李永忠 陳 靜 謝隆騰

(福州大學(xué)經(jīng)濟與管理學(xué)院， 福建福州 350116)

一、引言

“數(shù)字福建”是習(xí)近平總書記在福建工作期間親自部署和推動的經(jīng)濟社會信息化重大戰(zhàn)略工程[1]，旨在通過建設(shè)公用信息平臺等基礎(chǔ)設(shè)施，整合和利用信息技術(shù)和資源，借助網(wǎng)絡(luò)化信息共享，形成以數(shù)字化為根本特征的電子政務(wù)、電子商務(wù)、電子社會等信息系統(tǒng)及信息化社區(qū)，逐步實現(xiàn)福建省國民經(jīng)濟和社會信息化。[2]經(jīng)過十幾年的政策支持與引導(dǎo)，“數(shù)字福建”已經(jīng)取得了一定成效。但隨著信息社會的高速發(fā)展，“數(shù)字福建”也暴露出部分問題，主要反映為“數(shù)字福建”建設(shè)機制的不完善。[3]建設(shè)機制的完善需要明確當前的政策現(xiàn)狀和政策結(jié)構(gòu)，只有“知”現(xiàn)狀，才能“治”困局。因此，分析現(xiàn)階段“數(shù)字福建”政策結(jié)構(gòu)與特點，梳理政策側(cè)重點與薄弱點，有助于進一步優(yōu)化和完善“數(shù)字福建”政策，破除現(xiàn)有的困境，尋找新的出路。

“數(shù)字福建”作為經(jīng)濟社會信息化重大戰(zhàn)略工程，既具有一般信息化工程的特點，又擁有其自身特色。在信息化戰(zhàn)略工程政策方面，已有部分學(xué)者進行了研究：Caragliu等通過調(diào)查歐盟上百份政策文件來研究智慧城市與智慧城市政策之間的關(guān)系，結(jié)果表明密度更大、發(fā)展程度更高的城市其智慧城市政策結(jié)構(gòu)也更加完善[4]；Codagnone等研究了電子政務(wù)中制度同構(gòu)、政策網(wǎng)絡(luò)和測量指標之間的關(guān)系，提出了一個更為全面的政策基準框架，來完善電子政務(wù)評測的政策結(jié)構(gòu)[5]；Praharaj等從印度“智慧城市”改造工程(包含百來個城市)地方與中央政策的差異中得到借鑒，通過案例分析提出了新興經(jīng)濟體建立健全智慧城市的政策結(jié)構(gòu)。[6]在“數(shù)字福建”的研究方面，暫無對“數(shù)字福建”政策的專門研究，而有關(guān)“數(shù)字福建”現(xiàn)狀的研究多為定性、宏觀，無法對“數(shù)字福建”建設(shè)提供具體指導(dǎo)，如謝麗彬從政府服務(wù)創(chuàng)新的角度，提出了“數(shù)字福建”移動政務(wù)服務(wù)的若干建議[7]；王愛萍僅宏觀上提出了若干點有關(guān)“數(shù)字福建”建設(shè)的建議[8]；周功元雖然提出了在“數(shù)字福建”建設(shè)過程中，針對PPP模式的相關(guān)政策，但其研究對象為PPP模式并未對政策進行具體的研究。[9]

共詞分析法是內(nèi)容分析方法之一，目前的研究主要集中于方法改進和方法應(yīng)用兩個方面。在方法改進上，主要集中在主題詞篩選、包容系數(shù)和聚類方法等。如傅柱等研究了規(guī)范化術(shù)語下的主題詞選定方法，為提高主題詞的有效性提供了一種新的思路[10]；路青等將互信息引入共詞分析法中，研究其作為一種新的數(shù)據(jù)包容化處理方法的可信性[11]；孫海生通過融合連邊社團檢測算法，得到了一種新的共詞聚類方法，從而提高了共詞聚類的有效性[12]；在方法應(yīng)用方面，劉孝美等運用共詞分析法分析了我國重癥手足口病研究的現(xiàn)狀，并提出未來可能的研究方向[13]；蘇瑞波利用共詞分析法來對五個省份的眾創(chuàng)空間政策進行差異性研究。[14]從以上文獻可知，共詞分析法已經(jīng)較為成熟，雖然方法仍在不斷的改進中，但是作為一種定量分析方法，已經(jīng)能被大多數(shù)學(xué)科所運用，并取得了較好的研究成果。

