我国地方大数据政策的扩散模式与转移特征研究
我國地方大數據政策的擴散模式與轉移特征研究
丁文姚, 張自力, 余國先, 韓毅
西南大學計算機與信息科學學院，重慶 400715
摘要：為揭示我國地方大數據政策的發展趨勢與內容關聯性，基于政策擴散與政策轉移理論，采用內容分析法、社會網絡分析方法，探索我國各省市68條地方大數據政策的時空擴散模式與內容轉移特征。研究發現：我國地方大數據政策發布與參照的時間擴散模式均符合政策擴散一般規律，時間擴散曲線呈S型；政策參照擴散模式為目前中國常見的“中央—地方擴散”與自上而下層級參照擴散模式；此外，地方大數據政策對重要國家政策內容的繼承性較高，不同區域政策內容的創新各具特色。
關鍵詞：??地方政策 ; 大數據政策 ; 政策參照 ; 政策擴散 ; 政策轉移
論文引用格式：
丁文姚, 張自力, 余國先, 韓毅. 我國地方大數據政策的擴散模式與轉移特征研究. 大數據[J], 2019, 5(3）：76-95
DING W Y, ZHANG Z L, YU G X, HAN Y.Research on the diffusion models and transfer characteristic of local big data policy in China. Big Data Research[J], 2019, 5(3): 76-95
1 引言
2011年6月，麥肯錫咨詢公司在《大數據：下一個創新、競爭和生產力的前沿》研究報告中提出“大數據時代已經到來”，從此引爆全球大數據發展的浪潮。近年來，我國大數據產業市場規模保持高速增長，不僅影響了大眾的生活方式，也為社會、經濟發展創造了無限價值。2015年8月，國務院印發《促進大數據發展行動綱要》，首次明確提出建設數據強國，并系統部署了我國大數據的發展工作。2015年10月，十八屆五中全會提出“實施國家大數據戰略”，自此，大數據成為國家發展戰略。隨著相關國家政策的落地，國家發展和改革委員會、工業和信息化部等政府部門均頒發了與大數據發展相關的方案，全國各地政府及相關部門也紛紛推出了大數據發展規劃與相關政策文件。
政策擴散是我國公共政策活動的重要特征。在實踐中，政策的擴散和轉移是政策發布與推行活動的普遍現象，中央政府、地方政府部門間的政策文件擴散活動隨著政策數量的日益增加而日趨頻繁，進而促進了政策內容主題的相互轉移；在研究領域，針對政策擴散和轉移，從歷時或跨區域、跨領域的角度研究政策知識內容、政策模式對關聯領域的影響，是政策比較研究的重要研究方法。目前，已有研究從政策擴散或政策轉移視角，對我國國民經濟和社會信息化規劃政策、科技成果轉化政策、政務中心制度、地方政府信息公開制度等政策的發展過程進行考察分析，揭示了不同類型政策的發展特征。為了解我國大數據政策的發展趨勢，掌握不同層級、不同區域地方大數據政策內容的關聯性，本文基于政策擴散和政策轉移理論，探究我國地方大數據政策的時空擴散模式與內容轉移特征，旨在為我國大數據政策的未來發展與推行提供一定的理論支持。
2 研究現狀
政策擴散與政策轉移理論在國內外已積累了較為豐富的研究基礎，下面首先梳理政策擴散與政策轉移的理論概念內涵與相關研究應用現狀，并對目前我國大數據政策相關研究的研究內容與研究方法進行簡要總結，再在此基礎上分析政策擴散與政策轉移用于大數據政策分析研究的可行性與意義。
2.1 政策擴散
政策擴散是政策創新擴散的簡稱，通常是指一項政策方案從一個部門或地區傳輸到另一個部門或地區，并被新政策主體采納和推行的過程。1969年，Walker指出美國各州公共政策并非完全漸進的，而是存在跳躍性創新的，且創新往往會被鄰近州效仿；Brown L A等人總結出政策創新擴散過程的3條經驗性規律，即在時間維度上呈現S形曲線、在空間維度上表現為鄰近效應、在區域內出現領導者—追隨者層級效應；Berry F S提出了4種基本的政策擴散模型，分別為全國互動模型、區域擴散模型、領導—跟進模型和垂直影響模型，這4種傳播模型體現了政策創新的時空擴散效應。國內政策擴散研究始于2004年，尤其是隨著格雷的《競爭、效仿與政策創新》在中國發表后，相關研究日益增多。在理論研究方面，陳芳對政策擴散、政策轉移和政策趨同三者的概念、模型、機制進行了比較研究；王浦劬、賴先進提煉了中國公共政策擴散的4種基本模式，分別為自上而下的層級擴散模式、自下而上的政策采納和推廣模式、區域和部門之間的擴散模式、政策先進地區向政策跟進地區的擴散模式，同時發現了5種公共政策擴散機制，分別是學習、競爭、模仿、行政指令推行和社會建構。另外，在基于政策擴散理論的實證研究方面，楊靜文分析了政務中心制度在地市級政府中的擴散進程，驗證了其政策擴散的S型曲線；張瑋、王洪濤等人分別考察了我國暫住證制度與地方政府信息公開制度的政策時空擴散變化過程；張劍等人通過政策參照網絡和政策內容關鍵詞時序變化，從強度、廣度、速度與方向4個維度研究了中國科技成果轉化政策擴散的過程和特點。
