EBPM新聞

2026年版のEBPM国際比較から、世界の政策評価はどこまで進んだのかを考えます。

政府は、本当にデータを使って政策を決めているのでしょうか。

それとも、エビデンスは「やっている感」を示すための行政作文になっているのでしょうか。

本エピソードでは、日本、イギリス、アメリカ、カナダ、オーストラリア、EU諸国のEBPMを比較し、2026年時点の政策評価、データ基盤、法制度、予算連動、AI時代の課題を解説します。

取り上げる主なテーマ

・2026年版EBPM国際比較の全体像

・EBPMとEvidence-informed policyの違い

・エビデンスは政策を自動決定する魔法の杖ではない

・イギリスのEvaluation Task Forceと予算連動

・NELIに見るランダム化比較試験と全国展開

・アメリカのEvidence Actと学習アジェンダ

・社会保障局の現場実験と行政サービス改善

・カナダの研究データセンター、RDC

・オーストラリアのPLIDAと安全なデータ連結

・EUのBetter Regulationと事前評価

・政治交渉でエビデンスが変質する問題

・2026年時点の日本のEBPMの現在地

・EBPM推進委員会と制度化の浅さ

・ロジックモデルが行政作文になるリスク

・日本に必要な法的義務化、データ基盤、予算連動

・AI時代の政策評価と人間の監査能力

EBPMは、データやAIが自動的に正しい政策を選ぶ仕組みではありません。

政策には、限られた予算を誰に配分するのか、どの価値を優先するのか、どのリスクを引き受けるのかという政治判断が必ず含まれます。

だからこそ重要なのは、エビデンスが政治を置き換えることではなく、政治判断の前提を明らかにし、検証可能にすることです。

イギリスは、評価を予算決定に結びつけることで、効果のある政策に資源を集中させようとしています。

アメリカは、Evidence Actによって、各行政機関に学習アジェンダや評価計画を義務づけました。

カナダやオーストラリアは、個人情報を守りながら政策効果を検証できる安全なデータ基盤を整備しています。

EUは、法案を作る前の事前評価を高度化していますが、政治交渉の過程でエビデンスが変質するという難しさも抱えています。

では、日本はどこにいるのでしょうか。

2026年時点の日本は、EBPMという概念の普及段階から、制度として定着させる段階へ移ろうとしています。

ただし、評価結果が予算配分や政策修正に十分連動していなければ、ロジックモデルや指標は、きれいな行政作文で終わってしまいます。

重要なのは、データを集めることではありません。

データが「この政策はうまくいっていない」と示したときに、予算、制度、実施方法を変えられるかどうかです。

2026年版の国際比較から見えてくるのは、EBPMの勝負が「エビデンスを作る段階」から、「エビデンスで行動を変える段階」へ移っているということです。

そしてAI時代には、さらに難しい問いが生まれます。

AIが政策効果を予測し、評価し、もっともらしい根拠を提示するようになったとき、人間はその評価を監査できるのでしょうか。

エビデンスを使うのは誰か。

データと決断の主導権を握るのは誰か。

2026年版EBPM国際比較から、政策評価の現在地と、AI時代の公共意思決定を考えます。

番組で生まれた言葉や、EBPM・統計・メタ分析をモチーフにした公式グッズをまとめています。

EBPM新聞 公式ショップ｜EBPM・統計・研究モチーフのグッズ

政策は、未来に耐えられるのでしょうか。

選挙、予算、社会保障、教育、食料安全保障、AI、気候変動。

多くの政策は、いま見えている課題には対応できます。

しかし、前提そのものが崩れた未来にも耐えられるのでしょうか。

本エピソードでは、フィンランド議会の「未来委員会」を取り上げ、国家が政策をどのようにストレステストしているのかを解説します。

取り上げる主なテーマ

・フィンランド未来委員会とは何か

・EBPMとフォーサイトの違い

・2045年を想定した4つの未来シナリオ

・政策を「晴れの日の計画」で終わらせない仕組み

・AI支援型フォーサイトと人間の政治判断

・議会決議による政府への応答義務

・世代責任法という発想

・日本のNISTEPや国会調査機能との違い

