evidoria

← Retour à la liste

Bonne pratique Importée

Le pipeline d'apprentissage automatique de Séoul pour le tri des propositions de budget participatif

Corée du Sud · Seoul · Voir le profil de Corée du Sud · Voir le profil de Seoul

Preuves: Observationnel / avant-après Top 83% 40/100 · Demandez à Evidence Copilot à propos de cette pratique

Une étude évaluée par des pairs a appliqué la modélisation de sujets et un classificateur Random Forest à 21 833 propositions du budget participatif de Séoul (2013–2021), atteignant une AUROC de 0,73 — un outil au stade de la recherche pour réduire la charge de tri.

50 KRW billion
Budget participatif annuel alloué par Séoul (annual, since 2012)
2.2 %
Part du budget municipal allouée via le budget participatif (annual)
1,533 proposals
Propositions reçues en 2014 (2014)
352 proposals
Propositions retenues pour financement en 2014 (2014)
21,833 proposals
Propositions dédupliquées analysées dans l'étude d'apprentissage automatique (2013–2021)
0.73 AUROC
Précision du classificateur Random Forest (AUROC) prédisant la sélection des propositions (2026 study)

Détails

Maturité
Pilote
Promoteur
Seoul Metropolitan Government
Période
2013–2021 (PB data studied); ML study published 2026
Mots-clés
participatory budgeting, civic tech, public administration, machine learning research

Contexte

Séoul mène depuis mai 2012 l'un des plus grands programmes de budget participatif (BP) au monde, allouant environ 50 milliards de wons coréens (environ 2,2 % du budget municipal) via un Comité général de 250 citoyens, fonctionnaires et représentants de la société civile ; rien qu'en 2014, le processus a reçu 1 533 propositions, dont 352 ont finalement été retenues pour financement.

Objectifs

Pour aider à gérer ce volume, la chercheuse Bokyong Shin (Université d'Helsinki) a publié en 2026 une étude visant à réduire les « coûts d'apprentissage » des citoyens grâce à la catégorisation et au résumé automatisés, et les « coûts de conformité » grâce à un retour prédictif avant la délibération formelle.

Activités

L'étude a analysé 21 833 propositions dédupliquées (sur 25 415 soumises à l'origine) couvrant 2013-2021, combinant une modélisation thématique non supervisée par plongements Sentence-BERT — identifiant 17 thèmes principaux répartis en deux groupes (neuf axés sur les infrastructures, huit sur le social/le bien-être) — avec un classificateur Random Forest supervisé prédisant la sélection des propositions.

Résultats

Le classificateur Random Forest a prédit la sélection des propositions avec un AUROC de 0,73, surpassant les alternatives de régression logistique, gradient boosting, SVM et arbre de décision.

Conclusions

Il s'agit toujours d'une capacité au stade de la recherche, construite sur des données ouvertes historiques, plutôt que d'un outil confirmé fonctionnant dans le flux de travail réel du BP de Séoul ; son rôle de tri doit donc être lu comme une preuve de concept validée, et non comme un système opérationnel. L'ampleur et la structure de gouvernance sous-jacentes du programme sont corroborées de manière indépendante par la documentation de cas de Participedia.

Mise en œuvre
Coût indicatif
Faible (< 50 k€) — Research conducted on existing open administrative data; no operational deployment budget is reported in the source.
Délai jusqu’aux résultats
Moyen (1–3 ans) — PB programme running since May 2012; proposal data studied spans 2013–2021; machine-learning study published 2026.
Personnel et compétences
Seoul Metropolitan Government (PB programme owner), Academic researcher: Bokyong Shin, University of Helsinki

Conditions de réussite

  • Availability of historical PB proposal data with recorded selection outcomes for model training
  • A well-established, high-volume PB programme generating enough data to model (21,833 proposals over 2013–2021)

Modes d’échec courants

  • Remains research-stage; not confirmed to be running inside Seoul's live PB workflow
  • An AUROC of 0.73 leaves substantial misclassification risk if deployed operationally without further validation

Où cela s’applique

Type de gouvernance
city government with a citizen general committee
Échelle
city-wide (Seoul)
Niveau de revenu
high-income

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pratiques similaires qui pourraient vous être utiles