2.2 政策轉移
政策轉移的經典定義是由Dolowitz和Marsh提出的。政策轉移是指存在于與某一時間與空間的政策、行政安排和制度相關的內容被用于另一時間與空間的政策、行政安排和制度設計的過程。根據轉移的程度，政策轉移可分為復制、效仿、混合、啟發4種類型。任何政策轉移都是轉移過程和內容的結合，分析框架主要包括：誰在轉移、轉移了什么、發生在哪兒、轉移程度如何、轉移如何展現等。在定性研究方面，魏淑艷對我國建國初期經濟領域政策轉移的源頭選擇、政策轉移的前導、政策轉移的發生歷程進行了研究；牛紅亮等人從目標、內容、特點、管理體制、信息環境等方面對中國、美國、日本的信息政策進行了比較研究。在量化研究方面，程瑨等人梳理了示范區2006—2015年123條科技人才政策的轉移情況；裴雷等人通過政策文本主題的一致性，測算了435條國民經濟和社會信息化規劃政策擴散中的主題繼承與主題創新、主題躍遷與主題衰退情況；施茜等人基于知識擴散和政策轉移的思想量化分析了江蘇省、浙江省信息化政策實踐與信息化政策研究的一致性和相關關系。
綜上，政策擴散關注政策的交互過程，主要以政策文件為單位，從政策發布和政策參照兩個視角研究其時空擴散模式；而政策轉移關注政策的內容關聯，主要以政策文本字詞為單位測算內容主題的繼承與創新，兩者結合相得益彰，為政策分析提供了有意義的研究視角。
自大數據政策在我國各地區推行以來，周京艷等人從政策工具視角，對18條國家級大數據政策進行了內容分析，并討論了現有政策的合理性；張會平等人通過關鍵詞共現關系，分析了我國189條政務大數據政策的推進過程、熱點領域和價值取向。總體來說，目前對大數據政策的擴散和轉移的研究數量較少且較為宏觀，缺乏對地方大數據政策發展過程的探究。基于此，本文以我國各地區主要的地方大數據政策文本為研究對象，聚焦其交互擴散過程與內容轉移情況，旨在揭示我國地方大數據政策的擴散分布特征和不同地區政策轉移內容的差異與聯系。
3 數據與方法
本節對數據收集與研究方法進行說明。在數據收集方面，筆者主要闡述數據收集的來源與原則；在研究方法設計方面，主要闡述政策擴散分析的維度與分析方法設計、政策轉移的測算算法設計兩方面內容。
3.1 數據收集
為掌握我國地方大數據政策的擴散模式與轉移現狀，筆者主要通過網絡抽樣法，采取重點抽樣的數據收集方式，從互聯網平臺收集我國除香港、澳門和臺灣外的31個一級行政區（省、自治區和直轄市）以及各省會城市或重要城市公開發布的與“大數據”專題相關的政策文件文本。由于我國各地區發布的地方大數據相關政策較多且分布不均，在通過互聯網抽樣收集政策文本時，遵循以下4點原則。
（1）代表性
本文主要以我國31個一級行政區及其省會城市為單位，優先收集各地區公開發布的省級大數據政策與相應省會城市的市級大數據政策，根據情況抽樣收集部分重要城市的大數據政策。
（2）真實可靠性
為保證政策數據的信度，主要以各地區政府官方網站的政策發布通知為基礎，收集經官方公開發布、真實可靠的地方大數據政策。
（3）針對性
為保證政策數據的效度，一方面，針對性收集標題包含“大數據”并以大數據發展為主題內容的各省、市級政策文件；另一方面，對于同地區發布的不同版本的相似政策或具有不同側重專題的大數據政策，主要以內容的成熟性和全面性進行政策抽樣，優先收集版本較成熟、內容較全面的地方大數據政策。
（4）內容完整性
為滿足政策文本內容分析的需要，優先收集可獲取政策全文的大數據政策，主要通過線上政策信息公開平臺、百度文庫等互聯網頁面收集大數據政策文本數據，并對各平臺提供的政策文本內容進行比較，選擇內容真實完整的大數據政策。
基于以上政策數據收集原則，本文共獲取68條我國各省、市級地方大數據政策文本，政策樣本來源分布見表1。
3.2 研究方法設計
3.2.1 政策擴散分析