・未来予測を政策実装につなげるためのループ

EBPMは、過去のデータから政策効果を検証するために重要です。

しかし、まだデータが存在しない未来に対しては、別の道具が必要になります。

フィンランドの未来委員会が示しているのは、未来予測を「当てる」ためではなく、政策の弱点を見つけるために使うという発想です。

どの未来が来るかを完全に予測することはできません。

だからこそ、複数の未来に政策をぶつけてみる。

そのうえで、どのシナリオでも最低限機能する制度、予算、社会保障、教育、産業政策を探していく。

これは、国家のためだけの話ではありません。

企業の事業計画、個人のキャリア、家庭の資産設計にも同じ問いが向けられます。

期待した未来になった場合にだけ機能する計画は、戦略ではなく願書かもしれません。

未来予測を水晶玉ではなく、耐震診断として使う。

フィンランドの制度から、変化の時代を生き抜くための政策思考を考えます。

番組で生まれた言葉や、EBPM・統計・メタ分析をモチーフにした公式グッズをまとめています。

EBPM新聞 公式ショップ｜EBPM・統計・研究モチーフのグッズ

政府は、未来の危機をどう見つけるのでしょうか。

シンガポール政府には、未来を「予言」するのではなく、政策の前提を揺さぶるための専門機関があります。

それが、首相府に置かれたCentre for Strategic Futures、通称CSFです。

本エピソードでは、シンガポール政府がどのように戦略的フォーサイトを制度化し、AI、シナリオプランニング、ウォーゲーミング、SF的想像力を使って、国家の認知インフラを鍛えているのかを解説します。

取り上げる主なテーマ

・シンガポールCSFとは何か

・首相府に組み込まれた未来予測機関

・フォーサイトと単なる未来予測の違い

・SP+、バックキャスティング、ウォーゲーミング

・問題の性質を見極めるクネビン・フレームワーク

・行政官向け研修FutureCraft

・幹部ネットワークSFNと実務者サンドボックス

・SF作家や外部思想家を政府に入れる意味

・AIと口論する「極端な未来体験」

・AIを使っても、人間が最後の判断を握る理由

・フォーサイト・インパクト・ギャップ

・エリート閉鎖性と弱い兆候の見落とし

シンガポールCSFの特徴は、未来を扱う機能を外部シンクタンクに任せるのではなく、政府の中枢に埋め込んでいる点にあります。

過去のデータが通用する世界では、予測は有効です。

しかし、パターンそのものが崩れる時代には、予測よりも、前提を疑い、複数の未来を考え、組織の反応力を鍛える仕組みが必要になります。

CSFはそのために、行政官同士のネットワーク、研修、サンドボックス、外部知、AIとの対話を組み合わせています。

特に興味深いのは、AIを「正解を出す道具」としてではなく、人間の思考の限界をあぶり出す相手として使っている点です。

AIと口論することで、「そんな未来はあり得ない」と反発した瞬間に、自分たちの暗黙の前提が見えてくる。

これは、政策立案だけでなく、企業経営、チーム運営、個人の意思決定にも応用できる考え方です。

一方で、シンガポール型のフォーサイトにも限界があります。

中枢に近いからこそ影響力を持てる反面、政治的優先順位への同調や、エリート層だけで未来を考えてしまうリスクもあります。

本当に強い未来思考とは、優秀な人だけで未来を語ることではありません。

会議室の外にある弱い兆候、声なき声、まだ政策言語になっていない違和感を、どうシステムに入れるか。

シンガポールCSFの事例から、未来を予測するのではなく、未来に耐える組織の作り方を考えます。

シンガポールの未来予測専門機関“CSF”って？

番組で生まれた言葉や、EBPM・統計・メタ分析をモチーフにした公式グッズをまとめています。

EBPM新聞 公式ショップ｜EBPM・統計・研究モチーフのグッズ

国家の予算は、何を「成功」とみなすのでしょうか。

GDPでしょうか。

財政黒字でしょうか。

それとも、国民の健康、教育、安心、社会的つながり、将来世代への持続可能性でしょうか。

本エピソードでは、ニュージーランドの「ウェルビーイング予算」を取り上げ、2019年の導入から2026年時点の軌道修正までを、EBPMと公共政策の視点から解説します。

