信息生态视域下省级政府数据开放服务质量驱动机制研究——基于20省平台数据的组态分析

李 明, 曹海军

(1. 吉林大学 国家发展与安全研究院, 吉林 长春 130012;2. 东北大学 文法学院, 辽宁 沈阳 110169)

大数据时代,数据作为一种战略性基础资源和新型生产要素受到广泛关注,而政府部门作为最大的数据生产者与采集者,这些数据不仅对国家政策的科学精准制定、政府的数字化转型与社会治理而言至关重要,也对公众的有效监督、参政积极性的切实提高以及数据更多潜在价值的释放大有裨益[1]。因此,一场声势浩大的“政府数据开放运动”在全球范围内如火如荼地展开。美国于2009年率先上线政府数据开放平台----“Data.gov”,这被认为是政府数据开放的发端,随后各国政府纷纷加入数据开放的队列[2]。我国则于2012年上线了国内首个政府数据开放平台----“上海市政府数据服务网”,随后,北京、湛江、无锡、东莞等城市相继上线政府数据开放平台。复旦大学DMG实验室发布的《2021中国地方政府数据开放报告》显示,截至2021年底,我国上线的政府数据开放平台数量已达193个,其中包括省级平台20个[3]。一方面,我国的政府数据开放工作卓有成效,政府数据开放平台已然成为省级政府数字化转型的“利器”。另一方面,我国政府数据开放正处于发展期,各地政府数据开放平台在服务质量上参差不齐,这影响了政府数据开放的持续、良性发展。因而,探究省级政府数据开放服务质量的影响因素有哪些,其内在驱动机制是什么,这对于进一步实现省级政府数据开放服务的高质量发展具有重要的理论价值与现实意义。

一、 文献回顾与理论框架

1. 文献回顾

近年来, 政府数据开放平台的相关研究方兴未艾, 它作为政府数据开放的载体和抓手, 引起了国内外学者的高度关注。 国外的相关研究主要集中于政府数据开放平台的发展现状、政策法规、保障机制、评估方法等方面。 如,Matheus等通过对公共行政及信息管理相关的文献进行系统性梳理, 对于政府数据开放平台的用户体验、数据开放平台的数据质量等影响因素进行剖析, 并引入窗口理论对政府数据开放平台未来的发展趋势进行展望[4]。 Bates采用访谈、观察、文本分析等方法, 分析了自2010年以来英国颁布的与政府数据开放平台相关的政策法规在更广泛的公共政策议程中所起到的作用, 研究发现, 这些与政府数据开放平台有关的政策法规对政府决策具有重要的影响作用[5]。 Peter等通过访谈、问卷调查及研讨会的形式对6个地方政府部门数据开放平台的数据存储方式、获取方式与发布方式中存在的成本过高、经验缺乏等障碍, 提出了一系列解决方案及保障机制[6]。 Freeman在对美国地方政府数据开放平台进行深入调研的基础上, 构建了一个包含访问、信赖、认知、整合及互动五个维度的政民交互评估框架, 并运用该评估框架成功地对34个地方政府数据开放平台进行了互动效果评估[7]。

国内关于政府数据开放平台的研究则主要集中于四个方面。第一,政府数据开放平台的基础理论及概念研究。郑磊等在对政府数据开放平台功能及体验介绍的基础上,构建了一个包含7个维度的政府数据开放平台研究框架,并在对政府数据开放平台实证研究的基础上提出优化建议[8]。张廷君等通过对45个政府数据开放平台建设现状及发展特点的分析,进一步将其发展模式总结为平衡发展、平台优先、数据优先、渐进发展四种类型[9]。第二,国内外政府数据开放平台比较研究。邓胜利等在对中美8个城市政府数据开放平台比较分析的基础上,提出我国在政府数据开放方面应重视统一数据标准、强化用户体验以及完善立法保障[10]。孙彦明等从中美英三国政府在数据开放的政策法规、机构设定、平台建设等方面比较三国在其保障机制上存在的差异,并借鉴他国的有益做法提出我国政府数据开放平台的完善之策[11]。第三,政府数据开放平台安全及隐私保护研究。陈美从元数据、地址数据、地理坐标等方面对城市政府数据开放中存在的隐私风险漏洞进行分析,进而提出针对性的对策建议[12]。杜荷花基于我国政府数据开放的实践经验,构建了包含政府义务告知、隐私安全保护、个人隐私权利保障3个维度的政府数据开放用户隐私安全保护评价指标体系,并运用该评价指标体系对我国81个政府数据开放平台进行综合评价[13]。第四,政府数据开放平台相关政策及法律规范研究。周环等在对我国政府数据开放隐私保护政策进行主题聚类的基础上,进一步对主题分布和共现强度进行分析,最终提出完善数据政策网络、加强隐私保护、促进多元协作等对策建议[14]。谭必勇等以我国15个副省级城市的政府数据开放平台为对象,从政策目标、协议标准、数据安全等多个层面对各地政府出台的数据开放政策进行了文本分析,并针对于不同的层面提出了具体完善举措[15]。

