推进教育数字化转型的政策保障研究

[摘" "要] 推进教育数字化需要行之有效的政策体系支撑，教育数字化政策的量化评估结果可为教育数字化政策的废、改、立提供必要的参考价值。文章基于2018—2023年中央及地方层面出台的100项教育数字化政策，采用文本挖掘和PMC指数模型等方法构建出由政策性质、政策时效及政策措施等10个指标构成的评价体系，并结合PMC指数、曲面图和雷达图有针对性地选取7份政策文本进行了系统深入的评估分析。结果表明：我国教育数字化政策整体指向明确，国家级和省级政策相比，各项一级变量均值相差不大，但在政策性质、政策时效和政策保障方面存在诸多差异。建议政策的制定应注重整体时效性，并有助于弥补经济发达地区与经济欠发达地区的差距；且须明确责任主体，筑立监控体系；同时完备制度保障，确保执行效果。

[关键词] 教育数字化； PMC指数模型； 政策量化评估； 文本挖掘

[中图分类号] G434" " " " " " [文献标志码] A

[作者简介] 蔡旻君（1973—），男，甘肃宁县人。副教授，博士，主要从事学习科学与技术、课程设计与评价研究。E-mail：caimj916@126.com。

一、引" "言

在全球范围内的数字化浪潮背景下，数字化转型建设已成为现阶段社会进步的必然趋势[1]。教育作为社会的子系统也不例外。2018年，随着《教育信息化2.0行动计划》的正式出台，我国的教育信息化建设正式迈入了一个全新的发展阶段。2022年1月份，国务院发布《“十四五”数字经济发展规划》，其中特别强调了深化智慧教育的普及与应用。同年全国教育工作会议上，教育部将“国家教育数字化战略行动”列为年度工作核心要点，教育数字化重要性受到各地区教育管理部门高度关注，大部分省、自治区和直辖市“十四五”教育发展规划均把教育数字化内容作为教育数字化战略行动的核心组成部分。例如，上海市作为国内第一个进行教育数字化转型试点的地区，先后出台《上海市教育数字化转型实施方案》《上海市教育数字化转型“十四五”规划》，促进教育数字化转型与城市数字化转型相互融合、协同发展。党的二十大提出“加快建设数字中国”，并首次阐述了“教育数字化”的概念，这不仅为新时代教育数字化发展指明了方向，也为相关实践提供了有力的指导。然而，政策的不断出台使得数字化领域相关法规体系越来越庞杂，致使其在政策集成化环境中出现了执行不到位、协同不顺畅等问题。因此，亟须对已有的教育数字化政策进行客观评估，了解教育数字化政策的实际效果，及时发现问题并提供解决方案，从而实现教育数字化政策的预期目标，推动教育数字化战略行动成熟落地。

本文的研究对象是教育数字化政策，教育数字化政策研究是政策研究与教育数字化研究的交叉领域。在教育数字化政策不断完善的过程中，国内学者对教育数字化政策的研究工作也同步展开。祝智庭等运用政策工具理论，对近五年来涉及教育数字化转型的核心政策文件进行了详细的整理和分析，总结了教育数字化转型的政策方向和生态策略，并给出相应发展建议[2]。周如俊构建了一个以“政策工具、政策要素、政策时间”为三维度的综合分析框架，旨在从政策工具的视角剖析我国职业教育在数字化转型过程中的政策选择倾向，并据此提出了完善政策工具的相关措施[3]。陈良雨等基于罗斯维尔和泽维尔德的政策工具分析框架，对教育数字化转型问题进行了深入的分析和探讨[4]。程莉莉从政策视角出发，对教育数字化转型进行深入剖析，详细探讨了其内涵特征和基本原理，并在此基础上提出六大政策要点，旨在为各地的教育数字化转型实践提供参考[5]。综上所述，已有研究对教育数字化政策进行了深入分析和探讨，为教育数字化转型实践提供了有价值的启示和参考，但大多学者对教育数字化政策的研究多是基于政策工具视角构建二维或三维分析框架，分析方法较为单一。相较于其他政策评估方法，PMC指数模型更能集中于某一类政策文本的核心特性，协助政策制定者和研究人员更准确地识别政策的一致性以及策略决策过程中的长处和短处。正如一些专家所言，PMC指数模型评价法在以下四个方面表现出显著的优势[6]：首先，通过对政策文本的深度挖掘设置参数，降低人为评判的主观性，助力提升量化评估的精确性；其次，实施过程并不对各级指标的重要性进行人为区分，也不对变量数量与权重进行限制，有利于所有潜在影响因素发挥作用；再次，有助于剖析不同主体间对关键性问题的回应及政策间的一致性，进而直观揭示政策的优势与不足；最后，PMC指数的构建过程相对简单，且耗费成本不高。总之，PMC指数模型能够为科研人员提供一套完整的指标、工具和操作流程。

