidad y corrección en el límite.57
Aplicaciones de procedimientos similares en otras áreas, por ejemplo, estimaciones de límites
de literatura científica, Las bibliotecas, los idiomas, las obras literarias, las preferencias de los
consumidores: sugieren regularidades legales en el crecimiento de los sistemas de
conocimiento.58 El análisis de límites, como otros procedimientos analíticos de políticas,
arroja resultados que son plausibles y no ciertos. Cuando se usan junto con otros métodos de
estructuración de problemas, los procedimientos de estimación de límites
reducenprobabilidad de errores de tipo III en el análisis de políticas.

Análisis de clasificación

Análisis de clasificación es una técnica para aclarar conceptos utilizados para definir y clasificar
situaciones problemáticas. Al detectar una situación problemática, los analistas deben
clasificar sus experiencias. Incluso las descripciones simples de situaciones problemáticas se
basan en la clasificación de la experiencia a través del razonamiento inductivo, un proceso
donde los conceptos generales (abstractos), como la pobreza, el crimen y la contaminación, se
forman al experimentar objetos o situaciones particulares (concretas). Cuando clasificamos
una situación problemática de una manera, excluimos oportunidades para clasificarla enotra
forma, como lo ilustra el problema de los nueve puntos.

El análisis de clasificación se basa en la división lógica y la clasificación lógica. Cuando

seleccionamos una clase de elementos y la dividimos en sus partes componentes, el proceso se
llama división lógica; El proceso inverso, que implica la combinación de elementos en grupos o
clases más grandes, se denomina clasificación lógica. La base de una clasificación depende de
nuestropropósito, que a su vez depende del conocimiento sustantivo sobre un problema.

Considere la pobreza en los Estados Unidos. Como porcentaje de la población total,

pobrezaaumentó de 11.2 por ciento en 2000 a 14.9 por ciento y 14.6 por ciento en 2010 y
2014, respectivamente. El porcentaje de personas por debajo del nivel de pobreza ($ 10,890
por persona en 2011) se puede dividir en tres categorías de edad: menos de 18 años, 18–64
años y más de 64 años. Si usamos la división lógica entre las fechas en la fila 1 de la Tabla 3.3,
llegaremos a la conclusión de que el problema de la pobreza en los Estados Unidos es casi el
mismo en 2000 que en 1970, cuando se implementó la Guerra contra la pobreza del
presidente Lyndon Johnson . Cuando el proceso de división lógica se lleva un paso más allá, y
las personas por debajo del nivel de pobreza se dividen en las tres clases en función de la edad,
llegamos a una conclusión diferente. Ahora concluimos que la pobreza ha empeorado un poco
para los adultos de 18 a 64 años y para los niños menores de 18 años, en comparación con las
personas mayores de 64 años, donde la pobreza disminuyó. Las reformas de bienestar
implementadas en 1996 bajo el presidente Clinton parecen haber beneficiado a todos los
grupos. También parece que el sistema de empresas privadas no está aliviando la pobreza, ya
que el porcentaje de personas por debajo del umbral de pobreza ha aumentado para todos los
grupos, excepto los ancianos, de los cuales solo el 5-6 por ciento obtiene ingresos laborales y
casi todos tienen los beneficios del gobierno soporte (tabla 3.3). La recesión de 2008 también
tuvo un efecto sobre la pobreza. En comparación con 2000, todos los grupos estaban peor,
excepto los ancianos, aunque hubo una ligera mejoría general en 2010-2014 bajo el presidente
Obama. También parece que el sistema de empresas privadas no está aliviando la pobreza, ya
que el porcentaje de personas por debajo del umbral de pobreza ha aumentado para todos los
grupos, excepto los ancianos, de los cuales solo el 5-6 por ciento obtiene ingresos laborales y
casi todos tienen los beneficios del gobierno soporte (tabla 3.3). La recesión de 2008 también
tuvo un efecto sobre la pobreza. En comparación con 2000, todos los grupos estaban peor,
excepto los ancianos, aunque hubo una ligera mejoría general en 2010- 2014 bajo el
presidente Obama. También parece que el sistema de empresas privadas no está aliviando la
pobreza, ya que el porcentaje de personas por debajo del umbral de pobreza ha aumentado
para todos los grupos, excepto los ancianos, de los cuales solo el 5-6 por ciento obtiene
ingresos laborales y casi todos tienen los beneficios del gobierno soporte (tabla 3.3). La
recesión de 2008 también tuvo un efecto sobre la pobreza. En comparación con 2000, todos
los grupos estaban peor, excepto los ancianos, aunque hubo una ligera mejoría general en
2010-2014 bajo el presidente Obama.