总体而言,国内外针对于政府数据开放的相关研究已取得一系列阶段性成果,研究的深度和广度进一步扩大,这些研究成果为后续的相关研究奠定了坚实的基础,但当前研究多聚焦于相关基础理论和实践绩效研究,而有关政府数据开放服务质量的研究却凤毛麟角,尤其是基于新的研究视角、采用适用的混合方法展开的研究则更为鲜见。为丰富现有研究,本研究基于信息生态视角,以20个省级政府数据开放平台为研究对象,采用被称为“第三条道路”的混合研究方法----定性比较分析方法(QCA),对省级政府数据开放服务质量的影响因素进行探究,进而寻求提升其服务质量的优化路径,为我国政府数据开放服务质量的优化和提升提供参考。

2. 信息生态理论及其适用性框架

信息生态的概念最早由美国学者霍顿(F.W.Horton)于1978年提出[16]。霍顿认为信息社会是由信息人与信息环境共同构成的,两者是相互依存、不可或缺的,在信息生态中,人、信息、行为与技术被视为基本的组成单元,该概念被广泛应用于信息管理领域。陈曙于20世纪90年代将该概念引入国内并对其进行了系统性介绍,他认为信息、信息人与信息环境之间的交互影响进而形成了整个信息生态系统[17]。近些年,信息生态理论在运用的过程中得以不断改进和完善,娄策群等将信息、信息人、信息技术等视作信息环境中的影响因子,并在此基础上提出了信息生态链的概念[18]。张向先等则认为信息生态理论主要包括信息、信息主体、信息技术等要素,它们相互作用,共同形成一个动态的复杂社会网络[19]。对于政府数据开放服务质量研究而言,信息生态理论包含的诸要素在其中起到关键性作用,信息数据是政府数据开放服务的本体,信息人是政府数据开放服务的主体,信息技术和信息环境则分别是政府数据开放服务的内外部保障。鉴于此,本文基于以上研究成果及我国省级政府数据开放的现实情境,构建了包含信息因素、信息人因素、信息技术因素及信息环境因素等构成要素的省级政府数据开放服务质量分析框架(见图1)。

图1 基于信息生态理论的适用性框架

(1) 信息

这里的信息指的是政府数据,政府部门在进行社会治理和提供公共服务时会产生大量的数据资源,这些数据不仅对于国家的政策制定、政府决策等具有重要意义,同时许多数据与企业、公众息息相关,对于他们的生产、生活具有重要的指导作用。数据是政府数据开放的前提和基础,社会各界对于政府数据的潜在价值越来越重视,政府数据的开放共享有利于推动政府数字化转型的顺利展开以及数字经济的快速发展。在大数据时代,政府数据的公共价值将更加凸显,而政府数据质量自然成为影响政府数据开放的重要因素。

(2) 信息人

政府和公众作为政府数据开放的重要相关主体,在政府数据开放中具有重要的影响作用。在这个过程中,政府充当着采集数据和供给数据的双重角色,一方面政府在履行职能的过程中将生成的数据保存起来形成数据集,另一方面政府作为数据开放共享的供给者,将可开放的数据提供给广大公众。而政府对于数据开放的关注度直接影响到政府数据的开放成效以及政府数据开放平台的服务质量。与此同时,公众作为政府数据的需求方,他们对于数据的外部需求及获取体验会直接给政府造成供给压力,有利于政府努力提升数据开放水平与数据开放服务质量。

