在当前复杂政策环境背景下，传统决策范式向大数据驱动的决策新范式转变，政策制定也从信息化向智能化方向发展。通过大规模数据分析建立政策指标和问题模型，将有利于开展政策多维解析，也有利于提升政策决策科学化水平。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。
政策信息学可以看作一类以面向如何利用公共政策相关海量信息，利用人工智能和数据科学技术来更好地理解与解决复杂的公共政策和管理问题，从而实现治理流程和制度创新为目标的跨若干学科研究组成的崭新领域。我院马宝君教授与合作者从这一研究视角出发，选取全国省、市两级政府门户网站每日更新内容数据170万篇，共10亿级文字量的文本数据，通过LDA概率主题建模方法建构政府网站内容的主题概率矩阵。在描绘政府对不同主题的注意力分配差异的基础上，构建测度衡量“政策扩散速度”与“政策扩散程度”，以了解中央政策在地方层级的响应和执行情况，基于多政策主题的混合回归估计，探究短时间周期和快速响应的情景下政策扩散的影响因素，并结合梯度提升决策树（GBDT）机器学习分类算法进行了鲁棒性检验。研究试图通过测度构建突破学科交叉的“中间层”，从而将政府网站内容数据的挖掘解释与政策扩散效果的评估相连接，贡献深层次公共管理决策知识，基于政策信息学提升公共政策评估研究与实践的方法水平。
研究发现：
（1）在主题建模基础上形成的描述性统计结果呈现了各级政府网站注意力的共性规律和差异化特征，并通过测度构建刻画了不同政策在不同区域扩散速度和扩散程度的异质性，为多政策主题混合回归奠定了基础。
（2）从回归结果来看，内部经济与行政因素中，仅各地人均经济水平对扩散速度和扩散程度具有显著影响，地方经济水平越高，中央政策的扩散速度越慢，扩散程度也越低；外部扩散机制中，扩散速度受同级扩散速度和上级扩散程度的影响，扩散程度既受到上级和同级扩散速度的影响，也受到上级和同级扩散程度的影响。此外，地方主政官员的个人特征对扩散速度和扩散程度几乎没有显著影响。
研究的理论探索意义与管理实践启示体现在：
（1）在政策信息学理论探索方面，积极推动一种政策科学与数据科学交叉融合的研究新视角，通过在数据算法结果中构建测量指标和问题模型，发现有意义的管理决策知识。以中央政策层级扩散测量为切入点，建立政策要素与基础数据间的宏微映射关系，以此挖掘从数据驱动的算法结果到有价值的管理决策知识，探索突破学科交叉“中间层”的可行路径。
（2）在政府管理实践方面，如何建立和完善基于大数据的政策落地监测和决策辅助机制是各级政府部门面临的重要考验，研究立足于文本大数据基础分析方法，提出了一种通过政府网站数据监测政策扩散的新视角，为各级政府后续的实践应用提供了参考方案。
原文：张楠, 黄梅银, 罗亚, 马宝君*. 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. 管理科学学报, 2023, 26(5): 154-173.
