關(guān)鍵詞： 大數(shù)據(jù)政策； 政策生態(tài)鏈； 科學(xué)數(shù)據(jù)； 大模型； 政策再生； 政策計量

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．１０．００４

〔中圖分類號〕Ｇ２０３ 〔文獻標(biāo)識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２４） １０－００４１－１１

大模型即規(guī)?；?、智能化、自動化的深度學(xué)習(xí)模型， 是“大數(shù)據(jù)＋大算力＋強算法” 相結(jié)合的產(chǎn)物， 已經(jīng)成為一種新的時代趨勢并引起多國關(guān)注。大模型技術(shù)加速了大數(shù)據(jù)生產(chǎn)， 在數(shù)據(jù)量呈幾何式增長的背景下， 大數(shù)據(jù)成為重要的戰(zhàn)略要素， 得到多國重視并頒發(fā)多項政策， 《國家大數(shù)據(jù)戰(zhàn)略綱要》《科學(xué)數(shù)據(jù)管理辦法》等在大數(shù)據(jù)作為新型生產(chǎn)要素輔助科技戰(zhàn)略布局的時代背景下， 用于規(guī)范大數(shù)據(jù)開放、共享、治理等的大數(shù)據(jù)相關(guān)政策如雨后春筍般涌出［１］ 。從大數(shù)據(jù)政策生態(tài)角度看， 數(shù)據(jù)是基礎(chǔ)、政策是保障， 而技術(shù)則為動力， 諸如ＣｈａｔＧＰＴ、ＬＬａＭＡ 等大模型技術(shù)［２］ 不僅催生了大數(shù)據(jù)的生成新方式， 其更高效、更強大、更準(zhǔn)確的性能可應(yīng)對更復(fù)雜、更龐大的應(yīng)用場景， 為政策生態(tài)提供了“工具紅利”， 注入了新鮮血液， 使在大數(shù)據(jù)政策生態(tài)內(nèi)部形成人智融合的大數(shù)據(jù)政策生態(tài)鏈成為可能。

無論大數(shù)據(jù)發(fā)展戰(zhàn)略亦或是人工智能發(fā)展規(guī)劃，都對大數(shù)據(jù)政策生態(tài)提出了前所未有的要求。然而鮮有學(xué)者將大模型技術(shù)應(yīng)用于大數(shù)據(jù)政策場景， 以解決數(shù)智化時代的新問題。即便是有一些研究也多集中在智能化推動政府治理變革［３］ 、建設(shè)類案檢索智慧平臺［４］ 、公共政策知識圖譜［５］ 、人工智能參與公共政策執(zhí)行［６］ 等方面。大模型技術(shù)如何賦能大數(shù)據(jù)政策生態(tài)鏈、改善大數(shù)據(jù)政策生態(tài)鏈動力模式，分析人智融合在大數(shù)據(jù)政策生態(tài)鏈演化中如何發(fā)揮作用， 成為當(dāng)今亟須解決的問題。面對上述形勢，本文基于大模型時代大數(shù)據(jù)政策新特點， 結(jié)合生態(tài)學(xué)理論、大數(shù)據(jù)生命周期理論與政策生命周期理論，闡述了大數(shù)據(jù)政策生態(tài)鏈內(nèi)涵， 以科學(xué)數(shù)據(jù)政策為例， 在節(jié)點層、鏈條層、網(wǎng)絡(luò)層總結(jié)出大數(shù)據(jù)政策生態(tài)鏈面臨的新挑戰(zhàn)， 針對新時代、新特點和新挑戰(zhàn)， 在政策體系、人才培養(yǎng)、技術(shù)融合、平臺建造４ 個層面推理出大數(shù)據(jù)政策生態(tài)鏈的優(yōu)化策略， 旨在提升大數(shù)據(jù)政策效能， 繼而促進大數(shù)據(jù)共享。

1大數(shù)據(jù)政策生態(tài)鏈

生態(tài)（Ｅｃｏｌｏｇｙ）是研究生物與環(huán)境之間相互關(guān)系和生物群落動態(tài)變化的科學(xué)［７］ 。它不僅研究生態(tài)鏈、生態(tài)群落、生態(tài)圈和生態(tài)系統(tǒng)的結(jié)構(gòu)、功能和演化， 還關(guān)注生物與環(huán)境之間的相互作用影響， 旨在理解多主體、多客體與環(huán)境之間的復(fù)雜關(guān)系， 以便幫助人類理解、管理環(huán)境， 為制定更加合理的生態(tài)政策提供科學(xué)依據(jù)［８－９］ 。如圖１ 所示， 生態(tài)演化并不囿于生物學(xué)亦或是自然學(xué)科領(lǐng)域， 其技術(shù)逐漸現(xiàn)代化、應(yīng)用逐漸廣泛化， “生態(tài)” 在社會學(xué)、政治學(xué)、經(jīng)濟學(xué)、情報學(xué)等領(lǐng)域的新理解， 促使其成為一門跨學(xué)科、跨領(lǐng)域的研究［１０］ 。社會生態(tài)涉及政治、經(jīng)濟、文化、社會公平、社會行為、資源利用等多個方面， 著眼于人與環(huán)境之間的關(guān)聯(lián)、影響與依存， 強調(diào)社會和環(huán)境的整體性與不可分離性，倡導(dǎo)建設(shè)的和諧性、共生性、綠色性與可持續(xù)發(fā)展性［１１－１２］ 。政治生態(tài)指政治主體在政治環(huán)境下的生存方式、政治習(xí)性和生存與發(fā)展的狀態(tài)， 是一個涉及制度、經(jīng)濟、文化等多個領(lǐng)域， 包括政治關(guān)系、政治行為、政治監(jiān)督等多個維度， 涵蓋政治主體、權(quán)力運行和政治環(huán)境等多個層面交織互動的復(fù)雜系統(tǒng)［１３－１４］ 。政治生態(tài)內(nèi)涵的外延催生了政策生態(tài)。政策生態(tài)是政策、人員、環(huán)境三大生態(tài)因子良性互動的新機制［１５－１６］ ， 著眼于政策過程中各主體間關(guān)系［１７］ ， 聚焦于動態(tài)平衡、多元共治與自我創(chuàng)新［１８］ ，強調(diào)的是多主體和諧共生的交互式發(fā)展［１９］ ， 是一項政策的規(guī)劃、決策、執(zhí)行、評估與終結(jié)［２０］ ， 是政策自發(fā)調(diào)整、修正完善、循環(huán)更新的類生態(tài)模式［２１］ 。大數(shù)據(jù)政策生態(tài)作為政策生態(tài)的子系統(tǒng)， 是以大數(shù)據(jù)政策為核心， 結(jié)合政策環(huán)境、主體人員構(gòu)成的多元協(xié)同的復(fù)雜動態(tài)系統(tǒng)。大數(shù)據(jù)政策生態(tài)鏈?zhǔn)谴髷?shù)據(jù)政策生態(tài)的下級單元， 是以政策為媒介連接政策場進而形成的政策流的鏈條。大數(shù)據(jù)政策生態(tài)鏈作為大數(shù)據(jù)生態(tài)鏈的映射鏈［２２－２３］ ， 貫穿大數(shù)據(jù)全生命周期， 串聯(lián)政策頒發(fā)、傳遞、接受、反饋、改革眾多政策節(jié)點。