綜合以上文獻可知，在信息化工程研究方面，多以案例分析、政策分析和實踐經(jīng)驗為主，缺乏定量分析的方法；而在“數(shù)字福建”研究中，雖有一些研究涉及政策結(jié)構(gòu)優(yōu)化與改良，但其多為宏觀性的建議，并無定量的研究內(nèi)容，無法為“數(shù)字福建”現(xiàn)狀和政策結(jié)構(gòu)的改善提供具體的指導(dǎo)；在共詞分析法的應(yīng)用方面，已經(jīng)形成了較為成熟的研究方法和研究流程，并被許多學(xué)科運用。因此，本文擬采用定量的共詞分析法對“數(shù)字福建”政策現(xiàn)狀、結(jié)構(gòu)展開研究，通過分詞、LDA主題模型來挖掘“數(shù)字福建”的政策主題詞，構(gòu)建共詞矩陣，然后進行戰(zhàn)略坐標分析和社會網(wǎng)絡(luò)分析，梳理出“數(shù)字福建”的政策現(xiàn)狀與構(gòu)成，最后提出“數(shù)字福建”政策類團的優(yōu)先序，填補了“數(shù)字福建”政策現(xiàn)狀與結(jié)構(gòu)研究方面的空白，為完善與優(yōu)化“數(shù)字福建”提供參考。

二、數(shù)據(jù)來源與研究方法

(一)數(shù)據(jù)來源

本文數(shù)據(jù)來源于北大法寶，檢索時間：2000年1月至2017年12月(“數(shù)字福建”于2000年首次被提出)。通過提煉《福建省人民政府辦公廳關(guān)于印發(fā)2017年數(shù)字福建工作要點的通知》和《福建省人民政府辦公廳關(guān)于印發(fā)福建省“十三五”數(shù)字福建專項規(guī)劃的通知》兩份文件的主要內(nèi)容，設(shè)置檢索關(guān)鍵詞為：“數(shù)字福建”“電子政務(wù)”“電子商務(wù)”“互聯(lián)網(wǎng)+”“信息化”“工業(yè)4.0”“智慧城市”“云計算”“大數(shù)據(jù)”等。為使數(shù)據(jù)更有代表性，僅收錄福建省內(nèi)官方機構(gòu)發(fā)布的政策相關(guān)文件；同時，為保證數(shù)據(jù)的有效性，排除無實質(zhì)指導(dǎo)內(nèi)容的政策文件(如招商通知、會議通知、培訓(xùn)通知等)，最終得到共281份政策相關(guān)文件。

(二)共詞分析

共詞分析法早期是用于研究學(xué)科熱點與趨勢的一種方法。[15]梁帥等將共詞分析引入專家評審意見中，對評審意見進行了主題詞共詞分析。[16]共詞分析法的過程與方式不盡相同，隨著研究對象特征的不同而略有差別，其基本步驟可歸納為：確定分析問題→確定分析單元→高頻詞選定→共詞出現(xiàn)頻率(共詞矩陣)→共詞分析中的統(tǒng)計方法→共詞結(jié)果分析。[17]

本文所采用的共詞分析研究路徑為：政策文件分詞(python結(jié)巴包)→主題詞篩選(LDA)→構(gòu)建共詞矩陣(Salton矩陣)→共詞結(jié)果分析(戰(zhàn)略坐標圖、社會網(wǎng)絡(luò)分析)。

(三)LDA主題模型

LDA是無監(jiān)督學(xué)習(xí)的主題分類模型，利用極大后驗概率擬合單詞與主題及文檔與主題的概率分布情況。[18]王玉林、王忠義證明運用LDA主題模型能排除掉一些無實際意義的高頻詞，從而降低共詞分析結(jié)果的錯誤率。[19]

三、數(shù)據(jù)分析

(一)主題詞篩選

在詞頻統(tǒng)計過程中，存在一些對研究內(nèi)容無意義的高頻詞，如“區(qū)”“市”“建”等。引入LDA主題模型對可構(gòu)成主題的詞匯進行篩選，排除無意義的高頻詞。