取り上げる主なテーマ

・ニュージーランドのウェルビーイング予算とは何か

・幸福を国家予算に組み込むという発想

・リビング・スタンダーズ・フレームワーク、LSF

・4つの資本と多面的な豊かさ

・マオリのウェルビーイング視点、ヒア・アラ・ワイオラ

・2019年予算で重視されたメンタルヘルス、子供、格差対策

・CBIXによる費用便益分析

・子供の貧困、家庭内暴力、メンタルヘルスの政策効果

・幸福予算の成果と限界

・政権交代後の2024年以降の方針転換

・2026年時点の制度的な巻き戻しと再編

・社会投資ファンドと高ニーズ集団へのターゲティング

・幸福を測ること、予算化すること、維持することの難しさ

ニュージーランドのウェルビーイング予算は、単なる「幸福スローガン」ではありませんでした。

財務省が中心となり、経済成長だけでは測れない豊かさを、予算編成の中に組み込もうとした本格的な制度実験でした。

人間資本、自然資本、社会資本、財務・物理資本。

そして、先住民マオリの価値観に基づくウェルビーイングの視点。

それらを使って、国の予算を「いまの支出」だけでなく、「将来世代への投資」として見直そうとしたのが、この制度の核心です。

一方で、制度は理想だけでは動きません。

メンタルヘルスや家庭内暴力対策では一定の改善が見られた一方、子供の貧困や民族間格差など、根深い構造的課題は簡単には解消されませんでした。

さらに、インフレ、住宅市場、財政制約、政権交代といった外部要因が、制度の持続性に大きな影響を与えました。

2024年以降、ニュージーランドは「ウェルビーイング」という看板から、経済成長、財政規律、インフラ投資をより前面に出す方向へ軌道修正しています。

これは、ウェルビーイング予算が完全に消えたというより、再編期に入ったと見る方が正確です。

今回の教訓は明確です。

幸福を予算に入れることよりも、それを制度として定着させ、政権交代後も維持することの方がはるかに難しい。

幸福、成長、財政規律、公平性。

この4つをどう統合するのか。

ニュージーランドの経験から、EBPMにおける指標設計、予算編成、政策評価、そして政治的持続性の難しさを考えます。

ウェルビーイング予算とは？ ニュージーランドに学ぶ国家の幸福戦略

番組で生まれた言葉や、EBPM・統計・メタ分析をモチーフにした公式グッズをまとめています。

EBPM新聞 公式ショップ｜EBPM・統計・研究モチーフのグッズ

なぜ、エビデンスは意思決定で無視されるのでしょうか。

法律、評価計画、データ基盤、独立研究機関、政策ダッシュボード。

制度は整っている。

データもある。

評価も行われている。

それでも、実際の政策判断では使われない。

本エピソードでは、2026年版のオランダEBPMを取り上げ、エビデンスを作る仕組みと、政治家・行政幹部がそれを使う仕組みの間にある深い溝を解説します。

取り上げる主なテーマ

・2026年時点のオランダEBPMの現在地

・オランダ流EBPMとは何か

・ネットワーク型中央モデル

・財務法第3.1条、CW 3.1

・戦略的評価アジェンダ、SEA

・政策コンパスによる政策形成プロセス

・評価やモニタリングが意思決定で使われにくい理由

・エビデンスの供給過多と需要不足

・Tone at the Topの欠如

・STAPプログラムとデッドウェイトロス

・ユトレヒト市のRCTと外的妥当性の限界

・アムステルダム市の子どもの肥満対策