(3) 信息技术

信息技术是政府数据开放的重要条件。大数据、人工智能、区块链等一系列新兴技术为政府数据开放的顺利进行提供了技术支撑,尤其在赋能数据安全及隐私保护方面提供了新的可能。在政府数据开放的过程中,政府数据开放平台作为重要载体连接了政府与公众,打破了时空的束缚,公众不仅可以共享平台上发布的信息,还可以通过平台实现与政府的互动交流。而政府数据开放平台的建设尤其需要技术支持,因而政府数据开放平台的数据平台建设投入对于政府数据开放服务质量具有重要影响。

(4) 信息环境

信息生态中的信息环境包括政治、经济、文化、制度等在内的内外部环境。这里的信息环境则主要是指政府数据开放平台所处的外部环境,包括制度与政策环境。近些年,为了进一步推动地方政府的数据开放,规范数据开放的边界与内容,许多地方政府颁布了相关的政策法规或标准规范,如上海、浙江先后出台了政府数据开放的专门性政策法规,北京、山东、江西等地也纷纷出台了数据开放的标准规范,为政府数据开放工作的顺利开展提供了制度保障,为数据开放平台的建设提供了优质的信息环境。

二、 省级政府数据开放服务质量定性比较分析

1. 研究方法与案例选取

定性比较分析(Qualitative Comparative Analysis,简称QCA)是由查尔斯·C. 拉金(Charles C. Ragin)于20世纪80年代提出的一种将定性研究与定量研究相结合的混合研究方法[20]。该方法是以布尔代数和模糊运算为基础,以多案例为分析对象,进而探索影响因素间的内在因果关系,得出不同条件的优化组合。QCA按照变量的不同划分标准又主要可分为清晰集定性比较分析(csQCA)、模糊集定性比较分析(fsQCA)与多值集定性比较分析(mvQCA),而前两种方法应用得较为广泛[21]。定性比较分析适合于10～60个中等样本的研究,其中的条件变量一般控制在4～7个为宜。由于政府数据开放服务质量研究具有“多重因素并发”特征,因此本研究采用fsQCA方法进行展开,原因在于它摒弃了csQCA的简单“二分”思维,现实中政府数据开放服务质量的影响因素需要通过多取值校准才能够更精准地反映出其隶属度。

本研究选取我国20个省级政府数据开放平台作为样本展开服务质量研究,主要基于三个理由:第一,省级政府数据开放平台作为地方政府数据的重要载体,对其平台服务质量的研究能够真实有效地反映出当前我国政府数据开放的成效。第二,截至2021年底,我国上线的省级平台共有20个,副省级与地市级平台为173个,由于省级政府与副省级、地市级政府存在着较大差异性,为增强案例间的可比性,本研究选取20个省级平台作为研究对象。第三,从数量上讲,20个省级平台处于10～60个样本范围内,较好地符合了QCA对样本数量的要求,且相关平台的各种指标与数据容易获取。

2. 变量设计

本研究基于信息生态理论,从信息、信息人、信息技术与信息环境4个维度出发,并结合省级政府数据开放平台的自身特点来提炼条件变量,分别为数据信息质量、数据开放关注度、公众数据获取体验、数据平台建设进展以及政策法规与标准规范。而本研究目的在于对省级政府数据开放服务质量进行比较分析,因此,本研究的结果变量设置为数据开放服务质量。对于条件变量与结果变量的赋值主要依据《中国政务数据治理发展报告(2021年)》《中国地方政府数据开放报告(2021下半年)》《第49次中国互联网络发展状况统计报告》、北大法宝法律数据库中的数据、政策文本以及各省级政府发布的官方公告,具体的研究变量操作化与数据来源如表1所示。

表1 变量的操作化与数据来源

本研究结果变量的赋值主要依据复旦大学DMG实验室发布的《中国地方政府数据开放报告(2021下半年)》中的相关数据。该报告给出的省级开放数林综合指数排名能够很大程度上反映出省级政府数据开放服务质量的高低,且近几年相关指数排名情况相对稳定,因而运用该指数对政府数据开放服务质量进行衡量具有较强的可操作性与科学性。