筆者從政策發布與參照兩方面考察我國地方大數據政策的時空擴散情況。在政策發布擴散方面，以我國各地區大數據政策的累積量時空分布揭示政策發布的時間、空間擴散趨勢模式；在政策參照擴散方面，由于政策之間的參照與文獻引用類似，對于參照的政策文本，以書名號的方式將被參照的政策法規名稱列出，采用內容分析法對政策文本中提及的參照關系進行識別和編碼。在此基礎上，首先統計分析政策參照的時空擴散分布與整體趨勢，其次使用Gephi社會網絡分析軟件構建政策參照擴散的地理可視化網絡，以探索政策參照擴散網絡的空間擴散特征，進而識別參照擴散網絡處于核心地位的政策節點，并分析其在參照網絡中的影響作用。
3.2.2 政策轉移測算
政策轉移聚焦政策交互擴散過程中政策內容主題的繼承與創新。本文假設政策內容中高頻出現的概念詞能夠較大程度地反映該政策的關鍵主題，通過ROSTCM詞頻分析軟件和人工篩選提取政策文本關鍵詞，并計算詞頻，再以具有參照關系的政策內容的高頻概念詞對應情況測算其政策轉移程度。
為衡量政策轉移程度，裴雷等人基于知識擴散和政策轉移思想提出“采納一致算法”，并進行測算。受此啟發，根據大數據政策文本實際情況，為盡量減小政策文本內容字數對政策主題概念詞數量的影響，本文提出基于高頻詞分布的政策轉移比率Th-fw，并利用其測算政策內容間的繼承程度。
假定施加參照的政策與被參照政策內容中的概念個數分別為N1、N2，以詞頻為標準進行排序，分別從兩個概念集中選取排序前N的高頻概念，其共有的政策概念個數為n，則基于高頻詞分布的政策轉移比率Th-fw為：
Th-fw=n/N ?100％ ??（1）
根據式（1），Th-fw值越高，則參照關系中的政策轉移效應越強，即政策繼承程度越高，政策創新程度越低。但Th-fw僅能從數值上推測政策轉移的程度，無法揭示政策繼承與創新的具體內容，為此筆者進一步使用VOSviewer工具對政策間的共有關鍵詞進行聚類分析，用關鍵詞網絡圖譜與關鍵詞密度圖譜呈現政策繼承共有關鍵詞的類團分布與聯系；而政策創新主題的揭示主要結合各地區大數據政策的非共有高頻詞分布情況，采用內容分析方法進行具體處理。
4 我國地方大數據政策的擴散模式及主要特征
本文從政策發布與政策參照兩個方面，并結合時間與空間兩個維度對我國68條地方大數據政策的擴散情況展開分析，主要揭示我國地方大數據政策的擴散模式與主要特征。一方面，通過分析我國68條地方大數據政策在各地區的累積量分布情況，掌握政策發布的時空擴散特征；另一方面，根據政策文本間的參照關系，揭示我國地方大數據政策在時間、地理空間和行政區級別3個方面的參照擴散特征。
4.1 地方大數據政策發布擴散模式
4.1.1 政策發布時間擴散特征
筆者基于收集的68條地方大數據政策，以各地區大數據政策發布年份為橫軸、以某年政策發布累積量為縱軸做折線圖，考察我國地方大數據政策發布的時間擴散趨勢，結果如圖1所示。
圖1???地方大數據政策發布累積量時間擴散
從圖1可以看出，我國地方大數據政策時間擴散效應較為明顯，擴散曲線大致呈S型分布，符合政策創新擴散的一般規律。從時間發展歷程來看，政策發布擴散主要經歷3個階段。
（1）第一階段：擴散緩慢起步期（2013—2015年）
2013—2015年，僅有少數省份開始出臺與大數據相關的政策，至2015年共發布5條大數據政策，較早出臺地方大數據政策的省市為重慶市與湖北省武漢市。該時間段，地方大數據政策的制定發布處于萌芽發展期，未表現出明顯的擴散趨勢。
（2）第二階段：快速擴散期（2016—2017年）
2016年是大數據政策擴散的重要分界點。在2015年國家出臺《促進大數據發展行動綱要》等一系列重要大數據發展戰略政策后，2016—2017年大數據政策的發布在全國范圍內迅速擴散，2016年與2017年分別有27條、28條地方大數據政策出臺，至2018年初共出臺60條地方大數據政策。這一階段，擴散趨勢與政策擴散理論中的“地方政府的政策擴散受中央政府影響，中央政府可以通過強制或激勵推進政策擴散”現象較為契合。
（3）第三階段：擴散趨緩期（2018年后）
經過迅速蔓延的擴散階段后，全國大多數地區已出臺地方大數據發展政策，2018年后，我國地方大數據政策發布擴散速度減緩，發布數量明顯減少，全國僅出臺8條地方大數據政策，主要分布于內蒙古自治區、山西省和四川省。
4.1.2 政策發布空間擴散特征
68條省、市級地方大數據政策的發布地區分布見表2。從空間分布來看，較早發布大數據政策的一級行政區分別為重慶市、河北省、湖北省、遼寧省、青海省。至2016年底，我國大部分一級行政區發布了較為成熟的大數據政策，至2017年底，本文研究的31個一級行政區均發布了大數據的相關政策。
