基于文本挖掘的开放政府数据与数字经济政策协同研究*

陈 美 赵子莜

(中南财经政法大学公共管理学院 武汉 430073)

0 引 言

作为一种新型的生产要素,数据资源已经成为基础性战略资源和革命性的关键要素[1]。作为数据资源的重要持有者,政府积极使用多种手段促进数据资源在国家治理能力和治理体系现代化建设过程中的应用,开放政府数据和数字经济建设就是其中的典型。近几年,学界从数据要素市场化[2]、数据交易[3]和数据授权运营[4]多个方面讨论了如何对数据资源进行合理的管理和利用,这些研究在理论上揭示了开放政府数据和数字经济之间在一些目标上存在一定协同性。深入研究开放数据政策和数字经济政策协同问题确保整个政府的协调一致,从而确定和减少部门优先事项和政策之间的分歧,并促进跨部门和机构的相互支持行动。因此,有必要从政策视角来探究开放数据和数字经济的协同发展,增强政策协调性和互操作性,以期为开放数据与数字经济政策的制定与完善提供参考。

1 国内外相关研究

1.1 政策协同与开放数据政策

协同一词最早源于古希腊语,其基本释义就是协调两个或两个以上不同资源或个体,协同一致地完成某一目标的过程或能力[5]。政策协同是一个极具中国特色的治理话题,目前学界还没有针对它形成一个规范的共识:唐恒等[6]认为,政策体系由多个子系统组成,并由多部门参与的复杂系统;刘云等[7]认为,政策系统内部的各个政策实施主体由于自身利益目标、职责分工等的不同,对政策内容的关注侧重点不同,导致政策实施困难的问题,而政策协同就是为了解决上述问题,提高政策实施过程中的连贯性和稳定性,使公共资源配置呈现帕累托最优状态;何剑等[8]认为,政策协同通过对政策目标的平衡和政策搭配时机的调整,从而达到最优的政策实施效果的过程。

国内关于开放政府数据政策协同性的研究主要在两方面:不同层级的开放数据政策之间的影响和协同;开放数据政策与其他政策之间的协同性。周环等[9]利用LDA模型筛选出了政策文本的主题关键词,并通过关键词计算主题分布和共现强度,经过对这两个指标的加权计算政策主题的协同度,得出了我国数据开放政策和隐私政策协同度偏低的结论,并提出了建议。刘晓燕等[10]从关系协同和内容协同两个视角,综合利用社会网络分析、语义相似度计算等方法,对央地政策协同的现状进行了分析,探究了不同取样地区在不同视角下的协同度。

国外对于开放数据政策的研究则更多关注开放数据政策之间的比较分析以及开放数据政策对其他领域发展的促进作用,如Zuiderwijk A等[11]构建了一个开放数据政策比较框架,并通过对荷兰各级政府的7项政策进行比较分析,显示出了开放数据政策之间的相同点和不同点;Levikangas P等[12]以芬兰运输安全局的数据为例,探讨了开放数据政策对经济增长和创新的促进作用,发现芬兰从开放数据政策中受益最多的行业是保险和金融服务业; Bates J[13]通过对访谈、政策文件的主题分析,研究了英国开放政府数据政策与公共服务市场化和公共资产私有化的目标之间的关系以及政策对金融市场和制药行业的作用。

1.2 分析方法

作为数据挖掘的一种重要技术,关联规则反映一个事物与其他事物之间的相互依存性和关联性,用于从大量数据中挖掘出有价值的数据项之间的相关关系。关联规则最早由Agrawal等人提出,动机是分析购物篮来发现事务数据库中不同商品之间的关联规则[14]。关联规则是数据挖掘领域的典型研究方法,最早被用于电商领域相关研究,近年来被广泛运用于工业工程[15]和自然语言处理[16]。马海群等[17]使用关联规则对不同行政主体之间的政策协同效益进行了研究,将关联规则应用于政策文本分析,特别是政策协同度研究。