綜合以上分析， 本文認為大數(shù)據(jù)政策生態(tài)鏈（Ｂｉｇ Ｄａｔａ Ｐｏｌｉｃｙ Ｅｃｏｌｏｇｉｃａｌ Ｃｈａｉｎ， ＢＤＰＥＣ）是生態(tài)學(xué)、社會生態(tài)、政治生態(tài)交叉子生態(tài)的下級單元，是大數(shù)據(jù)背景下衍生貫穿于大數(shù)據(jù)生產(chǎn)、傳播、消費、分解、再生全數(shù)據(jù)生命周期， 串聯(lián)政策頒發(fā)、傳遞、接受、反饋、改革眾多政策節(jié)點， 以配置大數(shù)據(jù)資源、監(jiān)管大數(shù)據(jù)生態(tài)活動為工作內(nèi)容， 以控制數(shù)據(jù)質(zhì)量、保障數(shù)據(jù)安全、促進數(shù)據(jù)共享為目標(biāo)的， 具有互動性、循環(huán)性、價值性、權(quán)威性、合法性、專有性、科學(xué)性的雙螺旋鏈?zhǔn)缴鷳B(tài)結(jié)構(gòu)。

２ＢＤＰＥＣ 雙螺旋結(jié)構(gòu)分析

２.１節(jié)點的構(gòu)成

對于ＢＤＰＥＣ 節(jié)點的劃分， 如圖２ 所示， 從政策生命周期視角［２４］ 可以將其劃分為大數(shù)據(jù)政策生產(chǎn)者、運營者、接受者、分解者， 從大數(shù)據(jù)生命周期的視角［２５］ 可以將其劃分為大數(shù)據(jù)生產(chǎn)政策、傳播政策、消費政策、分解政策、再生政策， 且兩種鏈條之間相互交織、映射。具體分析如下： ①政策生命周期視角。生產(chǎn)者由政府、專家、大數(shù)據(jù)機構(gòu)多方協(xié)同， 政府部門保障了政策的權(quán)威性與合法性，專家的參與保障了政策的科學(xué)性， 大數(shù)據(jù)機構(gòu)的參與保障了政策制定的民主性。運營者主要由政府部門構(gòu)成， 負責(zé)具體政策的執(zhí)行， 確保政策價值的實現(xiàn)。大數(shù)據(jù)人員、平臺、中介等主體在數(shù)據(jù)流轉(zhuǎn)過程中依據(jù)相關(guān)政策與準(zhǔn)則的具體規(guī)范進行數(shù)據(jù)交易與共享等活動， 組成接受者。大數(shù)據(jù)政策下發(fā)后，分解者對政策內(nèi)容進行解讀， 并反饋大數(shù)據(jù)政策文本與現(xiàn)實問題的不對稱［２６］ ， 為政策改革提供建議。②數(shù)據(jù)生命周期視角。大數(shù)據(jù)生產(chǎn)階段的大數(shù)據(jù)確權(quán)政策保障生產(chǎn)者主權(quán)， 傳播階段的數(shù)據(jù)共享政策促進數(shù)據(jù)流轉(zhuǎn)， 消費階段的數(shù)據(jù)交易政策促進數(shù)據(jù)使用， 分解階段的數(shù)據(jù)分解政策保障數(shù)據(jù)回籠， 再生階段的數(shù)據(jù)再生政策煥發(fā)數(shù)據(jù)新生。研究認為，以學(xué)界關(guān)于數(shù)據(jù)生命周期和政策生命周期等研究為基礎(chǔ)， 針對大數(shù)據(jù)政策內(nèi)涵， 將“大數(shù)據(jù)政策生態(tài)鏈節(jié)點” 作為上述兩種鏈條的交融概念。

２.２節(jié)點間的關(guān)聯(lián)關(guān)系

各節(jié)點鏈?zhǔn)较嗦?lián)。大數(shù)據(jù)政策生產(chǎn)者提供政策規(guī)范相關(guān)人員行為， 運營者將生產(chǎn)者產(chǎn)出的政策按類發(fā)布， 接受者在應(yīng)用大數(shù)據(jù)過程中遵守政策， 分解者對政策進行細致解讀并為接受者提供政策咨詢服務(wù)。在數(shù)據(jù)生命周期角度看大數(shù)據(jù)生產(chǎn)政策、傳播政策、消費政策、分解政策、再生政策以數(shù)據(jù)生命周期為紐帶相關(guān)聯(lián)。

各節(jié)點流轉(zhuǎn)互動。生產(chǎn)者是大數(shù)據(jù)政策的源出方， 運營者起到橋梁紐帶作用， 從生產(chǎn)者手中獲取政策進行傳遞。接受者遵循生產(chǎn)者所發(fā)布的政策，并向其提出反饋參與政策的制定， 分解者對生產(chǎn)者產(chǎn)出的政策進行解讀， 向接受者提供政策咨詢服務(wù)，并將政策落實情況反饋給運營者， 此外還會向生產(chǎn)者提供政策改革建議。

各節(jié)點相互轉(zhuǎn)化。政府部門參與政策的制定與運營實現(xiàn)大數(shù)據(jù)政策生產(chǎn)者向大數(shù)據(jù)政策運營者的轉(zhuǎn)化， 大數(shù)據(jù)機構(gòu)、科研人員、企業(yè)參與政策民主制定實現(xiàn)大數(shù)據(jù)政策接受者向大數(shù)據(jù)政策生產(chǎn)者轉(zhuǎn)化， 政策咨詢機構(gòu)對政策解讀為其他機構(gòu)提供咨詢服務(wù)的同時為相關(guān)部門提供改革建議， 實現(xiàn)大數(shù)據(jù)政策分解者向大數(shù)據(jù)政策生產(chǎn)者轉(zhuǎn)化。