(1) 信息层面:数据信息质量

数据信息质量的好坏会直接影响到政府数据开放服务质量,低质量的数据信息会很大程度上影响到用户体验以及数据信息的利用效果,无法最大程度上发挥数据本身的潜在价值。本研究将《中国地方政府数据开放报告(2021下半年)》中数据层指数作为衡量数据信息质量的变量,数据层指数具体包括数据数量、数据质量与数据可持续性等指标,该指数能够较好地衡量数据信息质量的高低,其中,数据层指数越高代表数据信息质量越好。

(2) 信息人层面:数据开放关注度和公众数据获取体验

在政府数据开放平台建设过程中,政府部门作为核心主体,理所应当发挥着关键作用,政府对于数据开放的关注度会直接影响着政府数据开放平台的建设效果以及服务质量的高低。首先,借鉴已有研究成果[22],将省级数据开放管理机构的设立情况作为数据开放关注度的衡量标准,通过统计各省份相关机构的设立情况,将其中为行政机构的省份赋值为3,非行政机构的省份赋值为2,未设立相关机构的省份赋值为1。其次,政府进行数据开放的很大一部分原因是为了满足公众的数据需求,许多政府数据“取之于民”也理所应当“用之于民”,因此公众数据获取体验是影响政府数据开放服务质量的重要因素,这里采用《中国地方政府数据开放报告(2021下半年)》中的数据开放平台层指数进行衡量,具体包括数据获取、互动交流、个性化展示等因素。其中,数据开放平台层指数越高,则公众数据获取体验越好。

(3) 信息技术层面:数据平台建设进展

政府数据开放平台建设进展离不开信息技术的支持,而信息技术的发展与进步需要不断加大对数据平台的建设力度,因而,数据平台建设进展是影响政府数据开放服务质量的重要因素。本研究将《中国政务数据治理发展报告(2021年)》中各省数据平台建设进展指数作为衡量依据,该指数反映的是数据平台的数据分析、应用与共享等系统建设的整体情况,该指数越高则表示数据平台建设进展越快。

(4) 信息环境层面:政策法规与标准规范

数据开放相关的政策法规或标准规范的制定,能够为政府数据开放工作的顺利进行和规范化实施提供良好的信息环境,是推进政府数据开放服务质量提升的重要保障。本研究通过北大法宝法律数据库对各省份出台的相关政策法规与标准规范进行查询,并辅以政府网站的官方公告进行交叉核对,得到20个地区的政策法规与标准规范出台情况,将出台数据开放相关政策法规与标准规范数量的多少作为衡量标准,并进一步将其作为该条件变量的赋值依据。

3. 变量赋值

模糊集定性比较分析(fsQCA)的研究变量是以集合的形式存在的,因此需要通过对变量进行校准赋予其集合隶属关系[23]。在此过程中,需要根据研究变量的取值以及案例样本的实际情况设定锚点,参考查尔斯·C.拉金的做法,设定的三个锚点分别为完全隶属(0.95)、交叉点(0.5)以及完全不隶属(0.05)并结合具体情况进行调整[24],具体的校准点及描述统计结果如表2所示。

表2 结果变量与条件变量的校准

三、 研究结果分析

1. 单变量必要性分析

在对变量设置及赋值的基础上,运用fsQCA 3.0软件进行单变量必要性分析,即得出各条件变量的一致性及覆盖度。一般而言,若某个条件变量的一致性指标大于0.8则说明该变量是结果发生的充分条件,若一致性指标大于0.9则说明该变量为结果发生的必要条件[25]。本研究的单变量必要性分析结果见表3。

表3 条件变量的必要性检验

从表3中能够看出,除了“数据信息质量”的一致性大于0.9,其余均在0.9以下,这说明仅有该条件变量可作为结果产生的必要条件。除此以外,“数据开放关注度”与“公众数据获取体验”的一致性超过0.8,为结果变量的充分条件,说明这两个条件变量对提升数据开放服务质量起到了重要的推动作用。而其他条件变量的一致性虽然也比较高,但均没有超过0.8,因此不能作为结果发生的充分条件或必要条件,这说明省级政府数据开放服务质量的影响因素具有复杂性,需要进一步通过条件组合的方式对其进行综合考量。