LDA模型將文檔看作是多個隱含主題的概率分布，而每個隱含主題又被看作是多個詞匯的概率分布。首先，通過LDA 統(tǒng)計主題模型獲得文檔的主題信息，而后，借助這些信息實現(xiàn)主題詞的打分，分數(shù)越高說明該主題詞用來代表主題的概率越大。因此分數(shù)高的詞將被挑選為標識文檔的主題詞。其基本流程如下：

文本

分詞→構(gòu)建詞

向 量→LDA模

型打分 →抽 取

主題詞

主題詞有別于前文的檢索關(guān)鍵詞，主題詞是政策文本通過LDA主題模型得到的，用來挖掘文本主題；而檢索關(guān)鍵詞，是為了獲取政策文件而設(shè)定的，用來尋找相關(guān)政策文件。

為了獲取盡可能多的主題詞(貪婪原則)，本文設(shè)置了20個主題，每個主題包含20個主題詞。由于某些主題之間存在重復(fù)的主題詞(如“信息”一詞可能分布于多個不同的主題)，因此最終得到295個主題詞(小于400個)，用來反映“數(shù)字福建”政策結(jié)構(gòu)與特征。

(二)詞頻統(tǒng)計

“數(shù)字福建”政策文件的詞頻統(tǒng)計如表1所示，從中可知“建設(shè)”“服務(wù)”“支持”三個主題詞在大部分文件中均有提及；絕大部分文件也都涉及“工作”“資源”“行業(yè)”等主題詞。

表1 “數(shù)字福建”政策主題詞詞頻統(tǒng)計(前16)

(三)構(gòu)建共詞矩陣

統(tǒng)計主題詞及其共現(xiàn)頻次(同時包含兩個詞的政策文件數(shù)量)，建立初始共詞矩陣。在初始共詞矩陣中，詞對頻數(shù)是絕對值，難以反映詞與詞之間真正的相互依賴關(guān)系，需要對詞頻進行包容化處理。[20]本文采用Salton指數(shù)來表示詞對共現(xiàn)的強度，其公式[21]為：

其中:S表示詞對共詞強度，值越大關(guān)系越緊密，值域分布在0-1之間。Ni,j表示詞i與詞j共同出現(xiàn)的頻次；Ni、Nj為詞i出現(xiàn)的頻數(shù)與詞j出現(xiàn)的頻數(shù)。表2為包容化后的Salton共詞矩陣。

表2 Salton共詞矩陣(部分)

(四)類團分析

類團指的是相互間聯(lián)系較多的主題詞集合[22]，通常采用聚類的方法進行類團區(qū)分。運用SPSS對表2數(shù)據(jù)進行聚類操作，本次實驗采用系統(tǒng)聚類，樣本間采用最遠鄰元素法，距離公式采用歐幾里得距離。

表3是由聚類歸納出的8個類團。類團的命名需要通過中心詞來確定，中心詞是可以用來表示類團中心思想的主題詞。通過比較類團中每個主題詞的粘合力可以確定中心詞，用某個主題詞與類團內(nèi)其他主題詞共現(xiàn)頻率的平均值表示粘合力，粘合力最大的詞即可稱為中心詞。[23]如類團1中，粘合力排序前三的主題詞是“服務(wù)”-1.3742、“支持”-1.3742、“建設(shè)”-1.3742(由于幾乎所有文件中都包含這三個詞，導(dǎo)致三個詞粘合力相同)。

由于本文某些類團涉及的主題詞較多，為了使類團命名更為合理，將選取1-3個粘合力最大的主題詞，同時，結(jié)合福建省人民政府辦公廳印發(fā)的《福建省“十三五”數(shù)字福建專項規(guī)劃》中提及的關(guān)鍵領(lǐng)域(如政務(wù)信息共享、網(wǎng)絡(luò)經(jīng)濟等)，對各個類團進行命名(表3)。