No hay forma de saber con certeza si las categorías de un sistema de clasificación son las
correctas. Pero hay varias reglas que ayudan a asegurar que un sistema de clasificación sea a la
vezrelevante a una situación problemática y lógicamente consistente:

1. Sustantivo Relevancia. La base de una clasificación debe desarrollarse de acuerdo con el

propósito del analista y la naturaleza de la situación del problema. Esta regla engañosamente
simple significa que las clases y subclases deben conformarse lo más cerca possible a las
"realidades" de la situación problemática. Sin embargo, lo que sabemos sobre una situación es
en parte una función de los conceptos que usamos para experimentarla. Por esta razón, no
existen pautas absolutas que nos indiquen cuándo hemos percibido un problema
correctamente. La pobreza, por ejemplo, puede clasificarse como un problema de ingresos
inadecuados, desempleo, privación cultural o motivación psicológica; puede ser todo esto y
más.

2.Agotamiento.Lascategoríasenunsistemadeclasificacióndebenserexhaustivas.Esto
significaquetodoslostemasosituacionesdeinterésdebenencajarenunauotrade
lasdiversascategorías.Sidescubrimosquealgunostieneningresosadicionales,ya
seaporsuspropiosesfuerzosotransferenciasgubernamentales,podríacrearseuna nuevacategoría.

3. Desarticulación Las categorías deben Ser mutuamente excluyente. Cada tema o situación
debe asignarse a una sola categoría o subcategoría. Al clasificar familias, por ejemplo,deben
caer en una u otra de las dos subcategorías principales (ingresos por encima y por debajo de la
línea de pobreza), lo que significa que ninguna familia puede ser "contada dos veces".

4. Consistencia. Cada categoría y subcategoría debe basarse en un principio de clasificación

único. Una violación de esta regla conduce a subclases superpuestas y se conoce como la
falacia de la división cruzada. Por ejemplo, cometemos la falacia de la división cruzada si
clasificamos a las familias según si están por encima de la línea de pobreza o si reciben pagos
de asistencia social, porque muchas familias caen en ambas categorías. Esta regla es en
realidad una extensión de las reglas de exhaustividad y desunión.
5. Distinción jerárquica. El significado de los niveles. en un sistema de clasificación (categorías,
subcategorías, subcategorías) deben ser cuidadosamente distinguido La regla del carácter
distintivo jerárquico, que es una guía para interpretar los sistemas de clasificación, se deriva
del principio discutido anteriormente: lo que sea que involucre a toda una colección no debe
Ser uno de la colección. La humanidad es la clase de todos los individuos; pero no es en sí
mismo un individuo. Del mismo modo, la pobreza es una característica de 45 millones de
personas, pero no pueden entenderse en términos del comportamiento de una persona
multiplicado 45 millones de veces. Por lo tanto, una población de 45 millones de personas no
es solo cuantitativamente diferente de una sola familia; también es cualitativamente diferente
porque involucra un agregado o un sistema.

La regla del carácter distintivo jerárquico es fundamental para la estructuración de problemas.

Al estructurar problemas, con frecuencia sucede que los analistas ignoran la distinción entre
miembro y clase y olvida eso una clase no puede ser miembro de sí misma. Este punto puede
ilustrarse volviendo al problema de los nueve puntos (Figura 3.7). Cuando una persona intenta
resolver este problema por primera vez, se supone que los puntos componen un cuadrado o
un rectángulo y que la solución debe encontrarse dentro de él. Esta condición es
autoimpuesta; no es parte del problema tal como lo dan las instrucciones. La falla en resolver
el problema de los nueve puntos ocurre porque nosotros mismos creamos el problema. No
importa qué combinación de cuatro líneas intentemos. Siempre fallamos en conectar un
punto. Podemos probar todas las posibilidades, pero ninguna funciona, porque están limitadas
a la clase definida como un cuadrado. Eventualmente aprendemos que "la solución es un
cambio de segundo orden [es decir, uno que involucra a toda la clase] que consiste en
abandonar el campo y que no puede ser contenidodentro de sí mismo porque . . . involucra
toda una colección y, por lo tanto, no puede ser parte de ella ”.

Un enfoque útil para el análisis de clasificación es el pensamiento conjunto.61 El pensamiento

conjunto implica pensar en las relaciones de los conjuntos entre sí y con los subconjuntos,
donde un conjunto se define como una colección claramente delimitada de objetos o
elementos. Los conjuntos y subconjuntos son los equivalentes de clases y subclases en un
sistema de clasificación y se expresan visualmente con la ayuda de los diagramas de Venn.62
En el diagrama de Venn de la Figura 3.10, el rectángulo se usa para representar a todas las
familias en los Estados Unidos. En lenguaje de conjunto, se conoce como el conjunto universal
(U). Dos de sus conjuntos de componentes, que se muestran como círculos A y B, representan
familias por encima y por debajo de la línea de pobreza. Si aplicamos reglas de exhaustividad,
desunión y coherencia, todas las familias se dividirán en uno u otro de los conjuntos, A y B, de
modo que los dos conjuntos reflejen distintos niveles de pobreza.que no se superponen En
lenguaje fijo, la unión de A y B es igual al universo (U) de todas las familias. El símbolo de unión
es ∪, leído como "unión" o "copa".