・厳密な因果推論と組織学習の違い

・AIとアルゴリズム・ガバナンス

・IAMAとEU AI法への対応

・EBPMが説明責任の免罪符になるリスク

・データと人間をつなぐ知識仲介人材

オランダは、EBPMの制度設計において非常に高度な仕組みを持つ国です。

新しい政策を提案する際には、目的、手段、費用対効果、評価計画を事前に示すことが求められます。

各省庁の予算には、複数年の評価計画が組み込まれ、政策担当者は標準化されたプロセスに沿って、課題設定と選択肢の整理を行います。

一見すると、理想的なEBPM国家です。

しかし、制度があることと、実際に意思決定で使われることは別問題です。

オランダの課題は、エビデンスを作る側の能力不足ではありません。

むしろ、独立研究機関や評価制度は非常に充実しています。

問題は、政治家や行政幹部が、エビデンスを自ら要求し、議論の争点として使う需要側の仕組みが弱いことです。

いくら優れたデータを作っても、トップがそれを求めなければ、現場の評価は形式化します。

EBPMは、データベースや評価報告書を増やすだけでは機能しません。

必要なのは、評価を予算や政策形成のルールに編み込むこと。

そして、リーダーが証拠を求める文化を作ることです。

一方で、現実の政策評価は単純ではありません。

STAPプログラムでは、補助金利用者の一部が、補助金がなくても受講していた可能性が示されました。

ユトレヒト市の労働市場実験では、RCTの厳密性を社会実験の現場で維持する難しさが浮き彫りになりました。

アムステルダム市の子どもの肥満対策では、単一施策の因果効果を厳密に切り出すよりも、ロジックモデルと継続的なモニタリングによる組織学習が重視されました。

つまり、EBPMには「何が効いたか」を測る技術だけでなく、「複雑な社会の中でどう学び続けるか」という設計が必要です。

さらに、2026年時点のオランダでは、AIとアルゴリズム・ガバナンスも重要な論点になっています。

過去のアルゴリズムによる差別的運用への反省から、政府はAIやアルゴリズムの透明性、説明責任、影響評価を強化しようとしています。

しかし、事前のアセスメントだけでは不十分です。

運用後のモニタリングや更新、議会への説明が弱ければ、EBPMはAIのブラックボックスを正当化する免罪符になりかねません。

オランダの経験から見えてくるのは、完璧なデータ基盤よりも、それを使う人間の制度設計が重要だということです。

政策評価の仕組みそのものを、誰が評価するのか。

2026年版オランダEBPMの事例から、データ、政治判断、AIガバナンス、組織学習の関係を考えます。

オランダCPBと長期シナリオ分析：エビデンスに基づく政策立案EBPMの先進モデル

番組で生まれた言葉や、EBPM・統計・メタ分析をモチーフにした公式グッズをまとめています。

EBPM新聞 公式ショップ｜EBPM・統計・研究モチーフのグッズ

ロジックモデルは、EBPMの実装に本当に役立つのでしょうか。

政策の目的。

投入する予算。

実施する事業。

期待される成果。

それらを矢印でつなげると、一見すると政策は論理的に見えます。

しかし、紙の上で整った計画は、現実社会でも本当に機能するのでしょうか。

本エピソードでは、EBPMの実装でよく使われる「ロジックモデル」を取り上げ、政策評価、因果推論、RCT、準実験、そして日本の行政が陥りやすい「ロジックモデル偏重」の罠を解説します。