表3 類團命名匯總

從表3可知，部分主題詞之間存在一定的矛盾，一方面是因為無論是python結(jié)巴分詞還是LDA主題模型，都無法智能地將縮略詞與原詞合并，導(dǎo)致相同含義的詞被作為不同的主題詞對待；另一方面，部分縮略詞往往與其他詞配套使用，其含義與原詞有較大差距。以“電商”和“電子商務(wù)”為例，在政策文件中“電商”往往和其他詞配套出現(xiàn)，如“電商平臺”“跨境電商”“第三方電商”等，因此，頻率更高，所涵蓋的內(nèi)容也更多涉及經(jīng)濟領(lǐng)域；而“電子商務(wù)”往往作為單獨的詞出現(xiàn)，與之配套出現(xiàn)的往往是“兩化融合”“智慧城市”等宏觀性詞匯，主題表達較為模糊。

在政府部門類名詞的分類中，經(jīng)貿(mào)委和其他政府部門之間有明顯的差異性。通過查閱經(jīng)貿(mào)委的政策文件發(fā)現(xiàn)，相關(guān)文獻主要集中于經(jīng)貿(mào)委和阿里巴巴合作的“千萬工程”，與詞匯“阿里巴巴”的親密度較“電商”更近。由于類團8主題詞之間關(guān)系較為不緊密，在規(guī)劃文件中也無相關(guān)資料，故將命名“其他”類。

(五)戰(zhàn)略坐標圖分析

戰(zhàn)略坐標圖是以向心度與密度為參數(shù)繪制成的二維坐標圖，主要用來描述領(lǐng)域內(nèi)部聯(lián)系情況和領(lǐng)域相互影響情況。向心度用來度量一個類團與其他類團的聯(lián)系程度；密度用來度量一個類團內(nèi)部元素的聯(lián)系程度。[24]通常將類團內(nèi)部主題詞與其他類團主題詞的平均共詞詞頻作為向心度。

密度的測算通常采用類團內(nèi)部主題詞的平均共詞詞頻，與類團整體的詞頻數(shù)存在較大關(guān)系(即與向心度存在相關(guān)性)，因此，本文引入網(wǎng)絡(luò)密度(density)[25]來重新定義戰(zhàn)略坐標圖的密度公式。網(wǎng)絡(luò)密度的計算公式為：

其中:d(G)表示網(wǎng)絡(luò)密度，L表示網(wǎng)絡(luò)中的實際連邊數(shù)，N表示節(jié)點數(shù)。

本文研究的“數(shù)字福建”政策主題詞共詞矩陣為X×Y的方陣，可抽象成網(wǎng)絡(luò)圖，則每個主題詞為網(wǎng)絡(luò)中的一個節(jié)點。公式(1)中的邊數(shù)L反映的是節(jié)點之間的連通關(guān)系，連接則為1，不連通則為0。為適應(yīng)本文研究，對每條邊賦予連接強度(0-1之間)，則重新定義后的網(wǎng)絡(luò)密度計算公式為：

由公式(2)計算出的網(wǎng)絡(luò)密度(表4)作為各個類團的密度，并結(jié)合向心度得到8個政策類團的戰(zhàn)略坐標圖(圖1)。橫軸表示向心度，縱軸表示密度，分別取所有類團向心度與密度的平均值作為二維空間劃分的依據(jù)，則將戰(zhàn)略坐標圖劃分為4個象限。[26]

第一象限(右上角)：包含“教育培訓(xùn)”“平潭實驗區(qū)”“政務(wù)信息共享”。在此象限中的政策類團，密度與向心度都較高，具有較強的穩(wěn)定性和開放性，是目前“數(shù)字福建”政策中的熱點話題，同時也說明這些政策類團已經(jīng)得到足夠政策文件的支持?！敖逃嘤?xùn)”的內(nèi)容在歷年的《數(shù)字福建工作要點》中都被提及?！捌教秾嶒瀰^(qū)”在政策文件中主要與電子商務(wù)、信息網(wǎng)絡(luò)經(jīng)濟、“一帶一路”等內(nèi)容掛鉤，其所反映的主題也可解釋為“信息化合作”的內(nèi)容，與《福建省“十三五”數(shù)字福建專項規(guī)劃》的內(nèi)容相一致?！罢?wù)信息共享”在《2006-2020國家信息化發(fā)展戰(zhàn)略》的指導(dǎo)下，也成為福建省“數(shù)字福建”建設(shè)的重點工程。