作为管理领域的重要研究方法,社会网络分析被广泛用于挖掘公共治理各类主体之间的空间网络[18]和利益网络[19]等相关研究。此外,社会网络分析还被广泛运用于文献研究、微博用户网络和文本分析。例如,彭希羡等[20]以WOS数据库收录的社会计算领域文献为数据源,借助Ucinet构建了社会计算领域作者的合作网络,得到了这些作者之间的4种合作模式;沙勇忠等[21]以中国省级政府官方微博作为研究对象,通过社会网络分析对中国省级政府微博的关系网络进行探讨;李良成等[22]以80篇协同创新的相关政策法规文本作为研究对象,从政策制定主体、政策关键词等方面进行了社会网络分析。目前的公共治理领域对社会网络分析这一方法虽已有广泛利用,但仍少有利用社会网络分析对不同政策之间协同度的研究。

综上,在研究内容方面,现有研究主要集中在开放政府数据政策内部的比较协同、开放数据政策与其他政策(主要是隐私政策)之间的比较协同以及开放数据政策对其他领域的促进作用,较少对于开放政府数据政策与数字经济政策之间的协同性进行分析。本文则从政策协同的视角对数字经济政策和开放数据政策之间的协同性进行挖掘,力图拓宽政策协同的应用领域。在分析方法方面,现有研究虽涉及了LDA主题聚类、关联规则、社会网络分析等多种定量分析方法,但较少将此类方法运用于政策协同的研究。此外,对关联规则和社会网络分析法进行的对比研究相对较少。针对存在的已有研究空间,本文综合利用关联规则和社会网络分析的政策文本分析方法,并将两种方法得出的结果进行对比,力图提高方法对结论的论证能力。另外,本文采集了省级和地市级开放数据和数字经济的政策文本以及虽政策标题不涉及开放数据但政策文本中有关于数据开放的政策,将其文本中针对开放数据的条款人工筛选并加入用于分析的政策文本库中,保证了数据源对开放政府数据这一具体政策目标的针对性,力图进一步扩展政策样本代表性的空间。

2 研究设计

本文研究思路如下:通过LDA主题模型发现两种政策的高频词主题分布,依据LDA模型困惑度确定了三个分析维度。通过对高频词进行词义分析并结合现有研究,选择从政策执行主体、政策目标、政策工具三个维度进行分析。在三种不同维度下,分别使用关联规则和共现网络分析的方法对两种政策文本的协同性进行了分析对比,并根据结果提出相应的建议。图1简要展示了本文研究思路。

图1 本文研究思路

2.1 数据采集

本文所用于分析的数据政策分为两个部分:一部分是针对开放政府数据的政策,包括省级、市级针对开放数据颁布的专门政策,以及各级政府颁布的相关政策中针对开放数据的部分条款,数据来源于北大法宝、各级政府开放数据网站政策文件以及其他网络资源。另一部分是针对数字经济的政策,涉及各省级、市级人民政府颁布的专门政策,数据来源为北大法宝和其他网络资源。采集方法为python爬取为主,人工采集为辅。对采集后的政策文本进行人工筛选,人工筛选遵循以下原则:剔除部分政策文本中与本文主题关联不大的文本;剔除重复的政策文本;剔除已失效的部分政策文本。

经过上述政策文本采集和筛选步骤,本文选取了共计160个政策文本,其中64个开放数据政策文本,包括省级政策20个,市级政策44个;选取了96个数字经济政策文本,包括省级政策25个,市级政策71个。以上政策构成了本文用于分析的数据源。

对采集的两类政策文本的发布地区进行统计发现,开放数据政策文件发布数量较高的地区有山东、浙江、贵州、江苏、安徽、福建、四川、广西;数字经济政策文件发布数量较高的地区有四川、黑龙江、河北、江苏、浙江、福建等。两类政策文件发布数量较高的地区具有一定的重合度,主要代表地区有江苏、浙江、福建、四川等地,这说明本文选取开放数据和数字经济两种政策的政策协同性研究具有一定的实际意义。

2.2 数据预处理

将采集到的政策文本进行初步人工筛选后,按照不同层级政府、不同政策类型将政策文本导入excel中,并将其导入使用python编写的LDA主体聚类模型中,导入政策词表、停用词表后,形成四个不同的LDA主题聚类结果(即省级开放数据政策、省级数字经济政策、市级开放数据政策、市级数字经济政策)。政策词表来源于国务院公文主题词表、部分参考文献,并在此基础上根据需要进行适当的增删;停用词表则主要来源于哈工大停用词表,并在此基础上依据实际情况进行增删,直至模型能够较好地对政策文本的语义进行区分。困惑度是判断LDA模型是否合理的重要指标,困惑度越低,代表LDA模型越合理。图2展示了LDA模型困惑度随主题数的变化趋势,模型困惑度在主题数为3时达到最低值。因此,本文选择从三个维度出发论证两种政策的协同性。