2. 条件组合分析

在验证单变量无法达到必要条件的情况下,进一步采用fsQCA 3.0软件进行条件组合运算,进而得到3组有效解,采用里豪克斯等提出的结果呈现方式[26](见表4)。

表4 条件组合结果分析

由表4能够看出,本研究共得到3种有效条件组合,其中每种组合的一致性均在0.9以上,具有较强的解释力,同时总覆盖度为0.751,说明这3种条件组合能够解释约75%的样本案例。本研究依据三种条件组合的不同特质将其进一步总结为主体驱动型、客体驱动型与技术驱动型三种有效路径。

(1) 主体驱动型

由条件组合一可以发现,“数据信息质量”“数据开放关注度”和“政策法规与标准规范”共同影响着政府数据开放服务质量,而政府主体在其中起着举足轻重的作用。对于“数据信息质量”而言,数据容量、数据持续性和优质数据集数量都是需要衡量的重要指标,而这离不开政府的组织与整合,“数据信息质量”能够覆盖的案例约占总案例样本的92.3%;对于“数据开放关注度”而言,只有政府主体努力提升“数据开放关注度”,这样才能实现政府数据开放服务质量的提升,“数据开放关注度”所覆盖的案例约占总案例样本的73.3%;对于“政策法规与标准规范”而言,它是政府为推进数据开放工作,积极提升数据开放服务质量的重要保障,“政策法规与标准规范”覆盖的案例约占总样本的68.1%。鉴于此,本文将这种条件组合视为主体驱动型。在所有的省级政府数据开放平台案例中,有33.3%能够被这一组合路径解释,仅能被这一条件组合解释的案例为1.4%。这一组合路径对应的案例包括浙江、山东等省级政府数据开放平台,这些省级平台高度关注政府数据开放服务,较为有效地提高了政府数据开放服务质量。

(2) 客体驱动型

将条件组合一与条件组合二进行比较可知,条件组合二更加注重“公众数据获取体验”。公众等外部主体对数据的需求及数据获取体验是政府建设数据开放平台、提供优质服务的外在驱动力,而“政策法规与标准规范”为其提供保障。在条件组合二中,“数据信息质量”与“政策法规与标准规范”均作为其中重要的影响因素,分别覆盖了约92.3%与68.1%的样本案例,而除了这两个因素以外,公众作为数据开放服务的客体,其数据获取体验在其中起到关键性作用,因此可将该组合视为客体驱动型。在所有的案例样本中,有38.3%能够被这一条件组合解释,仅能被这一条件组合解释的案例约有6.5%,其典型代表包括四川和福建等省级政府数据开放平台。从该条件组合来看,政府只要努力提升数据信息质量和营造良好的政策环境,同时积极为公众提供优质的数据获取体验,即使在“数据平台建设进展”与“数据开放关注度”方面存在一定欠缺,仍然能够有效地提升政府数据开放平台的服务质量。

(3) 技术驱动型

将条件组合一、条件组合二与条件组合三进行比较可知,条件组合三更加侧重“数据平台建设进展”。由条件组合三可以看出,“数据开放关注度”“公众数据获取体验”“数据平台建设进展”共同影响着政府数据开放服务质量,在所有的样本案例中,有约67.3%的案例包含这些变量,而该组合路径除了关注“数据开放关注度”“公众数据获取体验”因素以外,尤其重视“数据平台建设进展”,因此可将这种组合视为技术驱动型。其中,较为典型的案例包括广东、贵州等省级政府数据开放平台,广东作为我国经济总量排名第一的省份,政府对于数据开放以及数据平台建设情况自然十分重视,而贵州作为我国首个大数据综合试验区,近年来在大数据应用、数据开放方面取得了出色的成绩。从该组合能够看出,在“数据信息质量”和“政策法规与标准规范”缺失的情况下,政府仍可通过提升“数据开放关注度”,强化“公众数据获取体验”以及加大数据平台建设方面的力度来有效提升政府数据开放服务质量。

3. 稳健性检验

为了避免结果的随机性,增加结果的可靠性,需进一步对结果进行稳健性检验。常见的稳健性检验方法包括改变赋值标准、增删部分案例、调整一致性阈值、新增其他条件等。参考杨小虎等[27]的做法,分别采用增删部分案例(案例数从20删减为16)和调整一致性阈值(由0.75提高到0.8),并观察运算结果的前后变化,运算结果变化越大说明其稳健性越差,反之则说明稳健性越好。结果发现,删减部分案例或提高一致性阈值,其前后组态仍大体保持一致,仅在覆盖度上存在细微变化,因此可以说明分析结果具有较好的稳健性。

