前言 在当今的数字时代，大数据的影响贯穿公共管理和公共政策运行全过程，几乎所有展望大数据应用前景的研究都非常重视政府或公共部门相关数据的价值。面对数据激增及数据分析能力提升的新环境，公共管理与公共政策学科的研究范式和方法论体系也在经历转型和扩展，数据科学与政策科学的交叉研究领域尚有许多关键科学问题亟待解决。在此背景下，美国有学者提出了政策信息学（policy informatics）的概念，中国科学院自动化所曾大军研究员也在国际期刊上发表过关于政策信息学的观点与思考。这些早期探索多关注系统科学与仿真，但这是政策信息学的边界吗？实际上国内外学术领域尚未形成普遍共识。本书作者拥有不同学科的交叉研究背景，基于作者及相关团队过去几年间围绕相关问题的若干研究成果，本书试图从理论、方法和应用三个层面为读者初步勾勒政策信息学这一新兴研究领域的初步形态、前沿探索和典型应用。 在理论部分，本书先从数据爆炸带来的数据分析热潮引出大数据带给政策分析与政府管理创新的机遇与挑战。数据的产生和分析亘古有之，但正是由于当前数据信息的增长速度远远超过人们获得、分析和处理数据的能力，产生了数据处理需求和数据处理能力的矛盾，进而推动了相关学科研究方法、分析技术、研究范式等的转变。在此背景下，处理和获得信息并基于信息做出决策已构成重要的国家能力。政策信息学应运而生。政策信息学起源于系统科学，得益于大数据信息技术的创新发展，政策信息学的外延和内涵不断扩展，学科问题和核心方法论体系也逐步发展。 过往的研究者认为政策信息学中正在形成三个研究方向，即分别聚焦于分析、管理和治理体系的研究： 分析方向关注可以做什么和应该做什么； 管理方向关注如何做，关注具体的管理实践与操作方式； 治理体系方向关注计算和通信技术如何改变治理结构和流程设计。本书基于过往学者的研究，结合开放数据的新环境，提出政策信息学科学问题的三方面要素： 面向日益复杂的公共政策和管理问题，基于信息通信技术发展寻求解决方案，政府决策过程的嬗变。此外，本书作者基于前期开展的若干相关研究工作，总结了政策信息学科理论建构与实证检验的研究迭代逻辑。 在方法部分，政策信息学作为公共管理领域的大数据研究，关注的核心问题无疑主要集中在分析技术层面，力图探索面向公共管理与公共政策实践问题的分析方法创新。除了文本挖掘技术为重点的大数据分析方法外，系统科学与仿真、社会网络分析等方法也是政策信息学领域的主流分析方法，本书遵循由总体到细节的逻辑逐一介绍了上述分析方法。 关于系统科学与仿真方法，本书简要介绍了系统科学领域“建模—试验—分析”的基本框架，重点探讨了系统动力学仿真和多智能体仿真建模方法，此外还简要介绍了仿真建模软件和平台； 对比仿真方法，社会网络分析能够帮助研究者更好地理解多主体的互动关系。关于社会网络分析方法，本书介绍了社会网络分析的概念和发展历程，并从具体应用的角度介绍了社会网络分析步骤及方法，同样也简要介绍了社会网络分析的常用工具； 针对社会网络分析对网络环境下互动细节的关注局限，我们又引入并重点介绍了自然语言处理范畴下的文本挖掘方法。关于文本挖掘分析方法，本书通过通俗易懂的举例、类比的叙述方式，提高复杂方法的易读性，揭开潜在狄利克雷分配模型、概率主题建模等复杂方法的神秘面纱。同时本书也秉承分析工具的严谨和完整性，完整演示了具体推演过程，尽可能地兼顾方法趣味性和科学性。书中围绕“简单文本处理—复杂语义分析”的思路分别介绍了文本表示、文本预处理、词性标注、语料库等基础文本处理知识以及情感分析与主题建模等高阶语义处理技术。相应的研究方法均在后面章节的案例中有具体应用。 在案例部分，我们呈现了五个从不同角度出发的政策信息学研究案例。 针对我国多个城市群在实现协同合作与区域一体化的进程中面临的一系列问题和挑战，第9章案例基于仿真建模方法，以社会网络视阈下的城市群政府合作过程中的多期进化博弈为例，建立一个集成非对称进化博弈和异构性社会网络的多智能体模拟系统，并实现微观互动（博弈行为）和宏观涌现（网络拓扑）之间的双向反馈和动态交互。研究从一种微观互动到宏观涌现的视角，模拟并探究城市群政府互动博弈的演化过程和一般规律。 为提高政府对网络触发群体性事件的应对能力，改善政府与公众之间的互动关系，第10章案例基于社会网络分析方法，通过“SF事件”的微博数据分析，对政府网络群体性事件应对策略进行评估，并提出针对性回应建议。