從表2的數據可以看到，至2018年底，大多數一級行政區至少發布了2條大數據政策，江蘇省發布的大數據政策達到了7條。
以上分析表明，2016年大數據政策在各一級行政區的空間擴散呈現明顯的“突增覆蓋”現象，這主要是受國家大數據政策的垂直影響；同時，地方大數據政策的發布擴散有一定的鄰近效應，在我國華東地區、中南地區一級行政區的擴散時間靠前、擴散數量較多，而在西南地區、西北地區的擴散時間較為滯后、擴散數量較少。
4.2 地方大數據政策參照擴散模式
筆者對68條政策樣本文本內容進行政策參照關系識別與編碼。經數據整理與統計發現，其中9條政策無政策參照關系，59條政策具有政策參照關系；參照關系共145條，涉及政策共135條（其中59條為收集的各地大數據政策，76條為識別的被參照政策）。
4.2.1 政策參照時間擴散特征
地方大數據政策發布與參照時間擴散趨勢如圖2所示。從圖2可以看出，大數據政策參照擴散主要表現為前期緩慢擴散、中期快速擴散、后期擴散減緩的趨勢，呈現典型的S曲線擴散特征。通過對地方大數據發布與參照時間擴散趨勢的比較分析發現，二者的擴散發展階段基本對應且保持較為同步的擴散趨勢。2013—2015年為政策發布與政策參照的擴散緩慢期， 2013—2014年幾乎沒有政策參照關系的出現，2015年僅出現兩條政策參照關系；隨著2016年大數據政策發布的快速擴散， 2016—2017年政策參照關系分布逐漸密集，政策參照擴散速度呈直線增長，2016年與2017年政策參照頻次分別為58次、64次，其增長幅度明顯高于政策的發布擴散速度；2018年后，政策發布擴散與參考擴散速度均降低，但政策參照擴散增長率仍略高于政策發布擴散的增長率。
圖2???地方大數據政策發布與參照時間擴散趨勢
為進一步探究政策參照擴散的時間對應關系，將施加參照的政策與被參照政策的發布時間一一對應，交叉統計結果如圖3所示。分析圖3可以發現：2013年、2014年各地大數據政策沒有對其他相關政策的參照關系；2015年起開始出現對同年政策的參照關系；2016年共有58次參照關系，對2015年政策的參照頻次最多，其次為同年政策參照；2017年參照關系最多，共有64次，主要對2016年政策進行參照，其次是對同年與2015年政策的參照；2018年有21次參照關系，對2016年政策的參照次數較多，其次是對2017年與同年政策的參照，對2015年政策的參照次數很少。以上政策參照擴散的時間對應情況表明，各地大數據政策主要參照較近年份的其他政策，當年政策對前一年和同年政策的參照頻次較高，對發布時間越靠前的政策的參照頻次越低；另外，各地方大數據政策對2015年與2016年的政策參照頻次較高，這在一定程度上表明了2015與2016年政策在各地方大數據政策的制定過程中發揮了較大的作用。
圖3???政策參照時間擴散分布（橫坐標的上部為被參照政策發布年份，下部為施加參照的政策發布年份）
4.2.2 政策參照空間擴散特征
（1）政策參照地理擴散網絡
以政策參照關系為基礎，分別將被參照政策和對應的地方大數據政策作為政策擴散的“源頭”和“目標”，通過Gephi社會網絡分析軟件繪制擁有135個節點與145條邊的政策參照擴散網絡。
從政策參照擴散網絡圖譜發現，我國地方大數據政策擴散網絡中最大的節點位于北京市，即中央政策在政策參照擴散網絡中占最大權重，說明各地方大數據政策對中央政策的參照頻次最多，表明中央政策對地方政策有決定性影響且中央政策能夠被較好地貫徹執行；另外，政策參照擴散網絡在地理位置上的分布主要呈現中央向全國各省、市的大范圍放射狀擴散，較符合目前中國常見的“中央—地方”政策擴散模式，同時，在小范圍內存在少許“省級—市級”或“市級—市級”的政策擴散現象。
（2）政策參照行政區級別擴散
根據《中華人民共和國憲法》，我國現行的行政區劃分為省級行政區（省、自治區、直轄市、特別行政區）、地級行政區（地級市、自治州等）、縣級行政區（市轄區、縣等）、鄉級行政區（鎮、鄉等）。基于此，本文對政策發布機構級別進行歸類，例如省、自治區、直轄市的人民政府為一級行政區機構，地級市人民政府為二級行政區機構，縣級人民政府為三級行政區機構。
以政策發布機構的行政區級別為劃分標準，我國地方大數據政策的行政區級別擴散分布見表3。59條地方大數據政策中，有31條政策來自一級行政區，27條政策來自二級行政區，1條政策來自三級行政區，總體來看，來自一級行政區與二級行政區的大數據政策數量較為平均，兩者參照政策的平均頻次均為2.48，說明政策的參照擴散在不同級別行政區之間普遍存在。
