導(dǎo)語：大數(shù)據(jù)下公共政策實(shí)施評(píng)估研究一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：公共政策涉及到對(duì)社會(huì)資源的分配和協(xié)調(diào)，與社會(huì)大眾的利益密切相關(guān)。對(duì)公共政策實(shí)施進(jìn)行科學(xué)評(píng)估有利于提升政府施政能力。傳統(tǒng)評(píng)估方式存在一定局限，利益相關(guān)方參與度不夠。本文基于互聯(lián)網(wǎng)大數(shù)據(jù)對(duì)公共政策實(shí)施評(píng)估進(jìn)行了研究。通過對(duì)論壇、微博等互聯(lián)網(wǎng)站點(diǎn)在政策出臺(tái)后一段時(shí)間（如半年）的海量數(shù)據(jù)，以及部分用戶行為數(shù)據(jù)，進(jìn)行聚類分析，建立公共政策實(shí)施評(píng)估指數(shù)模型。

關(guān)鍵詞：公共政策；互聯(lián)網(wǎng)數(shù)據(jù)；聚類分析；指數(shù)模型

公共政策從某種意義上說是公共權(quán)力機(jī)關(guān)經(jīng)由某個(gè)法定的程序所制定的為解決公共問題、達(dá)成公共目標(biāo)、實(shí)現(xiàn)公共利益，以協(xié)調(diào)經(jīng)濟(jì)社會(huì)活動(dòng)及相互關(guān)系的實(shí)施方案。公共政策的評(píng)估主要從兩個(gè)方面著力，一是在公共政策出臺(tái)之前，對(duì)政策的可行性進(jìn)行評(píng)估；二是在政策出臺(tái)之后，對(duì)政策的實(shí)時(shí)效果進(jìn)行評(píng)估，找出與公共政策設(shè)計(jì)目標(biāo)的差距。傳統(tǒng)的評(píng)估方法有兩類，一類是現(xiàn)場(chǎng)調(diào)研考察。選取與公共政策相關(guān)的不同層次的利益相關(guān)方，通過深入座談、問卷調(diào)查、文檔查看、實(shí)地考察、專家打分等方式，形成評(píng)估報(bào)告。另一類是建立統(tǒng)計(jì)分析模型。運(yùn)用數(shù)理經(jīng)濟(jì)學(xué)、計(jì)量經(jīng)濟(jì)學(xué)和統(tǒng)計(jì)學(xué)等多種數(shù)理經(jīng)濟(jì)模型和計(jì)量經(jīng)濟(jì)模型，對(duì)公共政策進(jìn)行量化評(píng)估，通過數(shù)據(jù)分析對(duì)政策實(shí)施進(jìn)行量化評(píng)估。近年來，互聯(lián)網(wǎng)技術(shù)發(fā)展迅速，產(chǎn)生了海量的數(shù)據(jù)，為大數(shù)據(jù)的應(yīng)用打下了堅(jiān)實(shí)的基礎(chǔ)。據(jù)有關(guān)文獻(xiàn)報(bào)道[1,4]，國(guó)內(nèi)、外利用互聯(lián)網(wǎng)大數(shù)據(jù)對(duì)公共政策實(shí)施進(jìn)行評(píng)估取得了較好的應(yīng)用效果。本文對(duì)基于互聯(lián)網(wǎng)大數(shù)據(jù)的公共政策實(shí)施評(píng)估進(jìn)行了研究，通過對(duì)論壇、微博、微信、貼吧、博客、手機(jī)APP、平媒、政府網(wǎng)站互動(dòng)欄目等互聯(lián)網(wǎng)站點(diǎn)在政策出臺(tái)后一段時(shí)間（如政策出臺(tái)后半年內(nèi)）的海量數(shù)據(jù)，以及部分用戶行為數(shù)據(jù)，進(jìn)行建模分析，將互聯(lián)網(wǎng)上的公眾意見引入到公共政策的實(shí)施效果評(píng)估中。