第二象限(右下角)：暫無，未發(fā)現(xiàn)密度低而向心度高的政策類團，表明“數(shù)字福建”所涉及的大部分重要內(nèi)容都有相關(guān)政策的支持，并未出現(xiàn)遺漏缺失的情況，從側(cè)面體現(xiàn)了福建省對“數(shù)字福建”建設(shè)的重視程度。

第三象限(左上角)：包含“宏觀指導(dǎo)”“網(wǎng)絡(luò)信息標準化”；在此象限中的政策類團，密度較大而向心度較低，內(nèi)部穩(wěn)定但開放性較低，有向第一象限發(fā)展的趨勢。從表1可知，“宏觀指導(dǎo)”的內(nèi)容幾乎在所有的文獻中都有提及，但圖1又反映出該政策對其他政策的指導(dǎo)性較弱；同理，“網(wǎng)絡(luò)信息標準化”作為重要的政策類團，雖然大部分文獻都有提及，但作用力有限。從另一個角度來說，這兩類類團也都屬于發(fā)展階段，具有較大的潛力，是目前“數(shù)字福建”政策結(jié)構(gòu)中急需優(yōu)化與完善的部分。

圖1 “數(shù)字福建”政策類團戰(zhàn)略坐標

第四象限(左下角)：“基礎(chǔ)設(shè)施”“信息網(wǎng)絡(luò)經(jīng)濟”“其他”。在此象限中的類團，密度和向心度都較低，開放性較差且不穩(wěn)定，可能是突發(fā)的政策類團。為改善“基礎(chǔ)設(shè)施”“信息網(wǎng)絡(luò)經(jīng)濟”，福建省政府已經(jīng)將其列為《福建省“十三五”數(shù)字福建專項規(guī)劃》的主要任務(wù)，但由于過去的政策支持較少，導(dǎo)致這兩個類團無論是穩(wěn)定性亦或是開放性方面都有待進一步提高。

表4 各政策類團的網(wǎng)絡(luò)密度

(六)社會網(wǎng)絡(luò)分析

社會網(wǎng)絡(luò)圖譜可以反映各個主題詞在整個主題詞該網(wǎng)絡(luò)中的“地位”，其中“中心性”是社會網(wǎng)絡(luò)分析的重要指標。[27]本文通過絕對點度中心度(Centrality)和中介中心度(Betweenness)來反映主題詞的“中心性”，然后再用主題詞來表達政策類團的結(jié)構(gòu)特點與影響力。

將主題詞Salton共詞矩陣輸入Ucinet6，分別生成絕對點度中心度(圖2)和中介中心度(圖3)的社會網(wǎng)絡(luò)圖譜。由于主題詞較多，因此只顯示關(guān)系度較為緊密(S>0.4)的社會網(wǎng)絡(luò)分析圖。

圖2 “數(shù)字福建”政策主題詞社會網(wǎng)絡(luò)圖譜(絕對點度中心度)

圖3 “數(shù)字福建”政策主題詞社會網(wǎng)絡(luò)圖譜(中介中心度)

圖2中節(jié)點大小為絕對點度中心度，節(jié)點越大說明該主題詞越處于網(wǎng)絡(luò)的中心位置，影響力更強；反之，節(jié)點越小說明其處于網(wǎng)絡(luò)邊緣，影響力有限。[28]從圖2中可知，除小部分(如“合同”“阿里巴巴”“專區(qū)”等)詞外，大部分主題詞的絕對點度中心度都較高，說明目前“數(shù)字福建”政策文件間的銜接性、關(guān)聯(lián)性都較為緊密，各個政策文件之間具有較強的相關(guān)性；具體地看(表5)，“平臺”“資源”“建設(shè)”等主題詞的絕對點度中心度位居所有主題詞的前列，表明這些主題詞所反映的政策類團對當前“數(shù)字福建”建設(shè)具有較大的影響力，同時，這些主題詞之間的絕對點度中心度值的差距較小，表明目前“數(shù)字福建”建設(shè)是一個龐大的工程，涉及范圍較廣，與眾多領(lǐng)域相關(guān)。