图2 LDA模型困惑度

现有对于政策协同的研究从多个维度探索了不同类型政策的协同性,如杨成宁[23]构建了政策工具-政策目标-政策效力三维分析框架,对长三角地区健康产业政策协同性进行了研究;方永恒等[24]从政策力度、政策目标和政策措施三个维度对藏羌彝文化产业走廊政策协同性进行了研究。还有一些文献从政策执行主体的角度探索了政策的协同性,如周英男等[25]、徐畅等[26]和汤超颖等[27]都从政策执行主体角度分别探索了我国绿色增长政策、基层社会治理政策和科技人才政策的协同性。结合上述研究,本文选择政策执行主体、政策目标和政策工具三个角度作为本文的分析维度。

政策在从政策议程设置到政策执行的过程中需要经历一个政策细化的过程,政策细化指的是下级政府根据上级政策内容的要求,结合本地实际进行政策文本的转化,生产出与自身治理情境相匹配、能够比较清晰地指明行动方向或方式的政策行为[28]。在我国大多数政策的生命周期中,政策细化都是一个不可或缺的过程。这就导致政策文本发布单位的行政层级越高,政策往往就具备越高的“模糊性”,这种模糊性体现在政策文本往往越倾向于对政策目标进行宏观范围的规划,而较少涉及具体的政策工具、执行主体等规范。因此,省级政策文件多是为本省市级政策细则的制定提供纲领性的规范框架,模型提取到的涉及政策执行主体和政策执行所使用的具体政策工具的词汇较少。综上原因,本文只对省级政策目标维度进行讨论分析。

通过使用LDA模型对数字经济政策和开放数据政策进行分析后,得出了两种不同类型政策各自的高频词汇,依据对高频词的词义和所处语境的分析,将高频词分别划分至政策执行主体、政策目标和政策工具三个维度,就得到了用于本文研究的政策文本高频词库。

对词库中的词汇进行人工筛选形成本文用于分析的市级政策高频词库,筛选标准如下:a.纳入两类政策文本共有的高频词汇;b.纳入部分虽然仅在一个政策文本中高频出现,但具备较高分析价值的词汇(例如,“人社局”“招商”和“优惠政策”);c.将部分近义词汇进行统合(例如,将“企事业单位”“公司”并入“企业”、以政府组成部门相关词汇取代“市政府”一词),结果见表1。

表1 政策文本高频词库

以上主题词词频经过python编写的关键词词频统计程序进行二次验证,所得词频数据与本文使用的LDA模型计算后的数据一致,数据不存在由于程序错误等问题引起的关键词统计缺失问题。

3 数据处理及结果分析

3.1 关联规则数据分析

将每个不同层级下的数字经济政策和开放数据政策的政策文本条目打乱混合后,分别归纳整理,形成待分析的市级政策文本和省级政策文本。按照表1中得到的关键词使用python编写的程序对两个不同层级的政策文本进行数据处理,得到用于关联规则分析的关键词矩阵,表2展示了部分处理后的关键词矩阵。

表2 部分关键词矩阵

矩阵中的“0”值代表所在行所对应的该条政策中并未出现所在列所对应的主题词,“1”值代表所在行所对应的该条政策中出现过所在列所对应的主题词。

关联规则的一般表现是蕴含式规则形式:X→Y,其中X为关联规则的先导,Y为关联规则的后继。关联规则有着置信度和提升度两个重要概念,其中置信度Confidence(X→Y)指的是在项集X出现的条件下,出现项集Y的概率,提升度Lift(X→Y)指的是项集X的出现对项集B出现概率的提升程度。Lift(X→Y)=Confidence(X→Y)/Support(Y),置信度代表规则的可信程度。而提升度Lift>1代表项集X的出现对项集Y的出现有提升;Lift=1代表代表项集X的出现对项集Y的出现既没有提升也没有下降;Lift<1代表项集X的出现对项集Y的出现有下降,该项代表生成该规则的关键词所代表的语义在两种不同政策之间的协同强度。参考已有研究,本文以“置信度>0.8”“提升度>1”为标准。

