这个项目研究了在国家(和国际)危机所产生的不确定性和意外事件的背景下,高级警察决策。本报告借鉴了对两个英国警察部队的16名高级官员和工作人员的详细访谈:一个大都市的警察部队和一个有大量农村和沿海警务元素的较小部队。主要的数据收集是在2020年10月至2021年3月期间进行的。报告还借鉴了公开的文件,以及2021年4月与警务研究和学习中心的警务成员就新发现进行的研讨会讨论。

虽然英国警察部队的行动态势和能力被配置得很好,以适应不可预见的事件,但Covid-19危机的规模和性质是前所未有的。特别是,从早期阶段开始,危机在时间和地理上都是不受限制的;为研究危机时期的警务领导力提供了一个独特的机会。

警察部队是高可靠性的组织

从分析中可以看出,所研究的部队对Covid-19危机的挑战做出了强有力的和有弹性的反应。支持这种反应的关键能力包括在关键和重大事件的战略指挥方面有良好的实践能力,以及在面对不确定性和突发事件时具有深厚的风险管理经验的领导者。

我们研究的这两个警务组织,在应对大流行病的挑战时,表现出了以往研究中与 "高可靠性组织"(HRO)特征相关的能力。然而,这种HRO的观点也指出了一些领域,这些领域可能有助于在警务工作中进行更深入的思考。

  • 虽然战略指挥能力是面对大流行病的重要基础,但有迹象表明,这种操作模式需要调整,以应对持续时间和范围都非常长的重大事件。围绕科维德危机划定界限的困难以及危机持续时间的延长,似乎对指挥系统中人的福祉造成了巨大压力。

  • 对复原力的一些挑战来自于警务工作在更广泛系统中的嵌入。特别是政策变化的速度,以及政府有时发出的不一致的信息。

  • 有人表达了一些担忧,认为警务战略指挥结构和做法有时会减少概念上的松懈(提供足够的多样性视角),并鼓励在长期危机的压力下,过快地简化和趋向于单一的故事。

  • 最后,我们注意到,在指挥和控制的等级制度中,可能会出现与等级制度不一致的专业知识和视角多样性的缺失。

我们建议,在长期事件(如大流行病)的背景下,应重新评估战略指挥模式。应该考虑减少指挥疲劳的机制。例如,有计划地进行角色轮换,充分纳入关键警务人员的角色和相关培训,以减轻长期事件中的压力。

我们进一步建议,特别是在持续时间较长的危机中,战略指挥的做法将受益于加强快速横向协商和寻求更多观点的结构和工具。

业务连续性规划和演练的目的

我们已经强调,大流行病前的规划,包括演习,并没有产生对应对Covid-19危机特别有用的计划。然而,有一些证据表明,这些过程确实产生了有用的知识和能力,为应对大流行病的行动提供了信息。这包括与大流行病规划无关的目标的规划;例如,英国脱欧准备工作。为特定的突发事件进行规划和为特定的危害和威胁进行演习的价值可能不在于它们产生的具体计划,而在于它们使组织能力受到广泛的考验,并产生与一系列情况相关的理解和改进的能力,包括尚不清楚的挑战。

我们建议考虑设计和使用演习以及业务连续性规划,以便能够捕捉和传播学习成果,并建立能力,这可能与过程中所考虑的更广泛的未来事件有关。这应包括认真注意利用广泛的观点和专门知识,包括通过多机构合作。

支持创新

如同在其他许多情况下一样,这场大流行病在自下而上和自上而下的创新方面发挥了加速器的作用。然而,我们也注意到,虽然在一个快速变化的世界中无疑需要更大的创新灵活性,但如果不改变治理和协商过程,可能很难保持在危机中实现的创新灵活性。这对于自下而上的创新来说尤其如此。

因此,我们建议,提高创新敏捷性的一个重要因素,可能是发展敏捷协商和治理的方法,这允许决策作为实验。这种方法将治理重新规划为一种指导作用,使创新者专注于创新的预期受益者的观点,并帮助消除创新的组织障碍。它们还包括对创新的快速评估和学习的传播的关注。

国家决策模式

许多研究参与者讨论了国家决策模式(NDM)的使用。NDM有一些明显的好处,包括作为一个明确的提示来考虑决策的多个相关方面,以及它在记录决策的可辩护基础方面的作用。然而,我们注意到两个问题。首先,在指责文化的背景下,也许会因为强烈的外部审查而变得更加严重,记录决策的合理依据可能会发展成防御性决策。其次,人们担心NDM和日益强调基于证据的决策的综合效应可能会使基于经验的直觉的使用失去合法性。这种影响与其说是减少了对直觉的依赖,不如说是使其更不容易被讨论,从而更不容易被批判性地审查和思考。

因此,我们建议,在培训NDM时,必须强调可辩护的决策和防御性决策之间的区别,并建议领导者考虑如何避免创造防御性决策可能兴起的条件(例如,预期随时受到指责)。同样重要的是,要强调基于经验的知识和背景理解是证据基础的一部分。我们进一步建议,在使用NDM时,需要考虑的一个重要的补充问题是 "我对这个决定有什么感觉,为什么?"。

我们希望这份报告能对扩大关于从大流行病经验中学习的讨论做出有益的贡献。

成为VIP会员查看完整内容
16

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《战术边缘的数据驱动行动:挑战和关注》122页报告
专知会员服务
73+阅读 · 2023年6月26日
《美国防部(DoD)获取关键技能措施》148页报告
专知会员服务
50+阅读 · 2023年6月13日
《长期自主海事系统的需求探索》112页报告
专知会员服务
33+阅读 · 2023年5月7日
《军事行动中的增强现实与夜视融合:导论》192页手册
专知会员服务
67+阅读 · 2023年3月30日
《美国武装部队结构体系(2021)》入门介绍,140页pdf
专知会员服务
92+阅读 · 2022年4月1日
深度学习目标检测概览
AI研习社
46+阅读 · 2017年10月13日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
41+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
Arxiv
0+阅读 · 2023年8月21日
A Survey of Large Language Models
Arxiv
500+阅读 · 2023年3月31日
Learning in the Frequency Domain
Arxiv
11+阅读 · 2020年3月12日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
41+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员