鉴于上述原因，本文尝试采用文本挖掘和PMC指数模型等方法构建政策评价指标体系，对国家和地方层面最具代表性的7份教育数字化政策内容进行量化研究，深入分析和探讨了我国目前颁布的教育数字化政策优缺点及改进路向，以期为政策的进一步调整和完善提供科学的参考依据。

二、研究设计

（一）研究过程

首先，搜集和预处理教育数字化相关政策文本，借助文本挖掘、提取高频词汇，并参考前人研究结果，构建教育数字化政策的PMC指数模型；其次，从政策文本中选取具有代表性的样本进行实证研究，绘制出各项政策PMC曲面图，并运用雷达图进行比较分析；最后，基于分析结果对教育数字化政策进行全面评估，并提出优化路径，为后续政策的制定和改进提供参考思路。

（二）政策样本

选取相关政策文本的采集与预处理以及政策文本共性的发掘可为后续变量指标的精确辨识提供借鉴与基础[7]。本文以2018—2023年中央和地方政府颁布的教育数字化政策为研究对象，采取多种方式组合检索：首先，以“数字化”“教育数字化转型”等为关键词，在北大法宝、中华人民共和国教育部和各省市教育厅网站进行初步的政策文本检索；其次，利用百度、Google等主流搜索引擎进行补充检索；最后，剔除通知、公示和复函等非正式政策文本，最终确定100份有效的教育数字化政策文本，其中包括16份中央层面政策和84份地方层面政策。

（三）研究方法

1. 文本挖掘

Python语言是一种面向对象的解释性语言[8]，其广泛的第三方库和工具使得开发人员能够快速构建应用程序并解决复杂问题。Jieba是Python的一个中文分词库，它能够将文本按照语义单位进行切分，分词后的结果可用于文本挖掘、信息检索和自然语言处理等任务[9]。相比传统使用ROSTCM进行词频分析，Python展现出更卓越的性能和更高的工作效率，有助于更深入地理解文本数据并提取价值信息。因此，本文基于Python中的Jieba词库进行政策文本的词频分析，主要分两步实施：第一步，将选取的教育数字化政策文本转换成ANSI格式，再用Jupyter Notebook打开文档对其进行分词和词频查询；第二步，当进行词频分析时，需设置“输出长度”大于2，利用停用词表过滤“一定”“而且”等相关度低且无实际意义的词。

2. PMC指数模型

PMC指数模型是Ruiz Estrada等在Omnia Mobilis假设的基础上提出的，是目前较为常用的量化政策评估工具之一。Omnia Mobilis认为，世间万物均处于运动和联系之中，不应忽视或摒弃任何看似无关的变量，并要将所有变量的权重视为相同[10]。PMC指数模型正是基于这一假设，采用二进制0和1进行赋值并均衡考虑所有变量，避免对变量数目和权重的过度限制，从而更全面地反映政策的概貌。