通过将两个层级的政策文本数据按照政策执行主体、政策目标、政策工具的三个维度不同的特征词矩阵导入SPSS Modeler 18中,使用相关功能生成不同维度下关键词的关联规则,下列表格展示了所生成的所有符合条件的关联规则。

3.1.1市级政策文本关联规则分析

在政策工具维度下,市级开放数据和数字经济政策之间的协同性主要体现在以财政补贴的方式对相关部门、项目的工作进行支持。分析表3可以发现:a.政策工具维度下两种市级政策的协同性主要体现在通过对投资项目的管理、给予财政补贴和制定优惠政策等方式推动政策的落实。将对应的关联规则追溯至政策原文文本后分析发现,开放数据政策在于“通过投资项目的数据开放来规范投资”以及“通过建立健全政府投资电子政务项目管理制度,推动数据的整合和开放”两方面,数字经济政策则主要通过给予一定的补助和制定一定的优惠政策来促进投资。两种政策在这个维度上体现出了较低的协同性。b.政策目标维度下市级开放数据政策与数字经济政策的协同性主要体现在医疗、交通、民生、教育等重点领域的信息化建设、信息资源的开发利用,以及对相关工作岗位人员的技术和信息化培训。对应政策原文分析发现,开放数据政策目标在于重点开放与公民密切相关的重点领域的数据以及对政府部门相关人才的培训教育,以提高政府部门数据开放水平,保障数据和隐私安全。数字经济政策目标主要体现在促进重点领域信息网络基础设施的建立、开放平台的建设以及加强相关工作岗位人员信息化培训。此外,提到产业基地建设的关联规则均生成于数字经济相关政策,与开放数据政策之间不存在重要关联。c.在政策执行主体维度下,市级数字经济政策和开放数据政策的协同性主要体现在政策执行多主体的跨部门协同。发改委是数字经济和开放政府数据政策执行的重要主体。对应政策原文分析发现,无论是数字经济政策还是开放数据政策,均强调以发改委为主的政府跨部门协同和政府部门与重点企业、集团之间的协同。

表3 市级政策文本关联规则

3.1.2省级政策文本关联规则分析

在政策目标维度下,省级开放数据政策和数字经济政策文本生成的关联规则主要指向数据的分级分类,重点领域的协同管理以及对数据和信息安全的保护(如表4所示)。将关联规则追溯到政策原文中发现,省级开放数据政策的目标主要在于数据的分级分类开放,以及数据开放过程中公众的信息和隐私安全保护;数字经济政策的目标主要在提高互联网数据安全监测和预警能力,对网络数据安全实施分级分类管理,完善数据交易过程中的安全机制,鼓励公众和企业运用数据开放的成果。此外,省级数字经济政策和开放数据政策均提及了作为高价值数据的交通数据在开放数据过程中和数字经济建设过程中的开放和应用,因而产生了省级关联规则中的第七条规则。

表4 省级政策文本关联规则

3.2 共现网络数据分析

共现矩阵是一种计量关键词与关键词之间共同出现次数的矩阵,不同于关联规则的关键词矩阵中的(0,1)分布,共现矩阵关注两个节点之间的共现次数,这就会导致由两种政策文本条目数不一致、侧重点不一致、对矩阵中节点的贡献权重不一致带来的影响,因而在共现网络分析中,需要将两种政策分开进行分析,以探讨两种政策在不同维度下是否具备协同性。产生这种不同的主要原因是关联规则关注关键词之间的“因果关系”而共现网络关注的是关键词之间的“共现关系”。

3.2.1市级政策工具关键词共现网络分析

表5展示了政策工具维度下市级数字经济政策关键词共现矩阵,仅作为范例,后续维度的分析将不再对共现矩阵进行展示。将构造完成的矩阵导入Ucinet中使用Netdraw功能进行共现网络的绘制,结果如图3所示。

表5 市级数字经济政策工具共现矩阵

图3 市级政策工具共现网络

在共现网络图中,线条的粗细代表了两个节点之间共现关系的强弱,节点间的线条越粗,代表两个节点之间共现强度越高;节点的大小反映了与该节点直接相连的节点数,节点越大,代表该网络中与之直接相连的节点数相对越多。

