英國國家統計局政府資料品質中心發布《政府資料品質框架》
英國國家統計局（Office for National Statistics）轄下之政府資料品質中心（Government Data Quality Hub）為實踐英國數位、文化、媒體暨體育部（Department for Digital, Culture, Media & Sport）發布之《國家資料戰略》（National Data Strategy），於2020年12月3日釋出《政府資料品質框架》（The Government Data Quality Framework），以達成國家資料戰略中「資料基礎（Data Foundation）」之核心目標。該框架提出「資料品質原則」（Data quality principles），旨在解決目前政府資料品質低落的問題。該原則包含以下五點：
一、確保資料品質：機關內部應建立有效的資料治理機制，例如培訓員工具備管理資料的能力、持續改進資料品質等。
二、了解使用者需求：機關應將使用者對資料品質的需求視為優先處理事項。
三、評估資料於資料生命週期各階段之品質：機關應密切關注資料於生命週期各階段之品質，並與使用者及利益關係人交換意見。
四、持續溝通資料品質：機關應持續與使用者交流資料品質現況，提供使用者有效的文件及中繼資料（metadata）。
五、了解造成資料品質低落的主因：分析造成資料品質低落的根本原因，從源頭徹底解決資料品質問題。
英國國家統計局政府資料品質中心希望藉由本框架揭示的資料品質原則，提升政府機關人員主動辨別及解決資料品質問題的能力，以改善政府資料品質、為人民帶來更高品質的資料，釋放資料價值並促進社會經濟發展。
高慈妤
副法律研究員 編譯整理
1.The Government Data Quality Framework, GOV.UK, https://www.gov.uk/government/publications/the-government-data-quality-framework/the-government-data-quality-framework (last visited Feb. 18, 2021).
2.National Data Strategy, GOV.UK, https://www.gov.uk/government/publications/uk-national-data-strategy/national-data-strategy#data-1-1 (last visited Feb. 18, 2021).
劉純妤，〈英國發布國家資料戰略（National Data Strategy）〉，資策會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?no=67&tp=5&d=8553（最後瀏覽日：2021/02/18）。
瑞士洛桑管理學院（International Institute for Management Development, IMD）於2025年6月17日發布《2025年IMD世界競爭力年報》（IMD World Competitiveness Yearbook），針對全球69個國家與地區，從「經濟表現」、「政府效能」、「企業效能」及「基礎建設」四大面向進行綜合評比，瑞士、新加坡與香港分列前三，展現其制度穩定性與政策應變能力的優勢。 排名第一的瑞士，擁有強健的制度架構，且其「政府效能」與「基礎建設」表現卓越，然瑞士在「經濟表現」與「企業效能」表現略有下滑，主要與公共採購制度的透明度相關，當地企業反映，公共部門合約對外國投標者開放程度不足，限制市場競爭並影響外資參與。 新加坡「經濟表現」亮眼，使其整體競爭力維持在第二名，然因企業外移嚴重，其「企業效能」由去年的第二名滑落至第八，對未來競爭力構成威脅。 香港由第五名升至第三，四大面向皆有明顯進展，顯示其持續改善投資環境；且香港在企業效能方面表現出色，有效強化其作為全球金融中心的地位。 我國排名第六，較去年上升兩名，展現整體競爭力持續提升。四大面向表現均衡，尤以「經濟表現」與「企業效能」成績亮眼，顯示我國出口動能穩定，企業具備良好轉型能力與國際競爭力，科技產業持續發揮關鍵影響力。「政府效能」維持穩定，財政與稅制制度具備競爭優勢，對營商環境有正面助益。惟在「基礎建設」與社會面向方面，仍面臨人口結構變遷、能源轉型與永續發展等挑戰，需持續強化相關制度與政策配套，以確保長期發展動能。 總體而言，競爭力除經濟與治理外，亦受社會及供應鏈變動影響。未來各國應持續強化治理與創新能力；兼顧社會包容性與產業永續發展，以維持長期競爭力。