三、PMC指数模型构建

（一）变量分类与参数识别

根据PMC指数模型建模准则，结合教育数字化政策文本高频词和参照Estrada[10]、张永安[11]等学者的做法，同时剔除宽泛且无实际意义的指标，本文最终确定10个一级变量和40个二级变量，见表1。此外，X10政策公开中所有政策均已实现公开，对研究无实质性影响，故此处不设二级变量进行深入探讨。

（二）构建多投入产出表

多投入产出表能够储存众多数据并对单一变量进行多角度测量，创建此表是确定变量指标权重的关键步骤。本文基于教育数字化政策评价指标，建立相对应的多投入产出表。采用二进制设定二级变量的参数，若政策文本涵盖与二级变量相关的内容，则对应参数值设定为1；反之，参数值设定为0。

（三）PMC指数计算

PMC指数模型的计算过程如下：首先，将一、二级变量分别纳入多投入产出表中；其次，根据公式（1）和（2）对二级变量进行赋值；再次，根据公式（3）和上一步赋值结果，计算一级变量数值；复次，按照公式（4）将所有一级变量汇总加和，得到待评估教育数字化政策的PMC指数；最后，依据PMC指数值对各项教育数字化政策进行分析。

（四）PMC曲面构建

PMC曲面图能有效将PMC指数量化评价的结果直观地展现出来，从而更为精确、直观地分析政策在不同维度上的优劣状况。这种曲面图通常以多种色块组合的三维形式呈现，凹陷程度越小即政策等级越高，反之则表明政策等级相对较低。PMC矩阵是PMC曲面绘制的基础，鉴于矩阵对称性的考量，本文在分析过程中剔除了无对应二级变量且所有相关政策得分均为1的一级变量X10，根据公式（5）建立3×3矩阵来绘制曲面图。

四、教育数字化政策评估分析

（一）样本选取与数据来源

根据陈琳[16]等人的研究，自2018年起，我国已陆续启动“互联网+”省级教育信息化试点和教育信息化2.0省级试点项目，迈向教育信息化发展的融合转型阶段。因此，本文以2018年作为起点，选择了7份具有较高权威性和代表性的教育数字化政策文件作为研究样本，其中包括1份国家级政策和6份省级政策，见表2。其中，6份省级政策分别涵盖了发达地区和欠发达地区。在发达地区，根据《中国区域与城市数字经济发展报告（2020年）》，本文选择了浙江、上海和福建这三个排名前十的省市作为代表性政策来源地；在中部地区，选择湖北作为典型政策来源地；在经济欠发达省份，选择宁夏和海南作为典型政策来源地。

（二）PMC指数计算

本文根据政策文本、文本高频词和关键词对二级变量进行赋值操作，当待判断的二级变量符合相关属性时，将其赋值为1；反之，则赋值为0。此外，为了尽可能降低赋值过程中的主观性误差，仅在政策文本中明确提及并占据一定篇幅的指标内容，才会对相应的分数进行提升；对于其中难以判定的部分，经过与专家的深入讨论后决定是否加分，此方式能够在某种程度上提高评估结果的信度。政策评价等级参照Estrada[10]，最终7份政策样本的PMC指数值见表3。

（三）PMC曲面绘制

根据公式（5）和PMC 指数的计算结果，对7份教育数字化政策样本排列得到3×3的PMC矩阵，见表4。之后，借助MATLAB软件绘制各项教育数字化政策的曲面图，鉴于篇幅限制，本文仅选择了PMC指数得分前两名的P1、P2和后两名的P6、P7进行展示，如图1所示。

（四）典型政策分析

1. 政策整体分析

基于本文所选的7份教育数字化政策的PMC指数值，得出各政策得分顺序为：P1gt;P2gt;P3gt;P4gt;P5gt;P6gt;P7。其中，1份政策为完美、6份政策为优秀。政策总体平均值为7.95，达到优秀等级，说明我国教育数字化政策总体设计比较合理，在政策制定和实施层面秉持科学性与可行性的原则，政策内容紧密契合我国构建教育强国、科技领军及人才荟萃的宏伟蓝图。此外，发达地区出台政策的PMC指数均值为8.47，达到优秀等级，说明发达地区教育数字化发展水平处于领先地位。