表5 主題詞絕對點度中心度排序(前16)

與圖2類似，圖3中的節(jié)點大小表達的是各個主題詞的中介中心度大小，節(jié)點越大說明該節(jié)點的資源控制能力越強[29]，在政策中反映為對其他政策的支持與引導(dǎo)作用。從圖2中可知，“資源”“平臺”“服務(wù)”等主題詞的節(jié)點依舊較大，表明這些主題詞是“數(shù)字福建”政策結(jié)構(gòu)的基礎(chǔ)，也表明其所反映的政策類團是最為基礎(chǔ)的類團，再結(jié)合表4可知，此類主題詞大部分都包含在“宏觀指導(dǎo)”“網(wǎng)絡(luò)信息標準化”類團中，體現(xiàn)了這兩個類團的基礎(chǔ)性作用；與圖2相比，“教育廳”“政務(wù)”“信息化”“標準”等主題詞的中介中心度大小與絕對點度中心度相比都有明顯的縮小，表明此類主題詞所涉及的類團較為依賴其他政策類團。

進一步從類團角度分析，結(jié)合表3政策類團的主題詞，用類團內(nèi)每個主題詞的平均絕對點度中心度來反映“數(shù)字福建”政策類團的影響力，并對其進行排序(表6)。

表6 政策類團影響力排序

由表7可知，“宏觀引導(dǎo)”在“數(shù)字福建”政策中有最大的影響力，處于“數(shù)字福建”政策結(jié)構(gòu)的核心位置；“網(wǎng)絡(luò)標準信息化”“教育培訓(xùn)”“政務(wù)信息共享”和“平潭實驗區(qū)”都有著較大的影響力，也是目前“數(shù)字福建”政策的重點工程；相對而言，“基礎(chǔ)設(shè)施”“信息網(wǎng)絡(luò)經(jīng)濟”是政策薄弱點，尚待改善。

四、政策類團優(yōu)先級

本文通過類團分析，對“數(shù)字福建”政策進行了類團劃分，同時，利用戰(zhàn)略坐標圖將其分成四個大類(四個象限)；通過社會網(wǎng)絡(luò)分析，進一步挖掘出政策類團的影響力、政策結(jié)構(gòu)特征與薄弱點。綜合前文分析，提出進一步完善和優(yōu)化“數(shù)字福建”的政策類團優(yōu)先級：

(1)第一優(yōu)先級：包含“宏觀引導(dǎo)”“網(wǎng)絡(luò)信息標準化”，它們是“數(shù)字福建”政策結(jié)構(gòu)的基礎(chǔ)性類團，對其他類團起到重要的指導(dǎo)性作用；從圖1可知，“宏觀指導(dǎo)”“網(wǎng)絡(luò)信息標準化”都位于戰(zhàn)略坐標圖的第三象限，具有較大的潛力，同時，結(jié)合表6，對這兩個政策類團進行優(yōu)化與升級能最大程度完善“數(shù)字福建”的政策結(jié)構(gòu)，有利于為其他政策類團提供指導(dǎo)和標準，是“數(shù)字福建”建設(shè)的基礎(chǔ)性工程。

(2)第二優(yōu)先級：包含“信息網(wǎng)絡(luò)經(jīng)濟”“基礎(chǔ)設(shè)施”。這兩個類團位于戰(zhàn)略坐標圖的第四象限，是目前“數(shù)字福建”建設(shè)的重點內(nèi)容?！靶畔⒕W(wǎng)絡(luò)經(jīng)濟”是隨著電子商務(wù)的發(fā)展而逐漸壯大的，導(dǎo)致其起步相比其他政策類團略晚；“基礎(chǔ)設(shè)施”隨著數(shù)字福建基礎(chǔ)設(shè)施建設(shè)的不斷完善，其他信息化需求的不斷增加，其在政策結(jié)構(gòu)中領(lǐng)先優(yōu)勢已逐步被其他類團所“蠶食”。這兩個類團成為目前“數(shù)字福建”政策結(jié)構(gòu)中最為薄弱的環(huán)節(jié)。從兩個類團的中介中心度可知，他們較為依賴其他政策類團；從表6中可知，它們目前的影響力也較弱，無法為其他政策類團提供有力的支持，但無論是“信息網(wǎng)絡(luò)經(jīng)濟”中涉及的電子商務(wù)，還是“基礎(chǔ)設(shè)施”中涉及的城市智能化的內(nèi)容，都與福建省經(jīng)濟息息相關(guān)，因此，改善與優(yōu)化這兩個類團自然成為提升“數(shù)字福建”戰(zhàn)略成果的重要手段。