四、 结论与讨论

本研究从信息生态视角出发,首先构建了包含信息、信息人、信息技术与信息环境4个要素的理论分析框架,并从中分别提取数据信息质量、数据开放关注度、公众数据获取体验、数据平台建设进展以及政策法规与标准规范5个影响因素作为条件变量。在此基础上运用模糊集定性比较分析(fsQCA)对当前我国已上线的20个省级政府数据开放平台进行案例分析。通过对单变量及组合变量的分析,能够得到以下结论与启示。

第一,省级政府数据开放服务质量受到多种因素的综合影响,应基于系统思维推动关键因素间的组合优化。省级政府数据开放服务质量的影响因素较为复杂,其中数据信息质量、数据开放关注度、公众数据获取体验、数据平台建设进展以及政策法规与标准规范均会对其产生重要影响,因此应基于系统思维,通过不同条件变量间的组合路径来实现对省级政府数据开放服务质量的优化与提升。主体驱动型路径在重视“数据信息质量”与“政策法规与标准规范”的基础上,则尤为侧重“数据开放关注度”;客体驱动型路径在重视“数据信息质量”与“政策法规与标准规范”的基础上,则尤为侧重“公众数据获取体验”;技术驱动型路径则在重视“数据开放关注度”与“公众数据获取体验”的基础上,尤为侧重政府的“数据平台建设进展”。不同组合路径的关键影响因素存在着差异,但都需要多种关键因素间的协同与优化。

第二,各省级政府数据开放服务质量参差不齐,应结合自身的优势特征选择适切的组合路径。在对20个省级平台相关数据进行分析的基础上可以发现,各省级政府数据开放服务质量存在着较大差异。这启示我们,对于不同的省级政府数据开放平台应因地制宜,各省级平台应明确自身的优势,扬长避短,选择适合于自身发展的有效路径。对于“数据开放关注度”占据优势的省级平台,应采取主体驱动型路径,同时进一步强化“数据信息质量”与“政策法规与标准规范”,以取得组合路径有效协同的最大化;对于“公众数据获取体验”占据优势的省级平台,则应采取客体驱动型路径,在强化该影响因素的同时,也要适当加强组合路径中的“数据信息质量”与“政策法规与标准规范”;对于“数据平台建设进展”占据优势的省级平台,应采取技术驱动型路径,继续保持和强化自身优势,同时进一步加强“数据开放关注度”和“公众数据获取体验”,为提升省级政府数据开放服务质量提供有效发展路径。

第三,省级政府、企业与公众等主体均在其中发挥重要作用,应积极推动省级政府内外部主体间的优势互补与资源整合。对于省级政府数据开放服务质量而言,省级政府部门无疑在其中担当着关键角色,省级政府需要做好顶层设计并积极创造有利于提升数据开放服务质量的现实条件与内外部环境。但省级政府数据开放服务质量的提升是一个系统性工程,仅仅依靠省级政府部门仍力有不逮。首先,省级政府内部需要做到跨部门间的有效协作。省级政府数据涉及到多个部门,如公安、民政、药监、计生等,要跨越部门间的数据鸿沟,实现跨部门数据的开放与共享,强化跨部门间的合作意识,构建整体化、标准化的数据开放体系。其次,政府部门应积极鼓励企业等社会机构的参与。一方面省级政府应鼓励企业等社会机构公开自有数据,在更大程度上实现数据的公共价值;另一方面政府在构建省级数据开放平台时可购买企业等社会机构的技术服务,从而为构建科学有效的政府数据开放平台赋能。最后,政府应努力实现与公众的双向沟通,及时了解公众对数据开放的需求与建议,基于公众视角深化数据开放场景。

本研究仍存在着一定的局限性。例如,截至2021年末,我国已上线的省级政府数据开放平台仅有20个,案例样本数量相对有限。同时,本研究在数据获取上多采用已公开的二手资料,虽通过仔细识别与交叉检验,但仍可能存在一定的选择性偏差,今后将在此基础上增加案例样本,并结合一手资料展开进一步的深入研究。