2. 政策一级变量评价

本文7份教育数字化政策一级变量均值的得分顺序为：X10，X5gt;X4gt;X7gt;X8，X9gt;X6gt;X1gt;X2gt;X3，现依照得分等级对一级变量进行综合评价。10个一级变量均值绘制的戴布拉图如图2所示。

政策视角X5的均值为1.00，达到满分，说明教育数字化政策在制定时较为充分地考虑到宏观、中观与微观视角，覆盖了政府治理、学校治理和教育教学改革三方面。政策受众X4的均值为0.97，说明教育数字化政策的指向性较为明确，通过构建“政产学研用投”协同发展体系促进了成果的转化。政策措施X7的均值为0.90，说明教育数字化政策在夯实教育数字基座、创新教育场景应用和深化教育评价改革等举措层面较为完善。政策功能X8的均值为0.89，说明教育数字化政策在提升教育质量、促进教育公平和推进五育并举等方面发挥了显著作用。政策评价X9的均值为0.89，说明教育数字化政策总体架构合理，能够达到规划翔实、方案科学和目标明确等要求。政策保障X6的均值为0.79，其中，3项政策得分低于平均值，说明教育数字化政策在监督评估、舆论宣传等方面还有待完善。政策性质X1的均值为0.74，其中，4项政策得分低于平均值，说明教育数字化政策在建议性、监管性方面存在不足，需要进一步优化提升。政策时效X2的均值为0.43，说明教育数字化政策在制定时大多聚焦于单一目标，而忽视了中长期和短期目标的统筹结合。

3. 政策分值等级评价

为了更加直观地对各项政策进行比较并提出针对性意见，本文将各项一级变量分值与均值绘制为雷达图，如图3所示，在不同政策等级中对各项政策进行综合评价分析。

（1）A级完美政策。A级完美政策仅有一项《浙江省教育领域数字化改革工作方案》（P1），其PMC指数为9.00，凹陷指数为1.00，综合排名第一。该政策由浙江省教育厅颁布，能够顺应全球数字化转型潮流，结合我国教育数字化转型的现状，对教育数字化战略行动提出切实有效的建议。10个一级变量的得分均大于或等于均值，且在7个维度获得满分，是一项有益于推动我国教育数字化战略行动落地的优秀政策。本项政策的不足之处在于在政策保障方面缺乏教育信息化发展水平动态监测和第三方评价机制。建议改进路径为X6-X1-X3，该路径不是绝对的，需结合教育数字化发展的具体情况进行调整。