1公共政策實(shí)施評(píng)估方法簡(jiǎn)述

[2]公共政策評(píng)估，從評(píng)估的范圍看，有對(duì)公共政策實(shí)施效果及價(jià)值進(jìn)行判斷的專項(xiàng)評(píng)估，也有只對(duì)公共政策實(shí)施整個(gè)過程的分析和評(píng)判。從評(píng)估的過程看也有廣義和狹義之分。廣義的政策評(píng)估包含事前評(píng)估、執(zhí)行評(píng)估和事后評(píng)估三種類型，而狹義的政策評(píng)估常常指事后評(píng)估。從評(píng)估的方法看，有定性分析評(píng)估和定量分析評(píng)估，定性評(píng)估在國(guó)內(nèi)現(xiàn)有的評(píng)價(jià)模式中應(yīng)用較為廣泛。1.1定性評(píng)估方式。定性評(píng)估是基于經(jīng)驗(yàn)的實(shí)證研究，常常采用訪問法、觀察法、案例研究法等非數(shù)字技術(shù)方法，依賴于評(píng)估方對(duì)公共政策實(shí)施的了解、調(diào)查和感性認(rèn)識(shí)。如通過相關(guān)會(huì)議上的匯報(bào)交流、實(shí)地調(diào)研座談、上報(bào)材料、媒體報(bào)道、內(nèi)參反映、相關(guān)利益方來信/來訪等，歸納總結(jié)為政策實(shí)施評(píng)估報(bào)告。定性評(píng)估方式相對(duì)簡(jiǎn)單，容易實(shí)施，速度快、方便、直接，比較受到各級(jí)政府的推崇。但定性評(píng)估方式易受各類條件的約束，其科學(xué)性、客觀性難有保障，評(píng)估人員的直覺和經(jīng)驗(yàn)作用明顯，評(píng)估對(duì)象面較窄，利益相關(guān)方參與度不夠。1.2定量評(píng)估方式。定量評(píng)估是相對(duì)定性評(píng)估的另一種評(píng)估方法，通過數(shù)據(jù)歸集建立統(tǒng)計(jì)分析模型，把理論性概念量化成具體數(shù)據(jù)，通過科學(xué)計(jì)算，對(duì)公共政策實(shí)施進(jìn)行定量評(píng)估。定量研究在某些方面相比定性研究方法有優(yōu)勢(shì)，能夠用數(shù)據(jù)直觀表達(dá)評(píng)估結(jié)果，但也存在不可靠的風(fēng)險(xiǎn)，過多地強(qiáng)調(diào)客觀性和普遍性，忽略了人的主觀性和特殊性。定量分析的方法對(duì)于解決常規(guī)性問題效果很好，對(duì)于非常規(guī)性的復(fù)雜問題，往往效果不佳。1.3互聯(lián)網(wǎng)大數(shù)據(jù)評(píng)估。隨著互聯(lián)網(wǎng)和自媒體的高速發(fā)展，互聯(lián)網(wǎng)本身的海量數(shù)據(jù)為基于大數(shù)據(jù)的公共政策評(píng)估帶來便利。盡管在數(shù)據(jù)處理方式上，大數(shù)據(jù)的分析方法與傳統(tǒng)定量分析的建模分析有相通之處，但存在較大差異。大數(shù)據(jù)評(píng)估由于數(shù)據(jù)采集方式、處理方式的變革，將會(huì)帶來評(píng)估模式革命性的變化。一是數(shù)據(jù)采集從樣本數(shù)據(jù)轉(zhuǎn)向全數(shù)據(jù)，使評(píng)估更加接近事實(shí)本身；二是分析方法上由重視變量之間的因果性轉(zhuǎn)向更加關(guān)注相關(guān)性，通過分析、揭示公共政策制定、實(shí)施與效果之間的相關(guān)性，使政策評(píng)價(jià)更趨于科學(xué)、民主和客觀；三是參與對(duì)象更加廣泛，通過大量收集互聯(lián)網(wǎng)上利益相關(guān)者的情感、意愿、評(píng)價(jià)等信息，更多的了解公共政策實(shí)施對(duì)象參與的積極性和對(duì)公共政策實(shí)施效果的看法和評(píng)價(jià)。