(3)第三優(yōu)先級：包含“教育培訓(xùn)”“平潭實驗區(qū)”“政務(wù)信息共享”三個政策類團。平潭綜合實驗區(qū)是加強兩岸信息化合作的重要平臺，是數(shù)字福建建設(shè)的一個重點領(lǐng)域；“教育培訓(xùn)”側(cè)重于信息化相關(guān)的支持政策，如高校電子商務(wù)教學(xué)實踐等；“政務(wù)信息共享”已逐步從理論走向?qū)嶋H，越來越多的綜合平臺、共享平臺在相關(guān)政策的扶持下落地。該優(yōu)先級中類團的特點是，已經(jīng)是“數(shù)字福建”建設(shè)的熱點話題(圖1)且也具有一定的影響力(表6)，是目前“數(shù)字福建”政策結(jié)構(gòu)中較為穩(wěn)定部分，只需要循序漸進地發(fā)展即可。

(4)第四優(yōu)先級：僅包含“其他”。此類類團影響力較小，是目前不重要或“數(shù)字福建”建設(shè)中尚未被挖掘的“藍海”，由于資源有限，在無突發(fā)事件或重大社會變化的情況下，其優(yōu)先級一般都最低。

五、結(jié)語

本文運用共詞分析法對“數(shù)字福建”政策現(xiàn)狀與結(jié)構(gòu)進行了研究。通過對“數(shù)字福建”相關(guān)政策文件的分詞找出主題詞，然后利用LDA主題模型來篩選有意義的主題詞作為本文的研究對象。構(gòu)建Salton共詞矩陣，并通過聚類得到8個“數(shù)字福建”的政策類團，分別是：宏觀引導(dǎo)型政策、網(wǎng)絡(luò)信息標準化政策、教育培訓(xùn)政策、政務(wù)信息共享政策、平潭實驗區(qū)相關(guān)政策、基礎(chǔ)設(shè)施建設(shè)政策、信息網(wǎng)絡(luò)經(jīng)濟政策和其他。更進一步，對各個類團進行戰(zhàn)略坐標圖分析，得到各個政策類團的特征與結(jié)構(gòu)。緊接著進行社會網(wǎng)絡(luò)分析，用中心度來反映各個政策類團的影響力情況。最后，綜合前文研究明確未來“數(shù)字福建”政策完善的側(cè)重點為“宏觀引導(dǎo)”“網(wǎng)絡(luò)信息標準化”，為“數(shù)字福建”建設(shè)提供指導(dǎo)方向。

本文將共詞分析方法引入“數(shù)字福建”的研究中，一方面對“數(shù)字福建”的政策現(xiàn)狀與結(jié)構(gòu)進行研究，填補了該領(lǐng)域的空白；另一方面，為進一步研究“數(shù)字福建”提供了新的定量方法。本文的不足之處在于，LDA主題模型雖然能篩選出主題詞，但無法排除近義詞，導(dǎo)致在聚類后需要對近義詞等進行人工排除。未來可對“其他”政策類團進行更為系統(tǒng)的研究，為提升“數(shù)字福建”尋找新的落腳點。

注釋：

[1] 楊 林:《“數(shù)字福建”及其標準化進展》,《標準科學(xué)》2016年第9期。

[2] 游憲生:《“數(shù)字福建”縱橫談》,《發(fā)展研究》2000年第11期。

[3] 余鯤鵬、郭東強、郭建宏:《“互聯(lián)網(wǎng)+”背景下信息化3.0的建設(shè)機制思考——以“數(shù)字福建”建設(shè)為例》,《長春大學(xué)學(xué)報》2017年第5期。

[4] Caragliu A., Bo C. F. D., “Do Smart Cities Invest in Smarter Policies? Learning From the Past, Planning for the Future”,SocialScienceComputerReview, vol. 34, no. 6 ( 2016), pp. 305-319.