（2）B级优秀政策。B级优秀政策包括P2、P3、P4、P5、P6、P7和P8。《上海市教育数字化转型实施方案（2021—2023）》（P2）的PMC指数为8.33，凹陷指数为1.67，排名第二。该政策由上海市教育委员会发布，10个一级变量中6项获得满分，但尚需加强教育数字化建设宣传力度以及长期和短期目标的有效结合，可参考的改进路径为X6-X2-X3。《福建省教育数字化战略行动三年实施方案》（P3）的PMC指数为8.08，凹陷指数为1.92，综合排名第三。该政策遵循“立德树人、数字赋能、项目推进、安全可控”的原则，既给出了试点省区教育数字化战略行动的明确目标，也给出了具体的落地方案和科学规划，但在政策性质、时效和功能方面有待提高，改进意见为X8-X6-X2-X3。《教育部等六部门关于推进教育新型基础设施建设构建高质量教育支撑体系的指导意见》（P4）的PMC指数为8.00，凹陷指数为2.00，综合排名第四。该政策在政策性质、时效和保障三方面小于均值，因此，在政策制定时要注重长中短期目标的结合，加强各教育部门与学校、社会产业和科研机构的多元协同，改进路径为X6-X1-X2-X3。《湖北省教育数字化战略行动计划（2023—2025年）》（P5）的PMC指数为7.58，凹陷指数为2.42，综合排名第五。在10个一级变量中，该政策一级指标有5项低于均值，其中，相差较大的是政策时效和政策评价，相差较小的是政策措施，推荐改进路径为X2-X9-X1-X6-X7。《宁夏回族自治区教育数字化战略行动计划（2023—2027年）》（P6）的PMC指数为7.50，凹陷指数为2.50，综合排名第六，其中，5个一级变量均低于均值，说明该政策存在改进空间，推荐改进路径为X2-X9-X1-X8-X7。《海南省加快推进教育数字化转型，推动教育高质量发展》（P7）的PMC指数为7.13，凹陷指数为2.87，排名第七。可能与试点省区数字发展水平相关，该份政策有7个一级变量均低于平均值，其中政策受体低于均值的程度最大，政策保障和政策措施最小，参考改进路径为X9-X4-X1-X6-X7-X2。

4. 政策对比分析

为了更准确地鉴别样本之间的差异和不足，并为政策的废弃、修改与制定提供具体、可操作的方法，本文从7份政策中选取部分政策进行对比分析。

（1）两个地区政策对比分析。发达地区出台的3份政策的PMC 指数均值为 8.47，欠发达地区出台的2份政策的PMC 指数均值为7.32，呈现“发达优于欠发达”的特点。现将两个地区政策一级变量得分均值和7份政策一级变量得分均值进行整体对比，如图4所示。

与10个一级变量均值相比，整体上发达地区政策高于均值、欠发达地区政策低于均值；两个地区政策相比，发达地区出台政策的各项一级指标均大于或等于欠发达地区，其中，在政策性质X1、政策时效X2、政策措施X7、政策功能X8和政策评价X9方面差值较为明显，可见这5个指标是导致两个地区政策质量差异的主要原因。对于政策时效、政策措施和政策评价，两者一级变量均值差在0.20～0.25之间，在之后的政策制定中，欠发达地区要合理规划长期、中期和短期目标，将三者统筹结合以增强政策执行的时效性；加强教育数字化场景应用的创新和教育管理业务流程的完善；增强政策依据和内容翔实性。对于政策性质和政策功能，两者一级变量均值的差值为0.17，说明在之后的政策制定中，欠发达地区要加强政策的监管性、建议性和引导性，明确政策指向，产生“一子落而全盘活”的正面效应。

（2）国家级与省级政策对比分析。国家级政策的PMC 指数均值为8.00，省级政策的PMC 指数均值为7.94，两者均达到B类优秀等级，说明我国教育数字化政策在国家级和省级层面的设计均比较合理。现将国家级、省级政策一级变量得分均值和7份政策一级变量得分均值进行整体对比，如图5所示。国家级政策与省级政策相比，各项一级变量均值相差不大，国家级政策在政策级别X3、政策受众X4、政策视角X5、政策措施X7、政策功能X8、政策评价X9和政策公开X10方面均高于或等于省级政策，在政策性质X1、政策时效X2和政策保障X6方面略低于省级政策。

五、教育数字化政策优化建议

依据文本挖掘和PMC指数模型等研究方法量化评估的结果来看，在政策文本层面我国教育数字化政策的设计相对合理，在推动教育数字化转型过程中发挥着引领作用。在所选取的7份教育数字化政策样本中，1份为完美，6份为优秀，说明我国在制定教育数字化政策时充分考虑了不同区域的特点和教育数字化发展趋势，制定了合理可行的政策方案。在评价指标层面，我国教育数字化建设在政策受众X4、政策视角X5、政策措施X7、政策功能X8和政策评价X9方面相对具有优势，表明各类政策对这几方面的考虑相对周全，内容设计合理且有效。得分相对偏低的一级变量主要是政策性质X1、政策时效X2、政策级别X3和政策保障X6，需要从以下诸方面优先关注未来教育数字化政策的制定和实施建议。