３“大模型”環(huán)境對ＢＤＰＥＣ發(fā)展的要求

大模型環(huán)境與大數(shù)據(jù)政策生態(tài)鏈相輔相成， 大模型技術(shù)優(yōu)化大數(shù)據(jù)政策生態(tài)鏈的同時， 也對其發(fā)展提出了新要求。大模型環(huán)境存在技術(shù)風(fēng)險、資源風(fēng)險、倫理風(fēng)險等多種風(fēng)險。大模型技術(shù)風(fēng)險是指大模型所使用的算法模型可能存在不穩(wěn)定的情況影響項目運行。大模型資源風(fēng)險是指模型的運行依賴大量的數(shù)據(jù)資源， 但若存在數(shù)據(jù)缺失、數(shù)據(jù)劣質(zhì)等情況， 會影響模型訓(xùn)練結(jié)果。此外， 大模型還受儲存資源、計算設(shè)備等硬件的影響。大模型倫理風(fēng)險指政策主體的倫理人格、倫理責(zé)任意識、人文素養(yǎng)、科技素養(yǎng)等可能存在與技術(shù)發(fā)展不匹配的情況。大模型環(huán)境風(fēng)險對ＢＤＥＰＣ 的節(jié)點、鏈條與網(wǎng)絡(luò)提出了“強節(jié)點、長鏈條、密網(wǎng)絡(luò)” 的要求。具體分析如下： ①自然生態(tài)的平衡得益于物種多樣性， 生態(tài)節(jié)點能力弱會導(dǎo)致生態(tài)斷層， 進而造成生態(tài)體系崩潰， 因此大數(shù)據(jù)政策生態(tài)強有力的節(jié)點對于系統(tǒng)的穩(wěn)定具有促進作用， 可以應(yīng)對大模型環(huán)境潛在風(fēng)險。從數(shù)據(jù)生命周期視角看， 政策的完善可為大數(shù)據(jù)生產(chǎn)、傳播、消費、分解、再生保駕護航； 從政策生命周期視角看， 高素養(yǎng)人員具有更高的能力應(yīng)對頒發(fā)、執(zhí)行、接收、改革等階段風(fēng)險。②生態(tài)鏈越長，主體之間、政策之間、主體與政策之間交互越多，關(guān)系越復(fù)雜， 各政策的維度與層次也隨之增加。維度與層次的增加使政策體系更加完善。政策生態(tài)鏈短易造成鏈條斷裂， 不能形成完整閉環(huán)回路， 且政策的缺失本身便是一種潛在風(fēng)險。③大數(shù)據(jù)政策多重網(wǎng)由發(fā)文合作網(wǎng)與發(fā)文引用網(wǎng)組成。發(fā)文合作網(wǎng)指的是多部門共同合作頒發(fā)同一項政策， 發(fā)文引用網(wǎng)指文中出現(xiàn)貫徹落實等明確引用某項政策。高密度網(wǎng)絡(luò)主體間合作更多、協(xié)同性更強， 在應(yīng)對風(fēng)險時， 可以資源共享得到資源補給， 多樣化主體更容易適應(yīng)環(huán)境變化， 同時多鏈條可分擔(dān)風(fēng)險從而降低整體風(fēng)險的影響。

４大模型環(huán)境下ＢＤＰＥＣ發(fā)展問題域——以科學(xué)數(shù)據(jù)政策為例

科學(xué)數(shù)據(jù)隸屬于大數(shù)據(jù)， 是技術(shù)進步與經(jīng)濟發(fā)展的先導(dǎo)［２７］ ?？茖W(xué)數(shù)據(jù)政策是大數(shù)據(jù)背景下衍生的以促進科學(xué)數(shù)據(jù)治理為目標(biāo)的， 以科學(xué)數(shù)據(jù)管控規(guī)制為呈現(xiàn)方式的科技政策［２８－２９］ 。科學(xué)數(shù)據(jù)政策生態(tài)鏈可以看作是ＢＤＥＰＣ 子系統(tǒng)， ＢＤＥＰＣ 是其上位集。借鑒已有政策計量數(shù)據(jù)樣本收集方法［３０－３１］ ，通過國務(wù)院及我國３１個省級行政區(qū)劃單位政府門戶網(wǎng)站， 以“科學(xué)數(shù)據(jù)” 為檢索詞進行政策主題檢索并篩選， 收集自大數(shù)據(jù)元年（２０１３ 年）至２０２３年與科學(xué)數(shù)據(jù)緊密相關(guān)的政策３９ 項， 部分政策如表１所示。本研究以科學(xué)數(shù)據(jù)政策為例， 對ＢＤＥＰＣ 的節(jié)點、鏈條、網(wǎng)絡(luò)進行分析， 探究得出科學(xué)數(shù)據(jù)政策生態(tài)鏈發(fā)展存在節(jié)點弱、鏈條短、網(wǎng)絡(luò)疏等問題，與大模型環(huán)境要求的“強節(jié)點、長鏈條、密網(wǎng)絡(luò)”的新要求相悖。

４.１節(jié)點弱

從數(shù)據(jù)生命周期視角對ＢＤＥＰＣ節(jié)點進行劃分，并利用ＮＶｉｖｏ軟件對政策條款進行編碼標(biāo)注， 統(tǒng)計各政策節(jié)點占比情況。３９項政策中， 與科學(xué)數(shù)據(jù)治理不同階段密切相關(guān)的政策編碼８２７條， 由圖３可知， 科學(xué)數(shù)據(jù)生產(chǎn)政策１６１條， 占比１９.４７％； 傳播政策４４４ 條， 占比５３.６９％； 消費政策１４０條，占比１６.９３％； 分解政策４４條，占比５.３２％；再生政策３８條，占比４.５９％。統(tǒng)計得出政策生態(tài)鏈各節(jié)點占比不均衡，現(xiàn)有政策多聚焦于科學(xué)數(shù)據(jù)的傳播共享， 對科學(xué)數(shù)據(jù)的分解再利用的關(guān)注較少， 即數(shù)據(jù)分解政策、數(shù)據(jù)再生政策等節(jié)點能力較弱。

