全国政府网站内容数据中的知识发现：从注意力分配到政策层级扩散

来源：管理科学学报杂志2023年第5期北京时间：

作者：张楠，黄梅银，罗亚，马宝君

单位：张楠,清华大学公共管理学院;清华大学计算社会科学与国家治理实验室,黄梅银,南开大学商学院,罗亚,清华大学公共管理学院,马宝君,脑机协同信息行为教育部和上海市重点实验室上海外国语大学;上海外国语大学国际工商管理学院,

摘要：价值不断提升的政府网站内容数据不仅可以描绘政策注意力，也为中央政策向地方层级扩散的测量与评估提供了新的机遇.在我国多层级政府组织治理模式下，地方政府对中央政策的贯彻落地是政策生效的前提条件.对纵向政策扩散的有效测量和评估将有助于理解政策扩散机制，提升政策落地效果.本文基于全国省、市级政府门户网站每日内容更新数据，通过概率主题建模方法建构主题概率矩阵，刻画政府对不同主题的注意力分配差异，并基于概率主题建模结果构建函数测量地方政府对中央政策的扩散速度与扩散程度.本文讨论了测度建构的原理和细节，并引入机器学习方法进行鲁棒性检验，通过多政策主题扩散的混合回归分析了影响短周期政策层级扩散的因素.研究以测度建构为突破口打通文本数据挖掘到有价值公共管理知识的“中间层”,对政策信息学在政策扩散及评估监测中的应用前景进行了初步探索.

关键词：政策信息学; 概率主题建模; 注意力分配; 政策扩散