具体而言，在“SF事件”案例中，政府采取了介绍式、呼吁表态式、解释澄清式、辟谣式和处理决定式五种的网络治理策略。不同治理策略在事件发展不同时期带来的响应效果不同，理解这些差异有助于政府采取针对性治理策略以快速有效应对危机。 挖掘社交平台上公众对于某一热点事件的意见与看法，并根据事件发展对公众舆情的变化趋势进行分析与预测，对于舆情监测预警具有非常重要的意义。第11章以2010年北京市机动车牌照摇号的政策发布和2015年C市的“女司机变道被暴打”事件作为研究案例，展示了大数据在公众舆情和公众情感分析中的应用。总体而言，热点事件整体情感强度的时序变化与主题情感强度的时序变化相对应，其变化情况与事件的后续发展紧密相关。对于政府而言，识别某一事件可能会演化成热点事件时，提前进行舆情预防和及时与群众进行双向沟通能有效避免热点事件向网络舆情事件演化。 面对巨大规模的网络信息，政策制定者无法在短时间内阅读和了解公众通过各种渠道反馈的详细信息。为了解决这一问题，第12章案例基于B市门户网站网络信件大数据，帮助相关部门根据多变的需求找寻重点话题，并提出相应语义搜索工具的设计思路。案例基于梳理和描述网络民声的实际需求，提出了一个两阶段框架，包含用户搜索流程和概率主题建模过程，兼顾准确和高效，能够适应需求更复杂的情景。 大数据分析的魅力不仅仅是简单的主题建模和统计描述，还在于能够帮助我们更好地进行因果推断和预测。将大数据分析方法与经典计量统计相结合，解释传统公共政策分析理论问题，也是本书作者所预期的政策信息学发展方向。第13章案例通过对B市C区移动政民互动平台近年来的实际数据进行分析，借助文本挖掘技术，将相关因素数据化，建立实证理论模型，提出一条从文本挖掘分析结果到有价值的公共管理知识的探索路径。 本书通过对当前公共管理与公共政策挑战与机遇的探讨，界定了政策信息学的基本概念与核心研究问题，梳理了政策信息学的研究方法基础，通过若干公共管理与公共政策研究案例，展示了政策信息学的分析过程和实践价值。本书的核心观点包括： ①数据爆炸的客观环境和数据开放的主观趋势决定了政策信息学将成为公共管理与公共政策理论探索和实践运行的重要支撑； ②政策信息学是面向日益复杂的公共管理与公共政策问题、基于信息通信技术与数据科学发展的解决方案，融合政策过程变革与管理模式创新的跨学科综合研究方法论； ③政策信息学的科学问题包括大数据基础分析方法、基于大数据分析的公共决策知识挖掘、大数据时代政策过程设计和政策效果的评估与预测等，其中不同层面科学问题的联结是方法论突破的关键； ④政策信息学当前主要涉及的基础研究方法包括系统科学与仿真、社会网络分析、文本挖掘与主题建模等，其边界仍在不断扩展，亟待发展的是从基础研究方法走向有价值公共管理知识间的“中间层”方法； ⑤政策信息学的应用领域包括国家和区域政策趋势的预测、互联网政府行为与公众态度的分析与预测、基于多源异构海量数据回应公共管理与公共政策理论问题等，通过研究实践的迭代演进，政策信息学将有更广阔的发展空间。 本书主要研究工作在北京市社会科学基金重点项目“政策信息学方法论研究”（15JGA008）资助下完成，特此致谢。书中相关研究工作也承蒙国家自然科学基金（91646103，71473143，71772017）、国家社会科学基金（18ZDA052）和北京市社会科学基金（17GLB009）资助，在此一并致谢。感谢清华大学公共管理学院未来政府研究中心团队已出站博士后关欣、赵雪娇，已毕业研究生罗杭、邓喆、张秀吉、陈思丞、李芳玲、谭棋天、胡彦雷、罗亚，在读研究生陈晓阳，北京邮电大学经济管理学院在读研究生张珊珊、蔡慧瑾、刘颖等对本书中涉及研究工作和文字工作的贡献。特别感谢未来政府研究中心研究助理黄梅银和访问学者杨锐在全书统稿、审读、校对等环节的出色工作。感谢清华大学经济管理学院陈国青教授、公共管理学院苏竣教授、中国科学院自动化所曾大军研究员、美国内布拉斯加大学公共管理学院陈聿哲教授、美国克拉克大学管理学院张晶教授等在本书撰写过程中不同阶段给予我们的宝贵意见。感谢清华大学文科出版基金对本书出版的资助，感谢清华大学出版社编辑团队为本书的辛勤付出。感谢所有在本书作者研究道路上给予过帮助的人。

• 暂无课件
• 样章下载
• 暂无网络资源

扫描二维码
下载APP了解更多

版权图片链接