[5] Codagnone C., Savoldelli A., Savoldelli A., “Institutional isomorphism, policy networks, and the analytical depreciation of measurement indicators”,TelecommunicationsPolicy, vol. 39, no. 3 ( 2015), pp. 305-319.

[6] Praharaj S., Han J. H., Hawken S., “Urban innovation through policy integration: Critical perspectives from 100 smart cities mission in India”,CityCulture&Society, vol. 12, no. 6 ( 2018), pp. 35-43.

[7] 謝麗彬:《移動互聯(lián)下“數(shù)字福建”政府服務(wù)創(chuàng)新研究》,《湖南科技學(xué)院學(xué)報》2017年第7期。

[8] 王愛萍:《關(guān)于進一步推進數(shù)字福建建設(shè)幾點思考》,《福建電腦》2014年第12期。

[9] 周功元:《社會資本參與數(shù)字福建建設(shè)影響因素研究及政策建議》,《商》2015年第46期。

[10] 傅 柱、王曰芬：《共詞分析中術(shù)語收集階段的若干問題研究》,《情報學(xué)報》2016年第7期.

[11] 路 青、靖彩玲、范少萍:《基于互信息的共詞分析方法研究》,《情報科學(xué)》2016年第4期。

[12] 孫海生:《連邊社團檢測算法對共詞分析聚類結(jié)果的改進研究》, 《圖書情報工作》 2016年第10期。

[13] 劉孝美、羅碧如、舒 敏等:《我國重癥手足口病研究現(xiàn)狀的共詞分析》,《現(xiàn)代預(yù)防醫(yī)學(xué)》2017年第15期。

[14] 蘇瑞波:《基于共詞分析的廣東與江蘇、浙江、北京、上海支持眾創(chuàng)空間政策的對比分析》,《科技管理研究》2017年第13期。

[15] Callon M., Courtial J. J. P., Turner W A, et al: “From translations to problematic networks - an introduction to co-word analysis. Soc Sci Inf Sur Les Sci Soc”,SocialScienceInformation, vol. 22, no. 2 ( 1983), pp.191-235.

[16] 梁 帥、高繼平:《F5000論文評審意見的優(yōu)秀論文特征識別》,《科學(xué)學(xué)研究》2017年第3期。

[17][20] 鐘偉金、李 佳:《共詞分析法研究(一)——共詞分析的過程與方式》,《情報雜志》2008年第5期。

[18] Zhu M., Zhang X., Wang H.,ALDABasedModelforTopicEvolution:EvidencefromInformationScienceJournals, International Conference on Modeling Simulation and Optimization Technologies and Applications, 2016, pp.87-92.

[19] 王玉林、王忠義:《細粒度語義共詞分析方法研究》,《圖書情報工作》2014年第21期。

[21] Callon M., Courtial J. P., Laville F., “Co-word analysis as a tool for describing the network of interactions between basic and technological research: The case of polymer chemsitry”,Scientometrics, vol. 22, no. 1 ( 1991), pp.155-205.

[22][23][26] 鐘偉金、李 佳:《共詞分析法研究(二)——類團分析》,《情報雜志》2008年 第6期。

[24] Law J., Bauin S., Courtial J. P., et al, “Policy and the mapping of scientific change: A co-word analysis of research into environmental acidification” ,Scientometrics, vol. 14, no. 3 (1988), pp. 251-264.

[25] Leskovec, Jure, Kleinberg, et al,Graphsovertime:densificationlaws,shrinkingdiametersandpossibleexplanations, Kdd, 2005,pp.177-187.

[27] Wasserman S., Faust K., “Social network analysis: Methods and applications”,ContemporarySociology, vol. 91, no. 435 ( 2016), pp.219-220.

[28] Borgatti S. P., Everett M. G., Freeman L. C., “UCINET for Windows: Software for social network analysis”,Connections, vol. 14, no. 12 ( 1992), pp.12-15.

[29] 茨韋特瓦, 庫茲涅索夫:《社會網(wǎng)絡(luò)分析：方法與實踐》, 王 薇譯，北京: 機械工業(yè)出版社, 2013年, 第58頁。