從政策生命周期視角看。①由圖３ 可知， 目前科學(xué)數(shù)據(jù)政策共３９ 項， 近年來新發(fā)政策數(shù)量下降，科學(xué)數(shù)據(jù)政策生產(chǎn)動力漸弱。地方層級政策１７ 項，雖政策發(fā)文主體眾多， 但各地參差且有多地未制定科學(xué)數(shù)據(jù)專項政策。已發(fā)文地區(qū)僅云南、四川、甘肅等地政策數(shù)目大于等于兩項。國家層級科學(xué)數(shù)據(jù)政策２２ 項， 中國科協(xié)參與程度較高， 共參與４ 項政策制定。綜合以上分析可以看出， 科學(xué)數(shù)據(jù)政策生產(chǎn)者節(jié)點活躍性有待提高。②科學(xué)數(shù)據(jù)政策具有強專業(yè)性， 但科學(xué)數(shù)據(jù)政策由生產(chǎn)者印發(fā)給相關(guān)部門， 即政府是科學(xué)數(shù)據(jù)政策運營的主體， 科學(xué)數(shù)據(jù)維度復(fù)雜， 政策與數(shù)據(jù)的相關(guān)性難以判斷， 科學(xué)數(shù)據(jù)政策運營者在各領(lǐng)域的專業(yè)性亟需提升。③科學(xué)數(shù)據(jù)政策接受者以科學(xué)技術(shù)人員、科研院所、高校院所、科學(xué)技術(shù)協(xié)會和科學(xué)技術(shù)社會團體為主。大模型環(huán)境下面臨著新技術(shù)、新倫理的挑戰(zhàn)， 且對大模型驅(qū)動科學(xué)數(shù)據(jù)政策檢索的運用能力有待進一步提高， 易忽略跨地區(qū)、跨學(xué)科、跨領(lǐng)域的政策關(guān)聯(lián)分析。④大數(shù)據(jù)驅(qū)動有效擴展了科學(xué)數(shù)據(jù)的維度。然而， 科學(xué)數(shù)據(jù)政策分解者往往聚焦于單學(xué)科的政策挖掘分析， 阻斷了科學(xué)數(shù)據(jù)政策跨場景流通， 導(dǎo)致對數(shù)據(jù)政策的理解不全面。無論是政策的缺失還是相關(guān)人員素養(yǎng)有待提高， 節(jié)點能力弱將會降低ＢＤＥＰＣ的抗風(fēng)險能力， 無法滿足大模型環(huán)境對ＢＤＥＰＣ 提出的“強節(jié)點” 的要求。

４.２鏈條短

從數(shù)據(jù)生命周期視角出發(fā)， 面向科學(xué)數(shù)據(jù)要素流通應(yīng)構(gòu)建與之匹配的政策生態(tài)鏈， 但對現(xiàn)有３９項科學(xué)數(shù)據(jù)政策的統(tǒng)計分析可知， 目前我國科學(xué)數(shù)據(jù)政策主要集中在數(shù)據(jù)共享、數(shù)據(jù)安全等方面， 且部分政策缺乏具體細則?？茖W(xué)數(shù)據(jù)權(quán)屬政策、科學(xué)數(shù)據(jù)交易政策、科學(xué)數(shù)據(jù)分解政策、科學(xué)數(shù)據(jù)再生政策鮮有提及。明確界定數(shù)據(jù)權(quán)屬、保護數(shù)據(jù)產(chǎn)權(quán)可規(guī)范數(shù)據(jù)市場， 如２０１８年歐盟出臺的《通用數(shù)據(jù)保護條例》就數(shù)據(jù)產(chǎn)權(quán)問題進行了詳細討論。數(shù)據(jù)交易處于政策灰色領(lǐng)域， 致使科學(xué)數(shù)據(jù)集進行黑市交易， 給數(shù)據(jù)治理造成困難?？茖W(xué)數(shù)據(jù)分解再生政策的缺失， 大量數(shù)據(jù)堆積可造成數(shù)據(jù)冗余， 增加數(shù)據(jù)治理成本。

從政策生命周期視角看科學(xué)數(shù)據(jù)政策生態(tài)鏈，政策生產(chǎn)、運行、監(jiān)管、再生都是必不可少的一環(huán)，且科研環(huán)境日益復(fù)雜， 傳統(tǒng)的頒發(fā)執(zhí)行模式難以應(yīng)對日益變化的科學(xué)環(huán)境，也難以適應(yīng)截然不同的地域文化?！翱茖W(xué)數(shù)據(jù)政策再生產(chǎn)” 即“科學(xué)數(shù)據(jù)政策再生” 是“再生政策” 匹配地域、領(lǐng)域特征對“元政策” 清晰且明確的細化。以國務(wù)院２０１８年頒發(fā)的《科學(xué)數(shù)據(jù)管理辦法》為例，陜西省、黑龍江省、甘肅省、云南省、湖北省、安徽省、內(nèi)蒙古自治區(qū)、廣西壯族自治區(qū)、重慶市、江蘇省、山東省、四川省、寧夏回族自治區(qū)等省級行政單位先后頒發(fā)相關(guān)實施細則， 具體政策名稱如表２ 所示。其中， 僅四川省巴中市印發(fā)《巴中市科學(xué)數(shù)據(jù)管理實施方案》、廣安市印發(fā)《廣安市科學(xué)數(shù)據(jù)管理實施細則》， 云南省昆明市印發(fā)《昆明市科學(xué)數(shù)據(jù)管理實施辦法》實現(xiàn)了科學(xué)數(shù)據(jù)政策市級再生產(chǎn)，有效延長了科學(xué)數(shù)據(jù)政策生態(tài)鏈。省級科學(xué)數(shù)據(jù)政策的頒發(fā)延長了科學(xué)數(shù)據(jù)政策生態(tài)鏈， 但仍有多地區(qū)無政策再生環(huán)節(jié)， 再生政策的缺失致使科學(xué)數(shù)據(jù)政策生態(tài)鏈出現(xiàn)短鏈或斷鏈。