從圖4可以發現，一級行政區政府機關發布的大數據政策主要參照國家政策（占比75%），其次參照同級行政區的政策（占比24%），還存在1%是對下級行政區的政策參考；二級行政區主要參照國家政策（占比57%），對一級行政區與同級行政區的政策參照較為平均（分別占比22%、21%）；三級行政區主要參照上級行政區的政策，對國家、一級及二級行政區政策的參照量較為平均，不存在對同級行政區的政策的參照。
圖4???各級行政區大數據政策參照擴散分布
以上表明，我國不同級別行政區大數據政策間參照擴散緊密，不同級別大數據政策的參照擴散分布較為一致，下級行政區主要參照上級行政區和國家級別的政策，呈現“自上而下的層級擴散模式”，符合目前中國較為常見的公共政策擴散模式，即上級政府制定的政策通過政策落實和政策執行等方式，迅速擴散到下級政府及相關部門的政策擴散模式，具有一定的行政指令性特征。同時，存在同級別行政區政策的交互擴散現象，結合政策參照地理擴散特征，我國地方大數據政策在同級別行政區的擴散特征主要為地區內部同部門或跨部門的政策參照。
4.2.3 重要被參照政策的擴散特征
被參照政策是政策參照網絡的重要部分，被參照政策參照頻次分布如圖5所示。從圖5可以發現，被參照政策的擴散呈現較明顯的“長尾效應”，即有且只有排序第一的政策在政策擴散中占據主要優勢，擁有38條參照關系；共有15條（約19%）政策的參照頻次大于1次；僅被參照一次的政策約占81%。
圖5???被參照政策參照頻次分布
參照頻次大于1次的15條參照政策列表見表4。從表4可以發現，參照頻次較高的政策主要來源于國家行政機關發布的政策，尤其是國務院發布的《國務院關于印發促進大數據發展行動綱要的通知》（以下簡稱《通知》），參照頻次達38次。
由于參照頻次較小的政策在政策擴散網絡中的影響力較弱，故選取參照頻次排序前三，即參照頻次分別為38次、7次、5次的被參照政策，從時間與空間維度分別測算分析其在參照擴散網絡中的影響力，測算指標定義見表5。
首先，被參照政策的時間擴散趨勢以時間擴散強度進行衡量，政策在某年被參照的頻次越大，表明當年該政策的擴散強度越高。4條重要被參照政策的時間擴散強度時序變化如圖6所示。逐年來看，4條國家政策均在其發布的后一年里獲得了最大擴散強度，之后便逐年下降；時間擴散影響力較為突出的是2015年發布的《通知》，作為被參照頻次最高的政策，其不僅在擴散強度上具有最大優勢，而且相較其他國家政策而言，其被參照的持續性更強。
圖6???被參照政策時間擴散強度趨勢
其次，通過被參照政策的地區擴散分布進程的可視化顯示其空間擴散廣度與方向。從圖譜可以看出，《通知》自2015年發布后，其擴散范圍較廣，2016—2018年全國范圍內絕大部分一級行政區的大數據政策對該政策進行了參照，在地區間呈現較為明顯的鄰近擴散模式，擴散方向主要為由北到南，從鄰近區域擴散覆蓋至全國范圍；我國對該政策參照頻次較高的地區較為聚集，大致分布在南部、西北部和東部，江蘇省的參照頻次最高，為4次，廣東省為3次，四川省、陜西省、內蒙古自治區、湖南省、河南省、廣西壯族自治區、甘肅省、福建省均為2次，其他省份均為1次。相比之下，《工業和信息化部關于印發大數據產業發展規劃（2016—2020年）的通知》《國務院辦公廳關于運用大數據加強對市場主體服務和監管的若干意見》《國務院關于促進云計算創新發展培育信息產業新業態的意見》3條國家政策的擴散范圍較小，在全國范圍內的擴散也不均勻。
5 我國地方大數據政策的轉移特征
政策轉移聚焦政策交互擴散過程中政策的內容關聯，包括政策主題的繼承與創新兩個方面。本文以不同地區政策內容的詞頻分布與基于高頻詞分布的政策轉移比率Th-fw測算結果為基礎，揭示各地方大數據政策對被參照政策內容主題概念的繼承與創新程度。
地方大數據政策的空間參照擴散特征表明，各地方大數據政策對中央政策的參照較為集中。鑒于其他政策的擴散強度較弱，擴散廣度較局限，以擴散強度與廣度最大的《國務院關于印發促進大數據發展行動綱要的通知》為代表，探究以傳統六大地理分區標準劃分的我國華北、華東、東北、西北、西南、中南6個不同地理區域大數據政策對國家政策的政策轉移情況。
對不同區域政策內容關鍵詞的提取主要經過了3個步驟：首先去除文本中的引言、背景描述、發文機關、接受單位、發布時間等無關字段；其次，運用ROSTCM工具對政策文本進行分詞，為保證關鍵詞的有效性，根據《國務院公文主題詞表》詞匯和大數據相關關鍵詞（“大數據”“云計算”“人工智能”等）增加分詞詞表詞匯，并在過濾詞表中添加與關鍵內容關聯不強和無意義的語詞、形容詞、動詞等；最后，在軟件分詞的基礎上，進一步手工篩選、合并關鍵詞。經多次反復處理，獲得政策內容的詞頻統計結果。