从图3中可以看出,市级数字经济政策所提及的政策工具包括相关资金支持和对一些企业的补助和优惠政策,而开放数据政策则不涉及优惠政策,同时“专项资金”一词在两个网络中均与其他节点存在较强联系,两种政策对于财政专项资金的支持均有一定的依赖性。但仅从图中无法看出两种不同政策在“投资”这一相同的关键词上存在语境和语义的不一致,进而发现两种政策在这个维度上存在协同性较低的部分。

3.2.2市级政策目标关键词共现网络分析

市级政策目标维度下的关键词共现网络结果如图4所示。

图4 市级政策目标共现网络

可以发现,政策目标维度下数字经济政策和开放政府数据政策各个关键词之间均具有不低的共现强度,这说明两种政策在诸如民生、教育、交通以及相关人员培训等多个目标上进行了重点的规划,两种政策在这些目标上具备较高的协同性,这与关联规则所得出的结论一致。但值得注意的是,共现网络挖掘出了部分关联规则所不能体现的信息。在数字经济政策关键词共现网络中,“法律责任”与“信息化”两个节点大小小于其他节点,且“法律责任”一词与其它节点的连线均较细,这说明在数字经济政策中,对数据相关法律责任的规划存在一定程度的缺乏,两个节点大小较小的原因是“法律责任”一词并未与“信息化”一词产生共现关系。与之相比,开放数据政策对“法律责任”作出了明确的规划,但并未涉及“招商”相关词汇,这是市级两种政策在政策目标上存在的较大差异。

3.2.3市级政策共现网络分析

经过对政策主体词库中的高频主体词进行进一步统合筛选,将“企业”与“集团”合并,由于“跨部门”一词并不属于具体的某一执行主体,所以将“跨部门”一词移除,最终选择出7个参与共现矩阵构造的执行主体高频词。对这些词汇进行统计分析,最终形成了开放政府数据和数字经济两种不同政策的共现矩阵。共现网络图结果如图5所示。

图5 市级政策执行主体共现网络

可以看出,市级数字经济政策执行主体中,“教育局”和“企业”的关系最强,这也是关联规则没有涉及的结果。这表明,我国大多数地区在未来数字经济发展规划中更多的将资源倾斜到了教育事业和经济发展方面。与其他节点共现强度普遍较高的节点还有财政局、发改委等主体,这表明在数字经济发展规划中,财政局、发改委起到了至关重要的作用。在开放数据政策共现网络图中,“办公室”和“企业”之间的共现强度最高。这表明,在数据开放过程中,应该更加注重“政府部门办公室”和“企业”的关系,也就是政府与市场之间的关系。其次,与数字经济政策共现网络相似,发改委和财政局也是开放政府数据政策的重要执行主体,与其他节点均具有较强的联系。此外,作为数字经济政策的重要执行主体的“人社局”和“工信局”在开放数据政策中与其他主体联系较弱。究其原因在于,人社局作为我国人力资源和社会保障的主管部门,负责拟订人力资源市场发展规划和促进人力资源流动的政策措施,促进人力资源合理流动、有效配置的职责,而数字经济的发展离不开高新技术产业的推动,其对相关人才的质量和数量均有较高要求。因此,人社局在推进数字经济发展的过程中起到重要作用。

通过对数字经济政策和开放数据政策执行主体的共现网络分析,可以看出两种政策在执行主体上的协同度主要体现在:政策执行上游需要各市发改委积极牵头,以财政拨款为主要方式推动两种政策执行,同时政策执行下游需要统筹协调,处理好政府部门和市场主体之间的关系,即在强调“发改委”和“财政局”两个主体对两种政策执行的推进作用。与之相对应的是,“人社局”和“工信局”在两种政策执行中的协同度较低,多地“人社局”和“工信局”均通过了多种政策条款,采取了多种方式促进数字经济发展,但对于开放数据政策的促进却鲜有提及。

3.2.4省级政策共现网络分析

两种政策的省级政策目标维度下的关键词共现网络如图6所示。

图6 省级开放数据政策目标共现网络

可以看出,与两种不同政策的市级政策文本相比,省级政策文本具有以下特点:a.高频词汇具有更高的重叠度,两种政策的共现网络图中不存在明显的节点大小差距以及脱离网络的高频词节点;b.高频词节点之间的共现强度均较强,图中的线条的粗细整体均匀。将省级政策目标与市级政策目标进行纵向对比,发现“交通”作为高频关键词节点同时出现在了两个不同层级的政策文本中,这说明将交通领域视为数字化转型以及数据开放的重点领域,或许已经成为了不同层级不同政策的共识。