各地區(qū)科技基礎(chǔ)條件存在差異、科技資源配置情況不同，省級科學(xué)數(shù)據(jù)政策需要考慮區(qū)域具體科技資源稟賦， 重視地方科技發(fā)展特性、利益差異，均勻配置科技資源， 因此， 更有具體性、針對性。文本相似度計算可用于政策相似度比較， 分析各項政策共性和差異［３２］， 將１３項省級科學(xué)數(shù)據(jù)政策與《科學(xué)數(shù)據(jù)管理辦法》導(dǎo)入自建語料庫， 利用Ｐｙ?ｔｈｏｎ語言Ｇｅｎｓｉｍ 工具中的ＢＯＷ模型、ＴＦ－ＩＤＦ模型和余弦相似度對各政策進行橫向相似度（省與省之間）、縱向相似度（省級政策與《科學(xué)數(shù)據(jù)管理辦法》之間）計算［３３］ ，構(gòu)建相似度矩陣并進行可視化， 從而分析再生鏈發(fā)展?fàn)顩r。研究發(fā)現(xiàn)， 各省政策與《科學(xué)數(shù)據(jù)管理辦法》之間相似度較高， 最高相似度為９７.４１％， 最低值為８１.７８％。相似度過高的地方科學(xué)數(shù)據(jù)政策未做到對國家級政策有針對地、具體地細化， 并不能起到有效延長數(shù)據(jù)政策生態(tài)鏈的作用。圖４ 相似度熱力圖中橫縱相交節(jié)點越大， 表明政策內(nèi)容越相似， 由此可以看出， 多地區(qū)間再生政策相似度過高， 政策相似度超過９０％。政策再生力弱會使得整個國家或地區(qū)的科技缺乏多樣性， 成為科學(xué)數(shù)據(jù)政策生態(tài)鏈形成閉環(huán)回路的阻力。ＢＤＥＰＣ短鏈與斷鏈的情況將會導(dǎo)致政策資源供應(yīng)不足， 使生態(tài)鏈崩潰， 加大大數(shù)據(jù)政策生態(tài)風(fēng)險，進而使大數(shù)據(jù)生產(chǎn)進入停滯， 無法滿足大模型環(huán)境提出的“長鏈條” 要求。

４.３網(wǎng)絡(luò)疏

利用多重網(wǎng)絡(luò)分析方法將各部門與各項政策分別作為節(jié)點， 對收集到的３９項科學(xué)數(shù)據(jù)政策根據(jù)政策間部門合作、相互引用等關(guān)系進行預(yù)處理構(gòu)建關(guān)系矩陣， 并讀入Ｕｃｉｎｅｔ測度國家層、地方層及全局科學(xué)數(shù)據(jù)政策發(fā)文主體網(wǎng)與政策引用網(wǎng)的網(wǎng)絡(luò)密度并進行可視化， 對科學(xué)數(shù)據(jù)政策合作網(wǎng)絡(luò)與引用網(wǎng)絡(luò)進一步分析， 得到科學(xué)數(shù)據(jù)政策生態(tài)網(wǎng)特征。

如圖５所示， 科學(xué)數(shù)據(jù)政策多重網(wǎng)由發(fā)文合作網(wǎng)與發(fā)文引用網(wǎng)組成。發(fā)文合作網(wǎng)指的是多部門共同合作頒發(fā)同一項政策， 發(fā)文引用網(wǎng)指文中出現(xiàn)貫徹落實等明確引用某項政策。將發(fā)文合作網(wǎng)劃分為國家層面合作網(wǎng)與地方層面合作網(wǎng)進行分別分析后再對整體網(wǎng)絡(luò)進行研究。計算得知， 全局科學(xué)數(shù)據(jù)政策合作發(fā)文網(wǎng)的網(wǎng)絡(luò)密度為０.０９５， 網(wǎng)絡(luò)密度值低表明全國范圍內(nèi)相關(guān)部門并未形成緊密聯(lián)系。地方層網(wǎng)絡(luò)密度為０.２２１５， 地方層面跨部門合作較少，還未實現(xiàn)跨區(qū)域合作。國家層科學(xué)數(shù)據(jù)部門合作網(wǎng)絡(luò)密度為０.１４２９，國家層面跨部門合作較多，主要參與部門有國務(wù)院、工信部、國家發(fā)展改革委、教育部、科技部、中國科協(xié)、中國科學(xué)院等?？茖W(xué)數(shù)據(jù)政策引文網(wǎng)絡(luò)密度為０.０４４７，其中國務(wù)院辦公廳出臺的《科學(xué)數(shù)據(jù)管理辦法》被多項政策引用，其他政策聯(lián)系最為緊密、出現(xiàn)頻次最高。綜合以上分析，科研大數(shù)據(jù)政策國家層合作發(fā)文網(wǎng)絡(luò)密度、地方層合作發(fā)文網(wǎng)絡(luò)、整體合作網(wǎng)絡(luò)密度、引文網(wǎng)絡(luò)密度低， 表明部門之間、地區(qū)之間缺乏有效溝通與合作， 降低了整體生態(tài)網(wǎng)中各主體間關(guān)聯(lián)性， 易出現(xiàn)信息孤島。低密度網(wǎng)絡(luò)不利于資金、技術(shù)、人才等資源共享， 在應(yīng)對挑戰(zhàn)時缺乏靈活性與多變性， 不利于風(fēng)險分散， 整體抗風(fēng)險能力受到影響，與大模型環(huán)境對ＢＤＥＰＣ 提出的高密度政策生態(tài)網(wǎng)絡(luò)要求不符。

５ＢＤＰＥＣ優(yōu)化策略

綜合前文分析，針對節(jié)點弱、鏈條短、網(wǎng)絡(luò)疏等問題， 提出共建頂層設(shè)計， 完善政策體系； 轉(zhuǎn)變?nèi)瞬排囵B(yǎng)， 深化人機協(xié)同； 創(chuàng)新數(shù)智賦能， 加強技術(shù)融合； 推動多方聯(lián)動， 筑牢政策平臺等優(yōu)化策略，具體分析如下。

５.１共建頂層設(shè)計，完善政策體系

數(shù)據(jù)資產(chǎn)要素化使數(shù)據(jù)成為科技競爭焦點， 當(dāng)前數(shù)據(jù)治理面臨著數(shù)據(jù)主權(quán)不明、黑市交易泛濫等眾多倫理問題， 政策體系不完善， 多地未形成縱向中央省市三級、橫向全數(shù)據(jù)生命周期的數(shù)據(jù)政策體系， 從而導(dǎo)致節(jié)點能力弱是數(shù)據(jù)政策生態(tài)鏈易斷的弱點， 為此優(yōu)化ＢＤＥＰＣ 首要解決的是應(yīng)建立數(shù)據(jù)政策規(guī)范體系。