取り上げる主なテーマ

・ロジックモデルとは何か

・EBPMにおけるロジックモデルの役割

・政策の目的、投入、活動、成果をどう整理するか

・日本のEBPMがロジックモデル作成に偏りやすい理由

・きれいな図が政策効果を証明するわけではない

・スケアード・ストレートの失敗

・相関関係と因果関係の違い

・選択バイアスとは何か

・RCT、ランダム化比較試験の考え方

・準実験と観察研究の限界

・ESSAに見るエビデンス階層

・一般均衡効果と置き換え効果

・スピルオーバー効果、波及効果

・代理指標の最適化とKPIの罠

・RCTが万能ではない理由

・公平性、実現可能性、費用負担、社会的受容性

・What Works Networkと証拠の翻訳

・Evidence Actと組織学習

・日本のEBPM実装に必要な改善回路

ロジックモデルは、政策の設計図として有用です。

何のために政策を行うのか。

どの資源を投入するのか。

どの活動を行うのか。

短期・中期・長期でどの成果を目指すのか。

これらを整理することで、政策の前提を見える化できます。

しかし、ロジックモデルは政策効果の証明ではありません。

きれいな矢印が描かれていても、その政策が実際に効果を持つとは限りません。

本当に重要なのは、その矢印が現実に成り立つのかを疑い、検証し、必要なら修正することです。

アメリカのスケアード・ストレートは、その典型例です。

非行のおそれがある少年に刑務所の恐怖を見せれば、犯罪を思いとどまるはずだ。

紙の上では、目的と手段がきれいにつながって見えます。

しかし実際には、参加した少年の再犯率が上がるという逆効果が示されました。

論理として自然に見えることと、現実に効果があることは別物です。

だからこそ、EBPMには因果推論が必要になります。

政策を受けた人の結果が良かったとしても、それが本当に政策のおかげなのかは分かりません。

もともと意欲の高い人が参加していただけかもしれません。

別の支援策が同時に効いていたのかもしれません。

地域や市場全体の変化が影響していたのかもしれません。

RCT、準実験、観察研究は、こうした見えにくい要因を切り分けるための道具です。

ただし、RCTも万能ではありません。

倫理的にくじ引きができない政策もあります。

全国一律に実施しなければならない制度もあります。

小さな地域で成功しても、全国展開で同じ効果が出るとは限りません。

さらに、社会にはロジックモデルの外側で起きる現象があります。

職業訓練で参加者が就職しても、別の誰かが仕事から押し出されただけかもしれません。

ある地域の犯罪が減っても、隣の地域に移っただけかもしれません。

健康イベントの参加人数をKPIにした結果、本来の健康改善ではなく、参加人数だけが目的化するかもしれません。

政策は、直線的な矢印だけでは捉えきれません。

だからロジックモデルは、信じるための完成図ではなく、疑うための地図として使う必要があります。

日本のEBPM実装に必要なのは、ロジックモデルを作ること自体を目的にしないことです。

政策の仮説を明らかにする。

効果を測れるように設計する。

失敗や副作用も検証する。

評価結果を予算や政策修正につなげる。

この改善回路を持って初めて、EBPMは行政作文ではなく、政策を学習させる仕組みになります。

実装編#01では、ロジックモデルを入り口に、EBPMを計画倒れにしないための政策評価の考え方を整理します。

EBPMのロジックモデルとは――日本の制度・作り方・因果推論から見る限界

番組で生まれた言葉や、EBPM・統計・メタ分析をモチーフにした公式グッズをまとめています。

EBPM新聞 公式ショップ｜EBPM・統計・研究モチーフのグッズ

EBPM新聞・EBPMスクールでは、政策・行政・社会をエビデンスから読み解きます。

今回は、EBPMと司法審査の関係を取り上げます。政策立案に使われる統計データ、RCT、システマティック・レビュー、ロジックモデルなどのエビデンスは、裁判所でどのように評価されるのでしょうか。

日本では、行政裁量への司法の介入は比較的慎重とされます。一方、アメリカでは行政手続法やハードルック・レビューを通じて、行政判断とエビデンスの整合性が厳しく問われる場面があります。また、英国ではWhat Works Networkやエビデンスプラン、Magenta Bookなどを通じて、政策評価と予算配分を結びつける仕組みが発展してきました。

本回では、日本・アメリカ・英国の比較を通じて、エビデンスが政策の正当性、行政の説明責任、司法審査にどのように関わるのかを考えます。

EBPM、行政法、政策評価、行政裁量、規制政策、公共政策に関心のある方に向けた、やや専門寄りの入門回です。

番組で生まれた言葉や、EBPM・統計・メタ分析をモチーフにした公式グッズをまとめています。

EBPM新聞 公式ショップ｜EBPM・統計・研究モチーフのグッズ

2026年版の英国EBPMから、エビデンスを「使わせる」政策評価システムを考えます。

EBPMは、複雑な社会問題に対して自動で正解を出す魔法の杖なのでしょうか。

イギリスの経験を見ると、答えは明確です。

エビデンスは、政治判断を消すものではありません。

むしろ、政治家や行政官が「なぜその判断をしたのか」から逃げられないようにする制度です。

本エピソードでは、2026年版の英国EBPMを取り上げ、ROAMEF、グリーンブック、マゼンタブック、Evaluation Task Force、会計責任者制度、大臣指示、AI時代の政策評価までを解説します。