經高頻詞分布一致率計算，基于前200和前50高頻詞的我國各區域大數據政策的政策轉移比率Th-fw見表6、表7。
數據表明，全國六大地理行政區中，參照《通知》的地方大數據政策與《通知》政策內容概念的重合一致率較高，各區域政策文本排序前200高頻詞對比后的政策轉移比率Th-f結果均達65%以上，多數在70%以上。進一步對比排序前50的關鍵高頻詞發現，大部分區域的政策轉移比率Th-fw為90%以上，最高達98%。由此可以推測，各區域地方大數據政策對《通知》的政策轉移程度較高，繼承性較強。從基于前200高頻詞的政策轉移比率數據來看，整體上中南地區政策轉移程度較高，其次依次是華東、東北、華北、西南、西北。
Th-fw測算數據表明，大多數地方大數據政策較大程度繼承了《通知》內容中的關鍵概念，但僅能從數值高低推測各地政策轉移程度，無法揭示具體的政策轉移內容。為掌握各區域大數據政策的政策繼承與創新主題概念的分布情況，需結合各區域大數據政策與中央政策內容中共有與非共有概念關鍵詞的分布進行進一步分析。
5.1 政策繼承主題分布
政策繼承主題表現為各區域大數據政策內容與《通知》的共有概念詞。由于各區域大數據政策與《通知》的概念詞重合率均較高，《通知》的高頻關鍵詞分布即可大致反映政策繼承主題的主要內容。
以ROSTCM詞頻分析軟件對《通知》內容進行關鍵詞共現分析，并使用VOSviewer社會網絡分析工具繪制《通知》的高頻關鍵詞網絡可視化圖譜與高頻關鍵詞密度可視化圖譜。高頻關鍵詞密度可視化圖譜呈現了政策內容中不同關鍵詞的重要性程度，一個關鍵詞出現的頻次越高，并且與其聯系的關鍵詞頻次越高，則該區域的顏色越靠近紅色，表明該關鍵詞占越大的權重。從圖7可以看出，“大數據”“數據”“服務”是政策文本中的核心內容，圍繞核心關鍵詞，主要強調的內容為“數據資源基礎”“服務應用”“社會數據共享”“政府數據開放”“公共數據建設”“技術應用”等。
圖7???《國務院關于印發促進大數據發展行動綱要的通知》高頻關鍵詞密度可視化圖譜
另外，VOSviewer利用不同類別中所有個體間歐幾里得權重距離之和最小的聚類算法對關鍵詞進行聚類，高頻關鍵詞網絡可視化圖譜使用不同顏色區分不同關鍵詞類團，同一類團內關鍵詞的相似性較高，不同類團之間相似性低。根據政策關鍵詞同質性的差異和詞頻密度高低的不同，圖8標引了6個主題聚類，代表政策繼承的6個主題。
圖8???《國務院關于印發促進大數據發展行動綱要的通知》高頻關鍵詞網絡可視化圖譜
● 強調大數據的創新應用：具體包括“大數據”“保障”“創新”等關鍵詞，主要內容為鼓勵大數據驅動創新應用與建設大數據保障工程。
● 創造大數據應用環境：具體包括“服務”“企業”“市場”“平臺”等關鍵詞，主要內容為鼓勵企業開展大數據服務、建設大數據市場化交易與數據資源平臺。
● 推進公共大數據融合：具體包括“公共”“共享”“政府”“社會”等關鍵詞，主要內容為加強公共信息資源采集與管理、加強政府數據與社會數據的整合、鼓勵政務數據向社會適度共享與開放。
● 布局國家大數據平臺：具體包括“國家”“開放”“數據”“采集”等關鍵詞，主要內容為鼓勵政府部門對信息進行集中采集、加強各領域數據資源的共享開放、加快國家政務信息化工程建設。
● 利用大數據提升質量安全能力：具體包括“質量”“安全”等關鍵詞，主要內容為完善大數據的監管應用，通過大數據提高安全治理服務的質量與能力。
● 促進大數據技術發展：具體包括“基礎”“技術”等關鍵詞，主要內容為加強大數據技術的基礎研究、技術產品研發和核心技術攻關，推進大數據技術的應用。
5.2 政策創新主題分布
政策繼承程度通過政策間高頻關鍵詞的重合情況進行衡量，政策創新則表現為不同政策內容中非重合關鍵詞的分布。
由于參照《通知》的政策主要為各地區發布的省級政策或省會城市政策，本文假設這些政策在一定程度上反映了各省市關鍵的大數據產業發展戰略，則政策內容高頻詞代表了該地區大數據政策的核心主題。基于此，結合各地區大數據政策與《通知》內容的非共有高頻詞的分布情況，分析各地區大數據政策的創新主題。為便于理解，以下將非共有高頻詞稱為政策創新高頻詞。
抽取各區域政策內容前200的高頻詞為政策創新高頻詞，結合文本內容對政策創新高頻詞的實際意義進行確認，經篩選保留具有分析價值的詞。