以科學(xué)數(shù)據(jù)為例， 科學(xué)數(shù)據(jù)治理要涵蓋數(shù)據(jù)的生產(chǎn)、傳播、消費、分解、再生等各環(huán)節(jié)， 科學(xué)數(shù)據(jù)政策要融入科學(xué)數(shù)據(jù)的全生命周期串聯(lián)中央省市三級。從突破經(jīng)驗空間， 擴展政策維度； 泛化新型倫理， 應(yīng)對政策滯后； 匯聚地方特色， 政策因地制宜３個方面推進大模型賦能科學(xué)數(shù)據(jù)政策體系完善。將大模型技術(shù)應(yīng)用至政策的全生命周期， 著重加強政策協(xié)同生產(chǎn)、加密政策網(wǎng)絡(luò)， 強調(diào)政策適應(yīng)性再生， 合理延長政策生態(tài)鏈條， 避免政策生態(tài)鏈短鏈、斷鏈， 實現(xiàn)科學(xué)數(shù)據(jù)治理的全局性與安全性。第一，突破經(jīng)驗空間， 擴展政策維度： 借助大模型突破經(jīng)驗限制， 基于大規(guī)模數(shù)據(jù)治理相關(guān)數(shù)據(jù)， 學(xué)習(xí)科學(xué)數(shù)據(jù)治理規(guī)律， 進行科學(xué)數(shù)據(jù)政策的自主創(chuàng)新， 擴展科學(xué)數(shù)據(jù)政策生產(chǎn)者思考， 拓寬科學(xué)數(shù)據(jù)政策維度， 使科學(xué)數(shù)據(jù)政策涵蓋更多維度更為趨優(yōu)， 以政策維度的增加來強化政策節(jié)點的效能。第二， 泛化新型倫理， 應(yīng)對政策滯后： 科學(xué)數(shù)據(jù)政策服務(wù)于科技創(chuàng)新活動， 科研環(huán)境日新月異， 政策在所難免滯后于科技的發(fā)展， 給數(shù)據(jù)定價、數(shù)據(jù)交易等活動帶來一定負面影響。大模型的強泛化性對于新數(shù)據(jù)具有較強的適應(yīng)能力， 對未知數(shù)據(jù)進行預(yù)測， 并根據(jù)預(yù)測結(jié)果對大數(shù)據(jù)政策進行擴充與細化。同時大模型泛化能力可預(yù)見未來技術(shù)可能導(dǎo)致的科學(xué)數(shù)據(jù)治理新問題， 提前做好充足準(zhǔn)備， 提高大數(shù)據(jù)政策生態(tài)鏈抵抗未知風(fēng)險的能力。第三， 匯聚地方特色，政策因地制宜： 區(qū)域科技創(chuàng)新活動倒逼科學(xué)數(shù)據(jù)政策體系完善， 但不同省市的科技稟賦、態(tài)勢不同，地方政府制定科學(xué)數(shù)據(jù)政策匯聚地方特色提高政策針對性。因地制宜除了考慮不同地域， 還要充分考慮數(shù)據(jù)生產(chǎn)、傳播、消費、分解的政策差異性， 爭取各階段政策均衡完善， 適應(yīng)科學(xué)數(shù)據(jù)發(fā)展規(guī)律和數(shù)據(jù)分級特征（如數(shù)據(jù)保密分級）。大模型技術(shù)可跨域、跨場景總結(jié)科學(xué)數(shù)據(jù)治理要素， 根據(jù)科學(xué)數(shù)據(jù)治理目標(biāo)， 提出多種科學(xué)數(shù)據(jù)政策方案， 并復(fù)雜關(guān)聯(lián)政策效果提供各種政策的適應(yīng)性分析。

５.２轉(zhuǎn)變?nèi)瞬排囵B(yǎng)，深化人機協(xié)同

數(shù)智化時代傳統(tǒng)的人才培養(yǎng)體系無法滿足復(fù)雜多變的科研環(huán)境， 轉(zhuǎn)變?nèi)瞬排囵B(yǎng)模式，進行人才體系的大模型賦能， 即培養(yǎng)“復(fù)合型ＡＩ 人才”，可提升政策生態(tài)鏈節(jié)點性能，有效解決ＢＤＥＰＣ節(jié)點弱的問題。

以科學(xué)數(shù)據(jù)政策領(lǐng)域為例， “復(fù)合型ＡＩ 人才”不僅應(yīng)了解數(shù)據(jù)科學(xué)領(lǐng)域的進展， 并遵守相應(yīng)的法律規(guī)范與科學(xué)數(shù)據(jù)倫理， 提供符合新時代、新倫理、新要求的政策建議， 除此之外， 因大模型技術(shù)為科學(xué)數(shù)據(jù)政策生態(tài)鏈運行提供了新路徑， 人類的情感價值搭配大模型計算推理能力， 促進從原來的生態(tài)鏈“機器輔助” 模式向“人機協(xié)同” 模式轉(zhuǎn)變， 在人機協(xié)同模式下， 相關(guān)人員可借助高效智能的大模型技術(shù)進行科學(xué)數(shù)據(jù)政策的全生命周期活動。