美國和歐盟合作推動統一優良臨床試驗規範美國聯邦食品藥物管理局(U.S. Food and Drug Administration)和歐洲醫藥局(European Medicines Agency)在2009年7月31日共同公佈了一項名為優良臨床試驗行動(Good Clinical Practices Initiative)的合作計畫，期能藉由該計畫，使得不論是在美國或歐盟，所有臨床試驗之執行，都有遵守相同且適當的規範。 在醫藥品上市申請的實務中，因為大部份的醫藥品都會企圖向廣大的歐美市場扣關，同樣的臨床試驗通常也會分別提交到兩地的醫藥品上市許可申請程序中。故若兩地主管機關可以合作訂出統一的優良臨床試驗規範，則可避免因重複審查所造成的資源浪費，申請者也可以因為統一的規範而加速其在兩地審查的程序，且在跨國資訊交流整合下，也可為臨床試驗研究的參與者提供更好的安全基礎。 此次美國聯邦食品藥物管理局，和歐洲醫藥局合作之優良臨床試驗行動的幾個主要目標如下： 一、定期交換有關優良臨床試驗之實務操作資訊：交換的資訊包括(1)彼此的優良臨床試驗(Good Clinical Practices, GCP)查核計畫，以了解有那些臨床試驗或地點是對方會去查核的，就不需要重覆查核；(2)彼此受理的上市申請案件中，有關GCP的如科學上的建議或上市申請的結果等；以及(3)彼此執行GCP查核之結果。二、共同執行優良臨床試驗審查：藉此了解對方之GCP查核程序，並進而信賴彼此之程序，也藉由共同執行時之交流，提昇彼此查核之技巧，及精進查核之程序。 三、合作增進優良臨床試驗規範：藉由對彼此GCP相關法規、指導原則、和政策等的交流及了解，找出現有規範中可予以改進之處，以增進臨床試驗研究的品質。 自2009年9月1日起，此項合作行動將首先開始一個為期18個月的先期行動，在此先期行動結束後，兩主管機關將會共同發布一份包含其整體行動計畫，及雙方就各自既有法規或程序應予以調整部分。
英國進行新式樣保護指令(98/71/EC)修正諮詢歐盟執委會於去年 9月公佈了新式樣保護指令修正建議案，針對現行零組件新式樣保護的現況加以調整，以增強歐盟境內零件市場的競爭力；英國政府為此亦針對指令之修正建議案展開諮詢程序。 依據現行歐盟新式樣保護指令，所謂新式樣係指「物品可見之外觀」 (visible appearance of an object)，且不包含技術特徵在內。藉由新式樣保護制度，保障權利人投資能有一定之回饋，也可激發更多新式樣的設計產生。 在前述制度設計下，任何複合性產品 (如汽車、家電製品)之銷售已為新式樣權利人帶來經濟上的利得。但是當前述商品故障或毀損時，原新式樣權利人是否可主張對於修復產品所需之零組件(spare parts)亦能享有獨占權？由於現行新式樣保護指令中第14條規定零件必須能夠修復該產品以「恢復該產品原有之外觀」，因此新式樣保護亦間接導致原權利人對於修護配件市場之壟斷。 歐盟新式樣保護指令在制定當時，對於「零配件」之保護議題，曾引發會員國間極大爭議，因此現行第 14條予以折衷處理，亦即允許各會員國在國內法放寬市場競爭，但是對於任何減少市場競爭之立法則不允許。 英國在此議題上採取寬鬆之立場，因此，英國境內有著相當成熟且蓬勃的修護配件市場，也提供消費者更高品質且價格更優惠的選擇。因此，即便歐盟新式樣保護修正後，對英國境內之衝擊也很有限。
歐盟執委會提出「具可信度之人工智慧倫理指引」歐盟執委會人工智慧高級專家小組（High-Level Expert Group on Artificial Intelligence）於2019年4月8日公布「具可信度之人工智慧倫理指引」（Ethics Guidelines For Trustworthy AI）。該指引首先指出，具可信度之人工智慧需具備三個關鍵特徵：（1）合法（Lawful）：應遵守所有適用於人工智慧之法規；（2）合乎倫理（Ethical）：確保人工智慧符合倫理原則與價值；（3）健全（Robust）：自技術與社會層面觀之，避免人工智慧於無意間造成傷害。 該指引並進一步指出人工智慧應遵守以下四項倫理原則： (1) 尊重人類之自主權（Respect for Human Autonomy）：歐盟之核心價值在於尊重人類之自由與自主，與人工智慧系統互動之個人，仍應享有充分且有效之自我決定空間。因此，人工智慧之運用，不應脅迫、欺騙或操縱人類，人工智慧應被設計為輔助與增強人類之社會文化技能與認知。 (2) 避免傷害（Prevention of Harm）：人工智慧不應對人類造成不利之影響，亦不應加劇既有的衝突或傷害。人工智慧之系統運行環境應具備安全性，技術上則應健全，且確保不會被惡意濫用。此外，弱勢族群應於人工智慧運用中受到更多關注，並被視為服務對象。 (3) 公平（Fairness）：人工智慧系統之開發、布建與利用，必須具備公平性。除了透過實質承諾與規範，進行平等與公正之利益與成本分配外，亦須透過救濟程序確保個人或特定族群不受到歧視與偏見之侵害，並可對人工智慧之自動化決策結果提出質疑，且獲得有效之補救。 (4) 可解釋性（Explicability）：人工智慧應盡量避免黑箱（Black Box）決策，其系統處理程序須公開透明，並盡可能使相關決策結果具備可解釋性，分析特定訊息可能導致之決策結果，此外亦需具備可溯性且可接受審核。