Dos conjuntos pueden cruzarse para formar un subconjunto, de modo que las propiedades de
los dos conjuntos originales superposición, como se muestra en la figura 3.11. Por ejemplo, la
intersección (D) de las familias que no son de pobreza (A) y de pobreza (B) podría usarse para
ilustrar que algunas familias de cada grupo reciben pagos de transferencia del gobierno. En el
lenguaje establecido, la intersección de A y B es igual a D, que se expresa simbólicamente
como A ∪ B = D y se lee "Una intersección (o cap) B es igual a D". La unión y la intersección son
las dos operaciones de conjuntos más importantes y pueden usarse para construir esquemas
de clasificación (Figura 3.12) y cortes cruzados (Figura 3.13). Los saltos cruzados sonUna forma
de división lógica utilizada para organizar los datos en tablas.
Venn Los diagramas, los esquemas de clasificación y los cortes cruzados son herramientas
importantes para los problemas de estructuración. El análisis de clasificación es generalmente
(pero no necesariamente) empleado por individuos, en lugar de grupos, y la consistencia lógica
es el criterio para evaluar qué tan bien se ha conceptualizado un problema. Si bien la
coherencia lógica es importante, no hay forma de saber con total confianza que la base
sustantiva de una categoría es la correcta. Si bien el análisis de clasificación mejora la claridad
de los conceptos y sus relaciones,garantiza solo que los conceptos tienen una relevancia
sustantiva aproximada.

Análisis de jerarquía

Jerarquía análisis es una técnica para identificar las posibles causas de un problema. La lógica
formal y muchas teorías de las ciencias sociales proporcionan poca orientación para identificar
las posibles causas. No hay una forma aceptable de deducir formalmente las causas de los
efectos, o los efectos de las causas, y las teorías de las ciencias sociales son con frecuencia tan
generales que pueden ser de poca ayuda. Para identificar posibles causas, es útil tener un
marco conceptual que identifique las muchas causas eso puede estar operando en una
situación dada.

El análisis de jerarquía ayuda a identificar tres tipos de causas: causas posibles, causas
plausibles y causas procesables. Las posibles causas son eventos o acciones que, por remotas
que sean, pueden contribuir a la ocurrencia de una situación problemática dada. Por ejemplo,
la falta de voluntad para trabajar, el desempleo y la distribución del poder y la riqueza entre las
élites pueden considerarse posibles causas de pobreza. Por el contrario, las causas plausibles
son aquellas que, sobre la base de la investigación o la experiencia directa, se cree que son una
influencia importante en la ocurrencia de una situación que se considera problemática. En el
ejemplo anterior, es poco probable que la falta de voluntad para trabajar sea considerada
como una causa plausible de pobreza, al menos entre observadores experimentados, mientras
que el desempleo sí lo es. Finalmente, Es poco probable que la distribución del poder y la
riqueza entre las élites sea vista como una causa procesable, es decir, una que está sujeta a
manipulación por parte de los responsables políticos, porque ninguna política destinada a
resolver los problemas de pobreza puede alterar la estructura social de toda una sociedad. . En
este ejemplo, el desempleo es tanto un plaucausa posible y accionable de la pobreza.

Nagel y Neef proporcionan un buen ejemplo de los posibles usos del análisis de jerarquía.
Muchos observadores han estado listos para aceptar la explicación de que la causa principal de
las cárceles

superpobladas es la gran cantidad de personas arrestadas y detenidas en la cárcel mientras

esperanjuicio. Por esta razón, los reformadores han favorecido una política de liberación
previa al juicio, es decir, una política que prevé la liberación de un cierto número de los
arrestados (generalmente por delitos menos graves) antes de un juicio formal.

La dificultad de esta política, así como la explicación causal en la que se basa, es que pasa por
alto la negociación de alegatos como una de las varias causas plausibles de hacinamiento en la
cárcel. En la negociación de la declaración de culpabilidad, que se practica ampliamente en el
sistema judicial de los Estados Unidos, un acusado acuerda declararse culpable a cambio del
acuerdo de un fiscal para reducir o retirar el cargo. Cuando se toma en cuenta el acuerdo de
culpabilidad junto con la liberación previa al juicio, pueden ocurrir las siguientes
consecuencias:
 Si el porcentaje de acusados liberados antes del juicio aumenta, entonces el porcentaje de
las negociaciones de alegatos exitosas probablemente disminuyan.
 Si las declaraciones de culpabilidad disminuyen como resultado de una mayor liberación
previa al juicio, entonces el número de las pruebas probablemente subirán.
 Si aumenta el número de juicios, la demora en ir a juicio también aumentará, a menos que
el sistema aumente el número de fiscales, jueces y defensores públicos.
 Si la demora en ir a juicio aumenta para los casos en general, incluidos los acusados en la
cárcel, entonces la población puede aumentar. Su tamaño depende del tiempo.los
acusados se mantienen en la cárcel y en la cantidad de acusados.
 Cualquier disminución en la población carcelaria causada por la liberación preventiva
puede verse más que compensada por el aumento de la demora y la duración de la
detención preventiva, que a su vez es causada por una mayor liberación preventiva, la
consiguiente reducción de las declaraciones de culpabilidad y el aumento de juicios.