取り上げる主なテーマ

・2026年版英国EBPMの現在地

・EBPMは魔法の杖ではない

・ROAMEFによる政策循環

・グリーンブックと事前評価

・ファイブ・ケース・モデルによる事業計画審査

・財務省とEvaluation Task Force、ETF

・マゼンタブックと事後評価

・アカウンティング・オフィサー制度

・大臣指示、Ministerial Direction

・BCR、費用便益比の限界

・社会的価値をどう評価に入れるか

・TAIGERによる分析計画の事前登録

・What Works Networkと知識仲介

・NELIによる幼児期言語支援

・ボディカメラ実験と政策効果の解像度

・評価計画が意思決定で使われない問題

・NAOが指摘した評価インセンティブの歪み

・AIアルゴリズム評価と継続的モニタリング

・地域主導評価とディスプレイスメント

・日本のEBPMに必要な制度設計

イギリスのEBPMの特徴は、エビデンスを「正解を出す装置」として扱わない点にあります。

政策目的は、最終的には政治が決める。

しかし、その政策を実行するには、根拠、目的、選択肢、費用対効果、評価計画を示さなければなりません。

そして、実施後には、何が誰にどの条件で効いたのかを検証しなければなりません。

この一連の仕組みが、政策判断に対して「あなたの根拠は何ですか」と問い続ける制度の連鎖を作っています。

特に重要なのが、会計責任者と大臣指示の仕組みです。

大臣が政治判断で政策を押し切ることは可能です。

ただし、その場合には、官僚側が反対した記録と、大臣が政治責任で進めた事実が公的に残ります。

政治判断を禁止するのではなく、説明責任を可視化する。

ここに、イギリス型EBPMの強さがあります。

一方で、イギリスの制度も完璧ではありません。

評価計画を作っても、それが実際の予算配分、政策の修正、事業の終了判断に使われなければ、評価は儀式になります。

評価をしないことへの不利益が弱く、失敗を明らかにした人だけが批判される構造では、合理的な組織ほど評価を避けてしまいます。

2026年版の議論で重要なのは、評価の「供給量」ではありません。

評価結果が、実際の意思決定を変えたのか。

予算配分を変えたのか。

続けるべき事業と、終えるべき事業を分けたのか。

そこが問われています。

さらにAI時代には、政策評価の対象そのものが変化します。

AIモデルは導入後も学習し、出力を変え続けます。

そのため、一度だけ評価するのではなく、継続的なモニタリングと再評価が必要になります。

また、地域主導の評価では、ある地域の成功が、単に隣の地域から需要を奪っただけではないかというディスプレイスメントも見なければなりません。

EBPMとは、エビデンスで政治を置き換えることではありません。

判断の根拠を記録し、検証し、必要なら修正することです。

2026年版英国EBPMの事例から、政策評価を「報告書作成」ではなく、意思決定を変える制度として設計する方法を考えます。

イギリスに学ぶEBPM

番組で生まれた言葉や、EBPM・統計・メタ分析をモチーフにした公式グッズをまとめています。

EBPM新聞 公式ショップ｜EBPM・統計・研究モチーフのグッズ

EBPM新聞では、政策・社会・データを読み解くための視点をわかりやすく解説します。

今回は、根拠に基づく医療「EBM」と、根拠に基づく政策立案「EBPM」の違いを解説します。

RCT、メタアナリシス、ロジックモデル、What Works Network、COVID-19対策、HPVワクチンの事例を通じて、なぜ「科学的に正しい政策」がそのまま社会で機能するとは限らないのかを考えます。