華北、華東、東北、西北、西南、中南6個區域大數據政策的政策創新高頻詞分布見表8。統計表明，各區域大數據政策之間的政策創新高頻詞具有一定的聯系和差異：不同區域具有相同的政策創新高頻詞，表明這些區域政策創新主題有一定的相似之處；僅在一個區域大數據政策中出現的政策創新高頻詞體現了該區域大數據政策突出強調或具有特色的主題。
“優勢”“引進”“挖掘”“改革”“應急”“基地”是全國各區域大數據政策文本中共同具有的政策創新高頻詞，這些關鍵詞的具體內涵是全國各區域基于中央大數據政策在自身大數據產業發展戰略制定中普遍關注的方面。
這些政策創新高頻詞在各區域大數據政策中的內涵較為一致，6個共有創新主題內容主要如下。
● 優勢：融入地區自身具備的優勢，如地理位置、人才資源、產業發展等方面，形成地區特色的大數據能力優勢。
● 引進：積極引進國內外大數據龍頭企業、大數據高端人才和團隊、大數據項目與資源、大數據基礎設施和高新技術等。
● 挖掘：研發數據挖掘技術，加強各平臺動態大數據的分析，為社會治理、用戶服務、產業發展等方面的決策提供堅實基礎。
● 改革：依托大數據資源與技術促進教育、醫療、商業、制造業、政府、公共服務的制度改革，打造供給側結構性改革新模式。
● 應急：打造大數據應急管理應用，實現應急響應一體化，提高環境應急、網絡安全應急、公共安全應急的處置能力和水平。
● 基地：積極培育建設大數據產業與應用基地，如互聯網應用創新基地、技術研發基地、人才培訓基地、數據中心基地等。
此外，“物流”“環保”“通信”“資產”“計算”“藥品”“精準扶貧”“感知”“人工智能”“高端”“絲綢之路”是至少兩個區域共同具有的政策創新高頻詞。
“物流”“環保”“通信”“資產”“計算”被超過3個區域的大數據政策強調。其中，“物流”“環保”“通信”的分布更廣，說明大數據應用于物流、環保以及通信技術的發展是較多地區強調的方面。
從“藥品”“精準扶貧”“感知”“人工智能”“高端”“絲綢之路”的分布區域可以推測，相關創新主題與區域本身有一定的相關性。如在中南區域、西北區域、華北區域的大數據政策中強調，“運用大數據推動精準扶貧脫貧，加強精準扶貧大數據分析與深度應用”；“感知”“人工智能”“高端”聚焦大數據高新技術的深入發展，主要體現在我國經濟與技術發展較為領先的華東區域、華北區域的大數據政策中，強調“融合大數據建設物聯網智能化感知、網絡安全態勢感知、用戶數據感知系統”“大力推動人工智能與實體經濟深度融合、建設人工智能大數據產業、加強人工智能應用技術與創新研發”“培養數據領域高端專業人才、推動生產性服務業高端化發展、加強高端技術的研發、培育高端高效的智能經濟”；“絲綢之路”作為具有特殊性的地理位置概念詞，西南區域與華北區域的大數據政策強調“依托新絲綢之路發展物流大數據、建設絲綢之路數據港、打造數字絲綢之路”，由此表現出大數據應用融合地理位置優勢的發展特色性。
根據僅在一個區域大數據政策中高頻出現的政策創新詞，能夠推測不同區域大數據發展戰略中突出強調或具有特色的方面。值得說明的是，本文以各區域大數據政策中排序前200的高頻詞分布區分不同區域政策創新關鍵詞，只在某個區域出現的政策創新高頻詞并不表示該關鍵詞在其他區域大數據政策中不存在，僅說明該詞不在其他區域大數據政策排序前200的高頻詞范圍內。因此，僅在一個區域大數據政策出現的政策創新高頻詞表明其為該區域較具特色的政策創新主題。分布在6個地理區域的特色政策創新高頻詞及其具體內容見表9。
6 結束語
本文基于公共政策的發布擴散和參照擴散現象，采用社會網絡分析方法和內容分析法對我國68條地方大數據政策的時空擴散趨勢和政策內容轉移情況進行實證分析。
在政策時間擴散方面，我國地方大數據政策發布和參照的時間擴散均符合政策擴散的一般規律，擴散曲線呈現“S曲線”，具有明顯的擴散效應；發布擴散與參照擴散趨勢較為同步，主要經歷擴散緩慢期、快速擴散期、擴散平穩期3個階段，總體上政策參照擴散速度高于發布擴散速度；由于大數據是近年興起的產業，我國各地大數據政策的參照關系時間跨度不長，各地大數據政策主要參照較近年份的其他政策，當年發布的大數據政策對前一年和同年政策的參照頻次較高，對發布時間越靠前的政策參照頻次越低；目前，地方大數據政策總體上對2015年與2016年的政策參照頻次較高，主要原因在于2015—2016年重要國家級政策與各地一級行政區大數據政策紛紛出臺，為后續相關政策的制定起到了重要的作用。