Este ejemplo no solo ilustra el papel potencialmente creativo del análisis de jerarquía en la
estructuración de problemas. También muestra cómo el análisis de jerarquía puede ayudar a
descubrir posibles consecuencias imprevistas de las políticas. Por ejemplo, ¿qué podría ser más
obvio que esa liberación previa al juicio resultará en una reducción de la población carcelaria?
La respuesta depende de tener una comprensión satisfactoria de las causas plausibles que
contribuyen a la situación original del problema. La figura 3.14 proporciona otra ilustración del
análisis de jerarquía aplicado acausas posibles, plausibles y procesables de incendios.

Las reglas para realizar un análisis de jerarquía son las mismas que las utilizadas para el análisis
clasificativo: relevancia sustantiva, exhaustividad, desunión, consistencia y distinción
jerárquica. Del mismo modo, los procedimientos de división lógica y clasificación también se
aplican a ambos tipos de análisis. La principal diferencia entre el análisis de clasificación y el
análisis de jerarquía es que el primero implica la división y clasificación de conceptos en
general, mientras que el análisis de jerarquía utiliza conceptos de causas posibles, plausibles y
procesables. Sin embargo, ambas formas de análisis son utilizadas por individuos que emplean
consistencia lógica como criterio principal para evaluar qué tan bien se ha conceptualizado un
problema. Sin embargo,

ninguno garantiza que se encontrarán las bases sustantivas correctas para los conceptos. El
análisis de la jerarquía puede excluir oportunidades para generar explicaciones causales
alternativas si se basaen el analista individual, en lugar de en grupos, como fuente de
conocimiento.

Sinéctica

Sinéctica es un método diseñado para promover el reconocimiento de problemas análogos.65

Syntécticos, que se refiere ampliamente a la investigación de similitudes, ayuda a los analistas
a hacer un uso creativo de analogías en la estructuración de problemas. Muchos estudios
muestran que las personas no reconocen que lo que parece ser un problema nuevo es
realmente un viejo disfraz y que los viejos problemas pueden contener soluciones potenciales
para problemas que parecen ser nuevos. Synectics se basa en el supuesto de que una
conciencia de relaciones idénticas o similares entre problemasaumenta las capacidades de
resolución de problemas de los analistas.

Al estructurar los problemas de política, se pueden identificar cuatro tipos de analogías:

1. Personal analogías Al construir analogías personales, los analistas intentan imaginarse a sí
mismos experimentando una situación problemática de la misma manera que otra persona,
por ejemplo, un formulador de políticas o un cliente. Las analogías personales a menudo son
importantes para descubrir las dimensiones políticas de una situación problemática, porque "a
menos que estemos dispuestos y podamos pensar "políticamente", aunque solo sea como una
cuestión de juego de roles, no podremos entrar en el mundo fenomenológico del formulador
de políticas y comprender el proceso de la política ".

2. Analogías directas. Al hacer analogías directas, el analista busca relaciones similares entre
dos o más situaciones problemáticas. Al estructurar problemas de drogadicción, por ejemplo,
los analistas pueden construir analogías directas a partir de experiencias con el control de
enfermedades contagiosas.

3. Analogías simbólicas. Al hacer analogías simbólicas, el analista intenta descubrir relaciones

similares entre una situación problemática dada y algún proceso simbólico. Por ejemplo, las
analogías simbólicas a menudo se dibujan entre servomecanismos de diversos tipos
(termostatos, pilotos automáticos) y procesos de políticas. En cada caso, los procesos análogos
de adaptación se consideran consecuencias de la retroalimentación continua.del medio
ambiente.

4. Fantasía analogías Al hacer analogías de fantasía, los analistas son completamente libres de
explorar similitudes entre una situación problemática y un estado imaginario de las cosas. Los
analistas de política de defensa, por ejemplo, han usado analogías de fantasía para estructurar
los problemas de defensa contra el ataque nuclear.69

Synectics depende de individuos y grupos para crear analogías. El criterio principal para
evaluar qué tan bien se ha conceptualizado un problema es la plausibilidad de la
comparación.hijos, es decir, el grado en que una situación problemática dada es similar a otras
tomadas como analogías.