（一）科学设定目标，注重整体时效

政策时效方面，所选取的7份政策中仅有1份政策存在长期和短期目标的结合，1份政策存在短期、中期和长期目标的有机结合，整体上忽略了长期目标的制定和三个期限目标的综合考虑。首先，建议在政策制定过程中，将长期目标放在核心位置，其设定需要考虑社会发展趋势、技术创新以及教育需求的变化，从而确保政策具有持续的指导作用和适应性。其次，强化短期、中期和长期目标的整合，考虑到教育系统内部的复杂性和动态变化，可以借鉴系统动力学等方法，将长期目标分解为中期和短期目标，并设计相应的政策措施和实施路径。在这一过程中，应注重时间尺度的协调与平衡，避免因短期目标的过度追求而忽视长期目标的重要性。最后，建立多维度、多层次的监测与评估机制。政策的实施过程是一个动态的过程，借助大数据、人工智能等技术手段，及时收集、分析和反馈政策实施的相关数据，以便在实践中不断优化政策措施和调整政策方向。

（二）缩小数字鸿沟，弥补两个地区差距

两个地区对比方面，发达地区出台政策的各项一级指标均大于或等于欠发达地区，这可能是因为不同地区，其组织所拥有或可获得的资源和能力不尽相同[17]。特别是在欠发达地区，由于缺乏数字化的经验，难以同数字技术应用要求保持同等水平，陈雄辉[18]、逯行[19]等学者的研究进一步证实了这一现象。推动教育资源平衡、优化教育资源配置需要各方力量携手共进。首先，政府应采取差异化政策措施。一方面，增加对欠发达地区基础设施建设的投入，改善欠发达教育数字化的基础条件；另一方面，提供更多的人才培训项目和奖励机制，激发欠发达地区教育者对教育数字化学习与实践的热情，从而推动其数字化技能和专业素养的全面提升。其次，建立跨区域合作机制，促进教育资源的共享和流动。发达地区可以通过姐妹学校、师资交流和搭建教育资源共享平台等方式，以点带面，向欠发达地区提供经验和支持，帮助其更快实现数字化转型。最后，欠发达地区充分发挥主观能动性[20]，组织专家学者、教育从业者等利益相关者，深入调研本地教育发展的实际情况和需求，制定符合欠发达地区特点的本土数字化教育政策，包括促进本地数字化教育资源的开发和应用、支持本地教育机构和企业开展数字化教育实践、推动本地教育师资队伍的培训和发展等内容。如在《教育数字化转型赋能兰州教育新发展》中，兰州市紧紧围绕“智慧教育示范区”建设，以教育的新型基础设施建设为动力，以智慧教育的品牌应用为核心，积极推进兰州教育数字化实践活动，从而让兰州教育数字化发展在中西部教育振兴中走得更远更稳。

（三）明确责任主体，筑立监控体系

在政策性质方面，当前教育数字化政策的重心偏向于预测、引导、支持和描述等层面，在监管和建议层面尚显不足，即政策主体在制定政策时，忽视了对教育数字化发展过程的监管和对相关部门提出具体建议。首先，在政策制定过程中，应积极推动多方参与和沟通的机制，特别是涉及教育部门、学校、教育科研机构、行业企业和社会公众等多个利益主体的合作，及时获取各方反馈与建议，为政策制定提供更充分的信息支持。其次，建立科学的监管框架，基于“规范—标准—监测—评估—反馈”等环节，制定具体的政策法规、技术标准和操作指南等，规范教育数字化发展的各项活动。同时，建立全面、客观、科学的指标体系，以评估教育数字化政策实施的效果与成效。最后，在政策实施阶段，加强政策执行与评估机制建设。政策执行方面，建立严格的履职机制和责任追究制度，确保各相关部门和机构按照政策要求开展工作；评估机制方面，建立科学客观的评估方法，对教育数字化政策实施的各个环节进行评估与监测，及时发现问题与不足，从而为政策后续的调整与优化提供依据。