“人機協(xié)同” 模式下培養(yǎng)“復(fù)合型ＡＩ 人才”，首先應(yīng)建立完善的科學(xué)數(shù)據(jù)政策人才庫并進行精細化管理， 為生態(tài)鏈進化提供人才基礎(chǔ)， 面對智慧涌現(xiàn)，高質(zhì)量人才可鑒別決策的客觀性、合理性、準(zhǔn)確性與完備性； 其次應(yīng)優(yōu)化人才庫結(jié)構(gòu)適應(yīng)大模型環(huán)境，加大模型訓(xùn)練人員、模型維護人員、模型反饋人員比重， 提升大模型運用實力； 最后應(yīng)培養(yǎng)科學(xué)數(shù)據(jù)政策“復(fù)合型ＡＩ 人才” 多模態(tài)對齊訓(xùn)練能力（訓(xùn)練模型科學(xué)數(shù)據(jù)政策知識， 進行有監(jiān)督微調(diào)， 將“通用智慧” 轉(zhuǎn)化為“科學(xué)數(shù)據(jù)政策智慧”）、反饋優(yōu)化能力（利用大模型反饋技術(shù)高精度模擬政策生態(tài)動態(tài)進化過程收集反饋數(shù)據(jù)， 并將反饋數(shù)據(jù)再次輸入模型學(xué)習(xí)進一步優(yōu)化政策結(jié)構(gòu)）、場景轉(zhuǎn)化能力（通過大模型提供的推演數(shù)據(jù)及反饋數(shù)據(jù)， 優(yōu)化決策精度后轉(zhuǎn)換到真實場景中進行試點， 減少試錯成本）、多元協(xié)同能力（能夠跨域、跨場景、跨部門學(xué)習(xí)案例知識， 形成目標(biāo)場景的最優(yōu)科學(xué)數(shù)據(jù)政策設(shè)計， 避免單一知識依賴， 減少決策偏差）?！皬?fù)合型ＡＩ人才” 能提供關(guān)于科學(xué)數(shù)據(jù)交易市場需求與技術(shù)發(fā)展相關(guān)的信息， 為科學(xué)數(shù)據(jù)政策制定帶來新思路、引入新理念。同時，“復(fù)合型ＡＩ 人才” 還可以參與科學(xué)數(shù)據(jù)政策的實施和監(jiān)督， 確保政策有效執(zhí)行， 從而起到優(yōu)化大數(shù)據(jù)政策生態(tài)鏈的目的。

５.３創(chuàng)新數(shù)智賦能，加強技術(shù)融合

技術(shù)是驅(qū)動ＢＤＥＰＣ進化的燃料， 在政策畫像構(gòu)建、政策個性化推薦、政策適應(yīng)性診斷、政策倉儲等方面加強與多模態(tài)大模型技術(shù)深度融合，可有效提升節(jié)點性能， 延長政策鏈條。

以科學(xué)數(shù)據(jù)政策為例， ①在賦能科學(xué)數(shù)據(jù)政策畫像構(gòu)建方面， 針對科學(xué)數(shù)據(jù)場景收集相關(guān)信息，將多個模態(tài)的政策信息映射到同一表示空間中進行融合， 獲取全域知識，比如融合ＡＩＧＣ技術(shù)與自動化識別技術(shù)能夠?qū)崿F(xiàn)政策全要素測度， ＭｉｎｅＣＬＩＰ模型中對比損失函數(shù)計算政策間相似性和差異進行文本分類。此外， 大模型還可對政策摘要， 即讓計算機能夠自動地對長篇政策文本進行摘要， 以快速地了解政策的主要內(nèi)容、理解政策信息， 進而設(shè)置政策標(biāo)簽描述政策畫像。②在賦能科學(xué)數(shù)據(jù)政策個性化推薦方面， 大模型時代的政策檢索與咨詢系統(tǒng)更加注重用戶行為的分析。政策檢索與咨詢系統(tǒng)不再是簡單地基于算法的政策文本推薦， 而是通過深度學(xué)習(xí)等人工智能技術(shù)對用戶行為進行分析。大模型將大量用戶知識與科學(xué)數(shù)據(jù)政策知識存儲在參數(shù)化模型中， 精準(zhǔn)鏈接用戶畫像與政策畫像， 自動地回答用戶的問題， 使得大數(shù)據(jù)政策人員節(jié)點可以更加方便地獲取政策， 從而為其提供更加精準(zhǔn)、個性化的推薦。比如利用ＣＬＩＰ對用戶的政策問題進行分析回答并根據(jù)用戶反饋優(yōu)化政策檢索結(jié)果。此外，多模態(tài)大模型可預(yù)測用戶下步需求方向， 如ＢＥＩＴ－３模型使用多任務(wù)學(xué)習(xí)方法， 將多個科學(xué)數(shù)據(jù)政策檢索歷史一起學(xué)習(xí)， 產(chǎn)生滿足用戶偏好的智能化推薦， 解決信息過載問題。③在賦能科學(xué)數(shù)據(jù)政策適應(yīng)性診斷方面， 多模態(tài)大模型具有強大的表征能力、情景理解能力與邏輯推理能力， 其儲存的大量知識可多維度、全方面、長鏈條地對科學(xué)數(shù)據(jù)政策應(yīng)用場景進行動態(tài)化建模， 并刻畫政策節(jié)點與政策生態(tài)環(huán)境間的交互關(guān)系， 利用“思維鏈” 方法逐步推理科學(xué)數(shù)據(jù)政策與科研大環(huán)境間的因果關(guān)系，從而準(zhǔn)確、客觀、科學(xué)地進行政策改革優(yōu)化以延長政策再生鏈。此外， 大模型具有高度可解釋性， 可改進現(xiàn)有評估方法， 例如通過基于大數(shù)據(jù)共享、交易行為模擬的政策評估模型、基于行為分析的政策跟蹤模型， 提高政策評估結(jié)果的可靠性、穩(wěn)定性，以及評估方法的可擴展性、可移植性。④在賦能科學(xué)數(shù)據(jù)政策智能化倉儲方面， 多模態(tài)大模型從系統(tǒng)視角出發(fā)， 通過自動化數(shù)據(jù)管理技術(shù)與知識鏈接能力跨域調(diào)整科學(xué)數(shù)據(jù)政策庫系統(tǒng)參數(shù)、內(nèi)存參數(shù)、網(wǎng)絡(luò)參數(shù)， 增加并發(fā)連接數(shù)， 提升科學(xué)數(shù)據(jù)政策庫工作效率的同時減少錯誤。例如， 采用模型并行手段， 將大數(shù)據(jù)政策主體網(wǎng)絡(luò)分割并分配到多單元計算， 提升大數(shù)據(jù)政策主體分類速度； 采用知識蒸餾技術(shù)提升大數(shù)據(jù)政策主體識別精度的同時降低時延， 壓縮大數(shù)據(jù)政策主體網(wǎng)絡(luò)參數(shù)； 采用自動化監(jiān)控技術(shù)， 定期進行科學(xué)數(shù)據(jù)政策庫備份和測試， 確保政策庫數(shù)據(jù)完整性； 同時， 智能防火墻技術(shù)可自適應(yīng)網(wǎng)絡(luò)流量變化， 科學(xué)控制訪問權(quán)限， 精準(zhǔn)識別并自動屏蔽病毒。