Lluvia de ideas

Lluvia de ideas es un método para generar ideas, metas y estrategias que pueden ayudar a
conceptualizar situaciones problemáticas. Originalmente diseñado por Alex Osborn como un
medio para mejorar la creatividad, la lluvia de ideas se puede utilizar para generar una gran
cantidad de sugerencias sobre el potencialsoluciones para problemas. La lluvia de ideas implica
procedimientos simples:

1. Los grupos de lluvia de ideas deben estar compuestos de acuerdo con la naturaleza de la
situación del problema que se está investigando. Esto generalmente significa la selección
de personas que están particularmente informadas sobre la situación dada.
2. Los procesos de generación de ideas y evaluación de ideas deben mantenerse
estrictamente separados. 3. La atmósfera de las actividades de lluvia de ideas debe
mantenerse tan abierta y permisiva como sea posible en la fase de generación de ideas.
3. La fase de evaluación de ideas debe comenzar solo después de todas las ideas generadas
en la primera fase.
4. Al final de la fase de evaluación de ideas, el grupo debe priorizar las ideas e incorporarlas
en una propuesta que contenga una conceptualización del problema y sus posibles
soluciones.
La lluvia de ideas es un procedimiento versátil que puede involucrar actividades relativamente
estructuradas o no estructuradas, dependiendo de los objetivos y las limitaciones prácticas de
la situación. Las actividades de lluvia de ideas relativamente no estructuradas ocurren con
frecuencia en agencias gubernamentales y en "think tanks" públicos y privados. Aquí las
discusiones sobre problemas de política son informales y en gran medida espontáneas,
involucrando la interacción de generalistas y especialistas de variosdisciplinas o campos
científicos.

Las actividades similares a la lluvia de ideas también pueden estar relativamente

estructuradas, con varios procedimientos utilizados para coordinar o enfocar las discusiones
grupales. Estos dispositivos pueden incluir el uso de los seminarios de decisión continua de
Harold Lasswell que, para evitar la atmósfera restrictiva de los comités convencionales,
involucran a un equipo de expertos altamente motivados que se reúnen confrecuencia
durante varios años.

Otro conjunto de procedimientos para coordinar y enfocar las actividades de lluvia de ideas es
la construcción de escenarios, que son esquemas de eventos hipotéticos futuros que pueden
alterar alguna situación problemática. La escritura de escenarios, que se ha utilizado para
explorar posibles crisis militares y políticas, implica el uso constructivo de la imaginación para
describir algún aspecto de una situación futura. Hay dos tipos principales de escenarios:
operaciones-analíticas y de forma libre. Al construir un escenario de forma libre, el analista es
"un iconoclasta, un rompedor de modelos, un cuestionador de suposiciones y, en raras
ocasiones, un creador de nuevos criterios". Por el contrario, un escenario analítico de
operaciones tiene objetivos limitados. En lugar de utilizar fantasías o utopías, el escenario
analítico de operaciones "comienza con el estado actual del mundo y muestra cómo, paso a
paso,el presente ".

Un buen ejemplo de lluvia de ideas relativamente estructurada es el Programa de Planificación

del Año 2000, un proyecto de dos años y medio llevado a cabo en la Oficina del Censo de los
Estados Unidos. mEn este proyecto, 120 participantes autoseleccionados de todos los niveles y
Se pidió a las ramas de la Mesa, desde secretarias hasta jefes de división y el director, que
pensaran lo más libremente posible sobre el futuro. En efecto, construyeron escenarios de
forma libre, que para ellos indicaron cómo debería ser la oficina en el año 2000. Se pidió a los
participantes que escribieran informes grupales que luego fueron integrados en un informe
final por un grupo ejecutivo compuesto por representantes de los grupos individuales
Posteriormente, el informe final se presentó al personal ejecutivo de la Oficina del Censo, así
como a los comités asesores de la Asociación Americana de Estadística, Asociación. El
programa de planificación del año 2000 fue exitoso en varios aspectos.

La principal diferencia entre la lluvia de ideas y otras técnicas para la estructuración de

problemas es que la atención se centra en grupos de personas con conocimientos en lugar de
aquellos que han sido identificados, generalmente mediante adscripción, como expertos.
Además, las actividades de lluvia de ideas se evalúan no en términos de coherencia lógica o de
plausibilidad de las comparaciones, sino de acuerdo con el consenso entre los miembros de un
grupo de lluvia de ideas. La principal limitación del consenso como criterio de evaluación es
que los conflictos sobre la definición de problemas pueden suprimirse, excluyendo
oportunidades para generar ideas, metas y estrategias potencialmente apropiadas. Mientras
que el Programa de Planificación del Año 2000 buscó crear una atmósfera abierta y permisiva,
la evaluación final del éxito del programa se basó en el consenso entre los responsables de la
toma de decisiones (personal ejecutivo de la agencia) y expertos (comités asesores de
asociaciones profesionales). En resumen, este programa no proporcionó información
explícitaprocedimientos para promover el uso creativo de conflictos en la estructuración de
problemas.