在政策空間擴散方面，大數據政策在我國各地區的發布擴散進程主要受國家政策的垂直影響，2016—2017年地方大數據政策呈大范圍迅速擴散的趨勢，至2018年全國31個一級行政區均已覆蓋；發布擴散過程有一定的鄰近效應，主要體現在我國華東地區和中南地區省份的政策發布時間普遍靠前、數量較多，而西南地區和西北地區的政策發布時間較為滯后、數量較少；地方大數據政策的參照擴散在地理位置分布上符合目前中國較為常見的“中央—地方”政策擴散模式，在地區行政級別上主要呈現“省級—市級”自上而下的層級擴散模式，具有一定的行政指令性特征，同時也存在少部分“省級—省級”和“市級—市級”的同級別行政區內同部門或跨部門的政策參照擴散現象。
68條地方大數據政策參照關系的參照來源政策分布情況表明，被參照頻次較高的政策主要來源于國家行政機關發布的政策，被參照政策的分布呈現“長尾效應”，排序第一的《通知》占據絕對擴散優勢，僅被參照過一次的政策約占81%；相較其他被參照的國家政策而言，《通知》時間擴散強度較大，2016—2018年全國范圍內絕大部分一級行政區的大數據政策對該政策進行了參照，同時其空間擴散較廣，擴散方向主要由北到南，從鄰近區域擴散覆蓋至全國范圍。
在政策轉移方面，我國各區域大數據政策對國家政策《通知》內容的轉移程度均較高，說明中央政策在我國各地的推行落實情況較好，政策的關鍵概念在各地區得到了較好的繼承，整體上中南地區的政策繼承程度最高，其次依次是華東地區、東北地區、華北地區、西南地區、西北地區。基于國家政策的繼承，各區域的大數據政策也表現出了一定的政策創新：不同區域大數據政策的政策創新主題具有一定的相似性，不同區域大數據政策也具有體現其發展戰略差異性的創新主題。
大數據能夠普遍應用于公共、社會各領域的服務與管理工作，在信息時代具有不容小覷的潛在價值。目前我國各地大數據政策擴散方式主要是由上至下的層級擴散，跨地區的政策擴散交互不足，地區內不同行政部門之間的政策擴散交互較少，因此需要進一步加強大數據政策的擴散深度與廣度，加強發展水平較弱地區向發展水平較好地區進行政策內容的學習轉移、促進不同地區大數據政策的交互擴散以及促進不同部門、不同主題的大數據政策交互擴散。
本文通過抽樣分析我國68條地方大數據政策，總體描述了我國地方大數據政策的時空擴散特征和內容轉移情況，但仍存在一定局限性。首先，在政策數據收集方面，采用網絡收集方法對我國各地區地方大數據政策進行重點抽樣形成的68條政策數據樣本集較為有限，在一定程度上造成了研究結論的局限性；另外，本文使用基于高頻詞分布的政策轉移比率Th-fw測算地方大數據政策與被參照國家政策的內容轉移程度，對不同地區的政策繼承與創新情況具有一定的評估作用，然而，政策樣本集關鍵詞的抽取對測算結果影響較大，由此可能對分析結果造成一定的誤差。因此，筆者后續研究需要擴大政策樣本，以更充足全面地分析完善本文研究結論，此外，后續還可進一步提高政策文本的分詞精度，改進政策轉移計算方法，從而提升政策轉移的評測研究水平。
作者簡介
丁文姚（1995- ），女，西南大學計算機與信息科學學院碩士生，主要研究方向為信息計量學。
張自力（1964- ），男，博士，西南大學計算機與信息科學學院教授，西南大學學術委員會副主任，中國計算機學會大數據專家委員會常務委員，主要研究方向為人工智能、數據分析、多agent系統、混合智能系統。
余國先（1982- ），男，博士，西南大學計算機與信息科學學院教授，主要研究方向為機器學習、生物信息學。
韓毅（1972- ），男，博士，西南大學計算機與信息科學學院教授、副院長，主要研究方向為信息計量學、用戶信息行為。
《大數據》期刊
《大數據（Big Data Research，BDR）》雙月刊是由中華人民共和國工業和信息化部主管，人民郵電出版社主辦，中國計算機學會大數據專家委員會學術指導，北京信通傳媒有限責任公司出版的中文科技核心期刊。
關注《大數據》期刊微信公眾號，獲取更多內容
往期文章回顧
證券期貨行業監管大數據治理方案研究
“智慧法院”數據融合分析與集成應用
大數據治理標準體系研究
綜合交通大數據應用技術的發展展望
邊緣智能：現狀和展望
總結
以上是生活随笔為你收集整理的我国地方大数据政策的扩散模式与转移特征研究的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【CyberSecurityLearni
- 下一篇： 【CyberSecurityLearni