５.４推動多方聯(lián)動，牢筑政策平臺

彌合“節(jié)點鴻溝”、加大網(wǎng)絡(luò)協(xié)同度、提高網(wǎng)絡(luò)凝聚力最關(guān)鍵的是固化平臺支撐， 主要包括提供門戶服務(wù)、產(chǎn)品服務(wù)、模型服務(wù)、工具服務(wù)等多樣化的服務(wù)形式與敏捷的服務(wù)能力。大模型賦能科學(xué)數(shù)據(jù)政策平臺服務(wù)主要有以下３個方面：

一是跨模態(tài)信息關(guān)聯(lián)構(gòu)建多模態(tài)數(shù)據(jù)基座， 實現(xiàn)跨模態(tài)關(guān)聯(lián)。首先， 采集政策文本、圖像等多模態(tài)數(shù)據(jù)， 并利用自然語言處理等技術(shù)構(gòu)建多模態(tài)模型， 將不同模態(tài)的科學(xué)數(shù)據(jù)政策文本信息進行融合處理； 其次， 將不同模態(tài)的科學(xué)數(shù)據(jù)政策文本信息轉(zhuǎn)換為統(tǒng)一文本格式； 最后， 根據(jù)具體的科研場景選擇基座模型， 滿足特定需求。二是對接科學(xué)數(shù)據(jù)中心， 嵌入專業(yè)知識。數(shù)據(jù)驅(qū)動可解決政策文本收集倉儲的基本問題， 但是面對不同領(lǐng)域科學(xué)數(shù)據(jù)的生產(chǎn)、確權(quán)、交易等具體需求， 需考慮科學(xué)數(shù)據(jù)的分級、結(jié)構(gòu)、屬性等， 單純的數(shù)據(jù)驅(qū)動無法解決，需要融合專業(yè)知識， 即在數(shù)據(jù)大模型架構(gòu)上， 嵌入科學(xué)數(shù)據(jù)領(lǐng)域知識的ＡＩ 模型。例如， 大模型通過建模識別文本中的關(guān)鍵詞和短語， 對科學(xué)數(shù)據(jù)政策文本的語義結(jié)構(gòu)進行深度理解， 進而推斷政策思想，捕捉政策邏輯信息， 以專業(yè)知識強化大數(shù)據(jù)政策平臺建設(shè)， 進而優(yōu)化大數(shù)據(jù)政策生態(tài)鏈。三是多模塊互聯(lián)， 快捷式服務(wù)。服務(wù)平臺多模塊互聯(lián)指通過匹配科研場景、建立用戶連接、融入智能技術(shù)以及提供情境性、個性化的便捷式服務(wù)， 以達到保安全、穩(wěn)質(zhì)量、降成本的目的。大規(guī)模模型模擬人類的認知， 處理復(fù)雜互動性問題， 能夠更好地適應(yīng)大數(shù)據(jù)政策主體交流、互動、整合、轉(zhuǎn)化的應(yīng)用場景。大模型技術(shù)可根據(jù)不同情境提供政策組合， 在面對小樣本、低情景時， 以用戶為中心依賴大模型計算框架， 對當(dāng)前的模塊跨域、跨場景挖掘處理向外拓展和泛化， 提高價值信息并形成有效策略。通過提高大數(shù)據(jù)政策平臺的服務(wù)性來優(yōu)化大數(shù)據(jù)政策生態(tài)鏈。

６研究小結(jié)

本文以“促進數(shù)據(jù)共享” 為導(dǎo)向， 以“科學(xué)數(shù)據(jù)政策” 為依托， 以“大模型環(huán)境” 為支撐， 剖析了ＢＤＥＰＣ內(nèi)涵， 識別出雙螺旋大數(shù)據(jù)政策生態(tài)鏈節(jié)點構(gòu)成，分析了大模型環(huán)境對ＢＤＥＰＣ的新要求與對ＢＤＥＰＣ的可優(yōu)化性，探析了科學(xué)數(shù)據(jù)政策生態(tài)鏈內(nèi)節(jié)點弱、鏈條短、網(wǎng)絡(luò)疏等問題，并依此給出共建頂層設(shè)計， 完善政策體系； 轉(zhuǎn)變?nèi)瞬排囵B(yǎng)，深化人機協(xié)同； 創(chuàng)新數(shù)智賦能，加強技術(shù)融合；推動多方聯(lián)動，筑牢政策平臺等優(yōu)化策略。與已有研究相比， 本文價值貢獻主要體現(xiàn)在以下兩個方面。

１）理論價值。從雙螺旋視角出發(fā)， 研究得出ＢＤＥＰＣ是生態(tài)學(xué)、社會生態(tài)、政治生態(tài)交叉子生態(tài)的下級單元， 是大數(shù)據(jù)背景下衍生貫穿于數(shù)據(jù)生產(chǎn)、傳播、消費、分解、再生全生命周期， 串聯(lián)政策頒發(fā)、傳遞、接受、反饋、改革眾多政策過程，以配置大數(shù)據(jù)資源、監(jiān)管大數(shù)據(jù)生態(tài)活動為工作內(nèi)容， 以控制數(shù)據(jù)質(zhì)量、保障數(shù)據(jù)安全、促進數(shù)據(jù)共享為目標(biāo)， 具有互動性、循環(huán)性、價值性、權(quán)威性、合法性、專有性、科學(xué)性的雙螺旋鏈?zhǔn)缴鷳B(tài)結(jié)構(gòu)，豐富了大數(shù)據(jù)治理與政策生態(tài)的理論體系。

２）實踐價值。①在國家戰(zhàn)略層面， 科學(xué)數(shù)據(jù)作為新型科技生產(chǎn)要素是國家基礎(chǔ)性戰(zhàn)略資源， 完善其政策體系對于國家數(shù)據(jù)資產(chǎn)管理具有重要意義；②在數(shù)據(jù)治理層面，本文可為解決科學(xué)數(shù)據(jù)政策生態(tài)鏈節(jié)點弱、鏈條短、網(wǎng)絡(luò)疏等問題提供參考， 為科學(xué)數(shù)據(jù)治理提供制度保障， 降低數(shù)據(jù)風(fēng)險， 提升創(chuàng)新效率；③在技術(shù)賦能層面， 將大模型技術(shù)與政策生態(tài)深度融合， 不僅為ＢＤＥＰＣ進化提供了技術(shù)支撐， 還拓寬了大模型技術(shù)應(yīng)用領(lǐng)域。