Análisis de perspectiva múltiple

Múltiple análisis de perspectiva es un método para comprender mejor los problemas mediante
la aplicación de tres tipos de perspectivas —personal, organizativa y técnica— a las situaciones
problemáticas.76 Visto como una alternativa al énfasis casi exclusivo en los llamados enfoques
técnicos racionales, perspectiva múltiple El análisis está expresamente diseñado para abordar
problemas mal estructurados. Aunque hay muchas características de cada una de las tres
perspectivas, suLas principales características son las siguientes:

1. Técnico perspectiva. La perspectiva técnica (T) considera los problemas y las soluciones en
términos de modelos de optimización y emplea microeconomía, análisis de costo-beneficio,
análisis de sistemas y análisis de decisiones. La perspectiva técnica, que se dice que se basa en
una cosmovisión científico- tecnológica, enfatiza el razonamiento causal, el análisis objetivo, la
predicción y la inferencia estadística. Un ejemplo de la perspectiva T es la decisión. Lanzar la
bomba atómica sobre Japón. Se vio que el problema estaba compuesto por cinco alternativas:
bombardeo y bloqueo, invasión, ataque atómico sin previo aviso, atómico ataque después de
advertencia y arrojando la bomba en una isla deshabitada. Dado el objetivo de la rendición
incondicional con una pérdida mínima de vidas aliadas y la destrucción de Japón, la perspectiva
T resultó en la elección de la tercera alternativa: ataque atómicosin previo aviso.

2. Perspectiva organizacional. La perspectiva organizacional (O) considera los problemas y las

soluciones como parte de una progresión ordenada (con crisis menores pero temporales) de
un estado organizacional a otro. Los procedimientos operativos estándar, las reglas y las
rutinas institucionales son características principales de la perspectiva O, que a menudo se
opone a la perspectiva T y solo se preocupa mínimamente por mejorar desempeño de la
organización. La decisión de lanzar la bomba atómica muestra cómo la perspectiva O difiere de
la perspectiva T. Desde una perspectiva O, una decisión de no El uso de la bomba generó
temores políticos, porque los $ 2 mil millones en fondos para la bomba atómica se gastaron sin
la aprobación del Congreso. Lanzar la bomba le mostró al Congreso que los fondos no se
desperdiciaron. También inauguró la Guerra Fría con elUnión Soviética.

3. Perspectiva personal. La perspectiva personal (P) considera los problemas y las soluciones en
términos de percepciones, necesidades y valores individuales. Las características de la
perspectiva personal son un énfasis en la intuición, el liderazgo y el interés propio como
factores que rigen la estructuración del problema. El ejemplo de la bomba atómica muestra
cómo la perspectiva P proporciona ideas no disponibles desde las perspectivas T u O. En 1945,
el nuevo presidente, Harry Truman, era un extraño al establecimiento de FDR, que había
crecido y solidificado durante los tres períodos de mandato de Roosevelt. Trumancarecía de la
legitimidad e influencia necesarias para desafiar el establecimiento, incluidos intereses y
políticas burocráticas arraigadas, tan temprano en su presidencia. Una decisión de no lanzar la
bomba atómica se percibiría como un signo de debilidad para los contemporáneos y para los
futuros historiadores. Truman, que tenía un fuerte sentido de la historia, quería aparecer como
un líder audaz y decisivo.

El análisis de perspectiva múltiple es relevante para prácticamente cualquier problema que se

encuentre en las áreas de análisis de políticas públicas, planificación estratégica, análisis
regional y urbano, y otros dominios. Linstone y sus colegas han desarrollado algunas de las
siguientes pautas para el empleo de múltiplesAnálisis de perspectiva ple con grupos:
nter-paradigmático mezcla. Forme grupos sobre la base de una mezcla inter-paradigmática
más que interdisciplinaria. Por ejemplo, se prefiere un equipo compuesto por un empresario,
un abogado y un escritor a un equipo con un economista, un politólogo y un psicólogo. La
mezcla inter-paradigmática es preferible porque maximiza oportunidades para encontrar
perspectivas T, O y P, mientras que los límites más rígidos de Las disciplinas académicas
pueden restringir el pensamiento.

 Distribución equitativa de perspectivas. Eso No es posible decidir cuánto énfasis poner

en las perspectivas T, O y P al comienzo del uso del análisis de perspectiva múltiple. A
medida que el grupo se dedica a su trabajo, el descubrimiento del equilibrio adecuado
entre las tres perspectivas permitirá la asignación de tareas T, O y P. Mientras tanto, es
preferible una distribución equitativa.
 Replicabilidad desigual. La perspectiva T típicamente emplea métodos (por ejemplo,
diseño experimental) que son replicables. Las perspectivas O y P no son tan fáciles de
replicar. Al igual que un juicio con jurado o una decisión ejecutiva no rutinaria, el
proceso no es tan replicable comoexperimentar. Las perspectivas T, O y P son
replicables en diferentes grados.
 Comunicaciones apropiadas. Adaptar El medio de comunicación al mensaje. Los
resúmenes, las sesiones informativas orales, los escenarios y las viñetas son
apropiados para comunicarse con aquellos que tienen perspectivas O y P. Los modelos
de computadora, los conjuntos de datos, las listas de variables y las rutinas analíticas
son apropiadas para aquellos con una perspectiva T.
 Integración diferida. Deje la integración de las perspectivas al cliente o al formulador
de políticas, pero señale los vínculos entre las perspectivas T, O y P y las variadas
conclusiones que arrojan. El análisis de perspectiva múltiple se ha empleado
ampliamente en la evaluación de tecnología y otras áreas de política pública.