（四）完备制度保障，确保执行效果

教育数字化行动战略的落地生根，需要建立有效的政策保障机制，以推动各项政策措施落实并取得显著成果。首先，加强推广宣传，提高政策知晓率和理解度。采取多种形式的宣传推广活动，包括制作宣传资料、举办宣讲会和组织培训班等，向广大教育者、学生家长以及社会各界详细介绍政策内容、目标和意义，激发其支持和参与的积极性。同时，利用新媒体平台，如社交媒体、教育网站等，扩大政策宣传的覆盖面和影响力，使更多人能够了解政策内容并参与到实施中来。其次，加强试点示范[21]。习近平总书记曾强调“抓好试点，是改革破局开路的关键一步”，针对教育数字化政策的实施过程中可能存在的问题和挑战，可以选择一些先进的学校或地区作为试点，全面展示政策措施的优势和成效，同时发现和解决实施过程中的问题和难点，探索可复制、可推广的有效模式。最后，制定与教育数字化转型相适配的法律，充分发挥规范效应。该法律框架旨在涵盖数字化教育的多个方面，包括但不限于数据隐私保护、在线服务质量管理、知识产权保护以及教育评估标准的设定。以芬兰和匈牙利等国为代表，其教育部门和相关机构开展了一系列调研，发布了数据保护指南、学习分析框架、教育宣传和信息管理指南等文件。

六、结 束 语

本项研究采用文本挖掘、PMC指数模型等方法对2018—2023年期间我国颁布的七份教育数字化政策文本进行量化评估，揭示了我国教育数字化政策各项指标的优缺点，为更客观地了解、评估和优化我国教育数字化政策提供了新的证据支持，同时也拓展了PMC指数模型的应用领域。但本研究仍存在一些不足，需要持续地改进和优化：一方面，PMC指数模型的量化评价指标体系是依据选定政策文本的具体内容来构建的，但在样本收集过程中，仍有一些省份尚未出台教育数字化行动战略方案。因此，随着教育数字化相关政策推陈出新，评价的指标还需根据实际情况进一步调整优化。另一方面，由于政策更新和迭代的速度相对缓慢，以及执行过程中的时间跨度较长，因此，有必要对政策执行效果进行持续深入的关注和跟进。

[参考文献]

[1] 杨鑫，解月光． 以教育数字化推进中国式教育现代化：逻辑与路径[J]． 电化教育研究，2024，45（3）：25-31，69．

[2] 祝智庭，郑浩，许秋璇，等． 教育数字化转型的政策导向与生态化发展方略[J]． 现代教育技术，2022，32（9）：5-18．

[3] 周如俊． 职业教育数字化转型政策工具的选择偏好及优化策略——基于Nvivo12.0的政策文本分析[J]． 教育科学论坛，2023（15）：9-18．

[4] 陈良雨，段旭萍． 教育数字化转型中的政策工具选择及运用[J]． 中国电化教育，2023（5）：74-79．

[5] 程莉莉． 教育数字化转型的内涵特征、基本原理和政策要素[J]． 电化教育研究，2023，44（4）：53-56，71．

[6] 宋亚萍． 高校一流本科教育政策内容量化评价与优化——基于PMC指数模型的分析[J]． 教育发展研究，2021，41（9）：12-20，36．

[7] 翟运开，郭柳妍，赵栋祥，等． 基于PMC指数模型的远程医疗政策评价[J]． 信息资源管理学报，2022，8（2）：112-122，137．

[8] 谢蓉蓉，徐慧，郑帅位，等． 基于网络爬虫的网页大数据抓取方法仿真[J]． 计算机仿真，2021，38（6）：439-443．

[9] 王玉宇，董广伟． 基于jieba分词的网红图书馆问题与对策研究[J]． 江苏科技信息，2023（6）：35-38．

[10] RUIZ ESTRADA M A． Policy modeling： definition，classification and evaluation[J]． Journal of policy modeling，2011，33（4）：523-536．