エビデンスは政策の羅針盤です。

しかし、最後に舵を切るのは人間の価値判断です。AI、ビッグデータ、行政改革、政策評価に関心のある方に向けた、EBPM入門回です。

EBPMとEBMの違い

番組で生まれた言葉や、EBPM・統計・メタ分析をモチーフにした公式グッズをまとめています。

EBPM新聞 公式ショップ｜EBPM・統計・研究モチーフのグッズ

EBPMとは、何でしょうか。

データが自動で正解を出す仕組みでしょうか。

政治判断をAIや統計に置き換える制度でしょうか。

それとも、声の大きい人や慣習だけで政策が決まることを避けるための、社会の学習システムなのでしょうか。

本エピソードでは、EBPM、つまり「証拠に基づく政策立案」の基本を取り上げ、医療分野のEBMとの違い、因果推論、政策評価、そして日本でEBPMを実装する際の課題を解説します。

取り上げる主なテーマ

・EBPMとは何か

・証拠に基づく政策立案の基本

・EBM、根拠に基づく医療との違い

・政策は正解を自動で出す機械ではない

・目的、証拠、実施、評価、改善のサイクル

・相関関係と因果関係の違い

・因果推論と反事実仮想

・RCT、ランダム化比較試験とは何か

・準実験と差の差分析

・観察研究の限界

・データだけでは決められない価値判断

・公平性、実現可能性、費用対効果

・日本の行政データ基盤の課題

・イギリスのWhat Works Network

・アメリカのEvidence Actと学習アジェンダ

・横浜市の教育DXとデータ活用

・世田谷区のオープンデータ整備

・EBPMが市民生活にどう関係するのか

EBPMは、政策の正解を自動で出す魔法の箱ではありません。

政策には、予算、利害、地域差、倫理、公平性、政治的判断が必ず関わります。

だからこそ重要なのは、データで政治を置き換えることではなく、政策がなぜ必要なのか、何を目指すのか、どの証拠を使うのか、実施後に何を測るのかを、あらかじめ設計することです。

EBPMは、政策を一度決めて終わりにする考え方ではありません。

問いを立てる。

測る。

実行する。

検証する。

学ぶ。

必要なら変える。

この回路を、行政や社会の中に組み込むための考え方です。

特に重要なのが、相関と因果の違いです。

タブレットを配った学校の成績が高いからといって、タブレットが成績を上げたとは限りません。

もともと教育熱心な地域だったのかもしれません。

家庭環境の違いが影響しているのかもしれません。

他の支援策が同時に行われていたのかもしれません。

だからこそ、政策が本当に効果を持ったのかを考えるには、因果推論が必要になります。

RCT、準実験、差の差分析、観察研究。

それぞれの手法には強みと限界があります。

すべての政策をRCTで測れるわけではありません。

倫理的にくじ引きができない政策もあります。

全国一律に実施しなければならない制度もあります。

だからEBPMでは、手法の強さだけでなく、その政策が置かれた文脈、実現可能性、公平性、社会的な受け止めも考える必要があります。

データは、目的地を決めるものではありません。

データは、現在地を示し、選択肢の結果を見えやすくするものです。

最終的に、どの価値を優先するのか。

誰にどのような影響があるのか。

どのリスクを引き受けるのか。

そこには、人間と社会の判断が残ります。

日本でも、EBPMは少しずつ広がっています。

一方で、機械が読めないデータ、PDF化された書類、部署ごとに分断された情報、現場で使われない評価指標など、実装上の課題も残っています。

EBPMを機能させるには、分析部署を作るだけでは足りません。

データを整えること。

現場が使える形に翻訳すること。

評価結果を政策改善につなげること。

そして、失敗から学ぶ文化を作ることが必要です。

EBPMは、一部の専門家だけの話ではありません。

効果の薄い政策に税金が使われ続けるのか。

本当に必要な子育て支援、教育、防災、医療、福祉に資源が届くのか。

それは、私たちの日常に直結する問題です。

理論編#01では、EBPMを「正解を出す機械」ではなく、「政策を学習させる仕組み」として捉え直します。

EBPMのロジックモデルとは――日本の制度・作り方・因果推論から見る限界

番組で生まれた言葉や、EBPM・統計・メタ分析をモチーフにした公式グッズをまとめています。

EBPM新聞 公式ショップ｜EBPM・統計・研究モチーフのグッズ