Los métodos de análisis de perspectiva múltiple, desarrollados sobre la base de trabajos

anteriores en el análisis de la política exterior y el diseño de sistemas de información, 78
sonOtro método de estructuración de problemas.

Análisis de suposiciones

Supuesta análisis es un método que apunta a la síntesis creativa de supuestos conflictivos

sobre situaciones problemáticas.79 El análisis de suposiciones es relativamente completo,
porque puede usarse con otros métodos y con grupos, individuos o ambos. El análisis de
supuestos está diseñado explícitamente para situaciones problemáticas en las que los analistas
de políticas, los formuladores de políticas y otras partes interesadas no pueden ponerse de
acuerdo sobre cómo formular un problema. El criterio principal para evaluar la adecuación de
una formulación dada de un problema es si los supuestos conflictivosSurgen, desafían y
sintetizan las situaciones sobre una situación problemática.

El análisis de supuestos está diseñado para superar cuatro limitaciones principales del análisis
de políticas: (1) el análisis de políticas a menudo se basa en la suposición de un único tomador
de decisiones con preferencias claramente ordenadas pero estáticas ejercidas en un solo
punto en el tiempo; (2) el análisis de políticas generalmente no tiene en cuenta de manera
sistemática y explícita opiniones muy diferentes sobre la naturaleza de los problemas y sus
posibles soluciones; (3) la mayoría del análisis de políticas se lleva a cabo en organizaciones
cuyo carácter de "autosellado" hace que sea difícil o imposible desafiar las formulaciones de
problemas predominantes; y (4) los criterios utilizados para evaluar la idoneidad de los
problemas y sus soluciones a menudo abordan las características superficiales de las
formulaciones de problemas (por ejemplo, la coherencia lógica), en lugar de los supuestos
básicos que subyacen al concepto conceptual.ización de problemas.

El análisis de supuestos reconoce explícitamente la importancia del conflicto y el compromiso

entre los miembros de un grupo. Las políticas de máxima oposición se generan a través del
conflicto, un proceso dialéctico que ayuda a descubrir y desafiar los supuestos subyacentes
que hace cada política. "El compromiso, por otro lado, también es necesario si los proponentes
de cada política deben presentar el caso más sólido posible (no necesariamente el mejor) para
sus respectivos puntos de vista" .80 El análisis de suposición implica el uso de cincométodos
ordenados secuencialmente (Figura 3.15).

1. Identificación de los interesados. En la primera fase, las partes interesadas en la política se

identifican, clasifican y priorizan. La identificación, clasificación y priorización de las partes
interesadas se basa en una evaluación del grado en que influyen y están influenciados por El
proceso de la política. Este procedimiento da como resultado la identificación de las partes
interesadas, por ejemplo, grupos disidentes de administradores o clientes, que generalmente
están excluidos.

2. Suposición superficie En la segunda fase, los analistas trabajan hacia atrás desde una
solución recomendada para un problema hasta las fuentes selectivas de datos que respaldan la
recomendación, así como los supuestos subyacentes que, cuando se combinan con los datos,
permiten deducir la recomendación. Cada solución recomendada debe contener una lista de
supuestos que subyacen explícita e implícitamente a la recomendación. Al enumerar todos los
supuestos, por ejemplo, que la pobreza es consecuencia de accidentes históricos, dominación
de la élite, desempleo, cultural privación, etc., hay una especificación explícita del problema al
que cada Se aborda la recomendación.

3. Suposición desafiante. En la tercera fase, los analistas comparan, contrastan y evalúan las
recomendaciones y sus supuestos subyacentes. Esto se realiza mediante la comparación
sistemática de supuestos y contrasupuestos que difieren al máximo. Durante En este proceso,
cada suposición es cuestionada por una contra-suposición. Si un contadorla suposición es
inverosímil, se elimina de una consideración adicional. Si es plausible, se examina para
determinar si podría servir como base para una nueva conceptualización del problema y su
solución.

4. Suposición agrupación Cuando se completa la fase de suposición desafiante, las soluciones

generadas en las fases anteriores se agrupan. Aquí los supuestos (en lugar de las
recomendaciones) se priorizan de acuerdo con su relativa certeza e importancia para los
diferentes interesados. Solo se agrupan los supuestos más importantes e inciertos. El objetivo
final es crear una lista aceptable de supuestos sobre los cualesmuchos interesados como sea
posible están de acuerdo.