[11] 张永安，郄海拓． 国务院创新政策量化评价——基于PMC指数模型[J]． 科技进步与对策，2017，34（17）：127-136．

[12] 史鹏飞，明庆忠，韩剑磊，等． 基于PMC指数模型的边境旅游政策综合量化评价与比较研究——来自广西和内蒙古两个自治区的案例[J]． 地域研究与开发，2020，39（6）：91-97．

[13] 胡峰，戚晓妮，汪晓燕． 基于PMC指数模型的机器人产业政策量化评价——以8项机器人产业政策情报为例[J]． 情报杂志，2020，39（1）：121-129，161．

[14] 卜令通，许亚楠，张嘉伟，等． 2015—2020年中国众创空间政策量化评价[J]． 中国科技论坛，2021（7）：46-56．

[15] 戚湧，张锋． 基于内容分析的战略性新兴产业政策评价研究[J]． 科技进步与对策，2020，37（17）：118-125．

[16] 陈琳，姜蓉，毛文秀，等． 中国教育信息化起点与发展阶段论[J]． 中国远程教育，2022（1）：37-44，51．

[17] 张治，戴蕴秋． 基于“教育大脑” 的智能治理——上海宝山区教育数字化转型实践探索[J]． 中国教育信息化，2022，28（6）：64-69．

[18] 陈雄辉，谷紫阳，覃以凤，等． 新时代教育信息化人文价值的实现路径[J]． 中国电化教育，2022（9）：24-29，83．

[19] 逯行，黄荣怀． 教育数字化转型期的现代化风险观照及其治理研究[J]． 清华大学教育研究，2023，44（3）：54-64．

[20] 陈卓，尚海洋，樊姣姣． 教育信息化2.0时代教育均衡发展研究——基于面板门槛回归模型[J]． 开放教育研究，2022，28（4）：66-73．

[21] 胡钦太，王姝莉，郭锂． 政策工具视角下我国教育数字化转型的现状与审思[J]． 电化教育研究，2024，45（1）：61-67，99．

Research on Policy Guarantees for Promoting the Digital Transformation of Education—Quantitative Assessment Analysis Based on PMC Index Model

CAI Minjun，" ZHANG Shuqi

（School of Educational Technology， Northwest Normal University， Lanzhou Gansu 730070）

[Abstract] The promotion of the digitalization of education requires the support of an effective policy system. The results of quantitative assessment of education digitalization policies can provide necessary reference for the abolition， amendment， and establishment of such policies. Based on 100 education digitalization policies issued by the central and local government from 2018 to 2023， this paper used the text mining and PMC Index model to construct an evaluation system consisting of 10 indicators， such as policy nature， policy timeliness and policy measures. In addition， seven policy texts were selected for systematic and in-depth evaluation and analysis based on PMC index， surface chart and radar chart. The results showed that the overall direction of China's education digitization policy was clear， and the mean values of all first-level variables did not differ much between the national-level and provincial-level policies. However， there were many differences in terms of policy nature， policy timeliness and policy guarantee. It is suggested that the formulation of the policy should pay attention to the overall timeliness and help to bridge the gap between the East and the West. And it is necessary to clarify the main body of responsibility and build a monitoring system， as well as to complete the system guarantee to ensure the effectiveness of implementation.

[Keywords] Digitization of Education; PMC Index Model; Policy Quantitative Assessment; Text Mining

基金项目： 2023年度国家社会科学基金“教育数字化促进乡村教育资源均衡配置研究”（课题编号：BCX230348）