将两种政策的共现网络进行横向对比分析可以发现,数字经济和开放数据政策均提到了对数据的“分类”和“分级”,两者的区别在于数字经济政策强调通过对数据资源的分类分级管理来促进构建数据驱动的生产方式,而开放数据政策则更多强调通过对数据进行分级分类来确定数据开放的范围。对数据资源价值的关注和开发也体现在了两种政策的省级政策目标中。此外,两种政策均提到了数据资源开放、利用以及管理过程中的公共安全问题,这种安全问题不仅包括数据资源的安全,还包括应完善相关设备、网络和公民隐私的安全保障制度。不论是在纵向还是横向,省级政策文本在政策目标维度下均体现高度的协同性,这种协同性体现在安全管理、价值开发、生产应用以及对数据的分级分类等方面,这个结论与关联规则得出的结论具有较高的一致性。

4 结论与建议

经过以上研究,本文得出了以下结论:

第一,市级开放政府数据与数字经济政策在政策执行主体、政策目标和政策工具三个维度上具备一定的协同性。这分别体现在两种政策在各个地市执行过程中的主要牵头部门具有较高的重叠性;在涉及对数据资源的分级分类管理、数据资源在重点领域的生产应用以及相关人员的培训等目标上具备较高的协同性;对财政专项资金的依赖性。省级政策文本在政策目标维度下体现出纵向和横向的协同性。

第二,市级政策在政策工具维度上的协同性较低,两种政策在政策工具维度下的关键词重叠度较低。与关联规则相比,共现网络分析的方法可以更加方便地展示出两种政策在某些目标上存在的侧重点不同的倾向,但共现网络难以发现部分相同关键词在文本语境中的意义并不相同的问题。

根据以上两个结果,本文提出了以下实践启示:

a.针对开放数据政策和数字经济政策现存的协同性和差异性,进一步完善多元主体协同参与政策执行的治理体系,特别是开放数据政策,需要拓展政策执行主体。不仅发动政府部门和企业,还可通过市场手段鼓励其他社会组织积极参与数据资源的收集和数字经济建设目标的实现,以拓宽政府的数据来源,同时获取并开放更多对数字经济建设有价值的数据集。此外,在政策文件中将更多部门纳入数据开放的体系中。在实际运作过程中,对重点领域的数据资源,需完善分级分类管理体系,明确数据开放的范围,强化对相关人员的培训,使数据得到更安全更高效地开放和利用。鼓励利用多元化的政策工具,减少对财政投入的依赖的同时,将数据资源的驱动力更好的引导向我国的数字经济建设,如通过在全国范围内推广举办数据开放创新应用大赛,使相关成果能够更高效地促进我国数字经济的发展。

b.建立统一的协同发展框架。政府各相关部门可通过联合发文、对相关人员进行联合培训等方式,调整和明确两种政策共同领域的重点目标。针对这些目标,可由各相关部门抽调人员经过联合培训后组成专项工作小组,必要时可以辅以领导现场办公、绩效考核、建立问责机制等方式逐渐从政策层和人员层促进两种政策的高效协同执行。同时,有必要构建正式的可持续发展的协同机制,这一机制应位于政府组织结构内并处于战略地位,以促进一致性并解决政策冲突。在这个机制中,需要有明确的授权和仲裁程序来预防和解决政策冲突。

从理论上而言,尽管与已有研究不同的是,本文将关联规则和社会网络分析的政策文本分析这两种方法拓展至开放政府数据与数字经济的政策协同领域,并将得出的结果进行对比,但针对两种方法的差异性,关联规则在挖掘两种政策协同性的同时难以对两种政策文本存在的客观差异或是某些侧重点的不同进行挖掘,需采用其他方式进行一定的弥补,对关键词的共现网络分析则难以将某一具体关键词追溯至原文文本进行语义和语境的分析,这同样是需要弥补的一个问题。后续相关研究可通过多种方法结合,或是对文本语料进行更精细的区分避免此类问题。此外,如何用更简便的方式弥补单一方法的劣势,也是后续可以改进的方向。