5. Suposición síntesis. La fase final es la creación de una solución compuesta o sintética para el
problema. El conjunto compuesto de supuestos aceptables puede servir como base para la
creación de una nueva conceptualización del problema. Cuando los problemas relacionados
con la conceptualización del problema y sus posibles soluciones han llegado a este punto, las
actividades de las partes interesadas pueden volverse cooperativas y acumulativamente
productivas.

Las cuatro fases del análisis de supuestos se ilustran en la Figura 3.15, que ayuda a visualizar
características importantes del método. Primero, el método comienza con soluciones
recomendadas para problemas en lugar de suposiciones mismas. Esto se debe a que la
mayoría de las partes interesadas en las políticas conocen las soluciones propuestas para los
problemas, pero rara vez son conscientes de los supuestos subyacentes. Al comenzar con las
soluciones recomendadas, el método se basa en lo que es más familiar para las partes
interesadas, pero luego utiliza soluciones conocidas como punto de referencia para forzar una
consideración explícita de los supuestos subyacentes. Una segunda característica importante
de laLa técnica consiste en intentar, en la medida de lo posible, centrarse en el mismo
conjunto de datos o información relevante para las políticas. La razón de esto es que los
conflictos que rodean la conceptualización de los problemas de política no son tantas
cuestiones de "hecho" sino cuestiones que implican interpretaciones conflictivas de los
mismos datos. Aunque los datos, los supuestos y las soluciones recomendadas están
interrelacionados, no es tanto la situación del problema (los datos) la que gobierna la
conceptualización de los problemas, sino los supuestos que los analistas y otras partes
interesadas aportan a la situación del problema. Finalmente, el análisis de supuestos aborda
sistemáticamente un problema importante de análisis de políticas, que es el de aplicar
procedimientos sistemáticos para enfrentar conflictos.

Los objetivos y procedimientos del análisis de supuestos están estrechamente relacionados

con los modos de argumento de política presentados en los capítulos 1 y 8.81. Cada modo de
argumento de política se basa en diferentes tipos de supuestos que se utilizan para producir
conceptualizaciones alternativas de problemas. El análisis de supuestos es, por lo tanto, un
vehículo importante para llevar a cabo debates razonados sobre la naturaleza de los
problemas de política. El análisis de suposiciones puede ser utilizado con grupos de partes
interesadas de políticas que realmente participan en la estructuración de problemas de
políticas o por un analista individual que simule las suposiciones de partes interesadas. Análisis
de suposicionessis puede ayudar a reducir los errores del tercer tipo (EIII).

Mapeo de argumentos

En el mapeo de argumentos, la plausibilidad e importancia de los elementos de un argumento

de política se presentan como pantallas gráficas. El primer paso es calificar diferentes
elementos —información, garantías, respaldos, objeciones y refutaciones— en escalas de
plausibilidad e importancia. Tome la orden del argumento de abandonar el límite de velocidad
de 55 mph (Ley Nacional de Velocidad Máxima de 1974). Esta orden puede ser calificada por
diferentes partes interesadas en escalas de plausibilidad e importancia de nueve puntos (1 =
bajo, 9 = alto) y graficado en un gráfico como el que se muestra en la figura 3.16.82

La Figura 3.16 muestra las clasificaciones de plausibilidad e importancia para seis partes
interesadas. El gráfico muestra que las partes interesadas están distribuidas en los cuatro
cuadrantes, lo que indica un amplio desacuerdo sobre la plausibilidad e importancia de la
orden, lo que sin duda generaría objeciones y refutaciones. Cuando las partes interesadas son
miembros de un grupo particular,Los desacuerdos trazados en la mitad derecha del gráfico (es
decir, de gran importancia) pueden discutirse y quizás resolverse. Sin embargo, la situación
típica es aquella en la que el analista debe identificar una variedad de partes interesadas sobre
la base de entrevistas telefónicas, documentos y sitios web que contienen los argumentos y
suposiciones de las partes interesadas. Luego se emiten juicios sobre la plausibilidad e
importancia que las partes interesadas otorgan a una orden de arresto, respaldo, objeción o
refutación. Por ejemplo, una revisión de documentos sobre el límite de velocidad de 55 mph
indica que la parte interesada que califica la orden como altamente plausible (P = 9) es un
economista, mientras que la parte interesada que clasifica la orden como de baja plausibilidad
(P = 2) es un etnógrafo que se especializa en la cultura de los conductores jóvenes, basando
sus análisis en entrevistas etnográficas con conductores jóvenes, padres,

Sobre la base de los argumentos y las pruebas proporcionadas por estas fuentes etnográficas y
económicas, complementadas con información sobre las razones proporcionadas por las
partes interesadas y las estadísticas sobre las tasas de accidentes por grupo de edad,
podríamos concluir que esta orden en particular tiene baja plausibilidad. Sin embargo, debido
a que la orden tiene una gran importancia, es relevante para las conclusiones del argumento y
deben conservarse para un examen más detenido.