2互聯(lián)網(wǎng)大數(shù)據(jù)評(píng)估基礎(chǔ)準(zhǔn)備

2.1數(shù)據(jù)準(zhǔn)備。2.1.1數(shù)據(jù)采集。根據(jù)行政區(qū)劃和政策評(píng)估有效時(shí)間和區(qū)間進(jìn)行限定，采用互聯(lián)網(wǎng)爬蟲技術(shù)或以購買服務(wù)的方式從互聯(lián)網(wǎng)爬蟲公司采集數(shù)據(jù)，包括新聞、論壇、微博、微信、貼吧、博客、手機(jī)APP、平媒、政府網(wǎng)站互動(dòng)欄目、綜合網(wǎng)站互動(dòng)欄目等互聯(lián)網(wǎng)站點(diǎn)在政策出臺(tái)后一段時(shí)間（如出臺(tái)后半年內(nèi)的數(shù)據(jù)）的數(shù)據(jù)，構(gòu)建基于輿情內(nèi)容的熱度、重點(diǎn)、焦點(diǎn)、敏感度、高頻詞、粘度等用戶關(guān)注的行為數(shù)據(jù)，為多維度的輿情分析打基礎(chǔ)。2.1.2數(shù)據(jù)預(yù)處理。互聯(lián)網(wǎng)采集的數(shù)據(jù)與實(shí)際建模分析的要求相差甚遠(yuǎn)，極易受噪聲、重復(fù)數(shù)據(jù)、缺失值和不一致數(shù)據(jù)的侵?jǐn)_，必須進(jìn)行預(yù)處理，數(shù)據(jù)預(yù)處理主要完成采集數(shù)據(jù)中的噪聲清洗，糾正不一致性。一是檢測(cè)、剔除重復(fù)數(shù)據(jù)。主要是記錄去重和特征去重。考慮到中文處理的復(fù)雜性，可以采用特征去重、哈希去重等技術(shù)消除重復(fù)記錄。二是異常數(shù)據(jù)處理。可以采用統(tǒng)計(jì)方法、關(guān)聯(lián)分析、聚類方法進(jìn)行異常數(shù)據(jù)處理，如缺失值處理、異常值（離群點(diǎn)）處理、噪音數(shù)據(jù)處理等。三是特定領(lǐng)域的數(shù)據(jù)清洗。這種數(shù)據(jù)清洗方案和算法都是針對(duì)特定領(lǐng)域，通過聚集、刪除冗余、特征聚類來減少無關(guān)數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)的規(guī)范化。在公共政策評(píng)估中，可以根據(jù)公共政策的關(guān)鍵描述，建立關(guān)鍵詞知識(shí)庫和清洗模型，進(jìn)行定向采集或定向清洗。四是數(shù)據(jù)集成入庫。完成數(shù)據(jù)清洗后，通過規(guī)范、轉(zhuǎn)換和規(guī)整處理，把采集數(shù)據(jù)規(guī)范到可以進(jìn)行比較分析的某一度量空間，進(jìn)行數(shù)據(jù)入庫。2.1.3評(píng)估模型算法。由于互聯(lián)網(wǎng)漢字文本信息的特點(diǎn)，只能通過語義分析找到文本數(shù)據(jù)內(nèi)在的固有屬性。基于互聯(lián)網(wǎng)輿情對(duì)公共政策實(shí)施效果評(píng)估是一種常見的聚類分析評(píng)估，通過對(duì)海量數(shù)據(jù)的采集分析，按照輿情特點(diǎn)對(duì)公共政策評(píng)估進(jìn)行聚類分析，通過關(guān)鍵詞頻度和特征表述并進(jìn)行適度的加權(quán)值，實(shí)現(xiàn)類似滿意、比較滿意、一般、不滿意的聚類分析。聚類算法是一種典型的無監(jiān)督學(xué)習(xí)算法，根據(jù)樣本之間的相似程度，將樣本劃分到不同的類別中。聚類分析的主要算法有劃分聚類、層次聚類、基于密度的聚類、基于模型的聚類、基于網(wǎng)格的聚類和基于模糊的聚類。

3基于聚類分析的公共政策模型結(jié)構(gòu)研究

3.1研究準(zhǔn)備。一是建立大數(shù)據(jù)評(píng)估的相關(guān)知識(shí)庫。對(duì)已的公共政策建立關(guān)鍵詞知識(shí)庫，如公共政策主題（政府文件名稱、文號(hào)、會(huì)議名稱、政策主題），關(guān)鍵詞，主要內(nèi)容描述，利益相關(guān)對(duì)象描述等。二是數(shù)據(jù)抽取和基本清洗。選取公共政策出臺(tái)后一段時(shí)間（如出臺(tái)后半年內(nèi)的數(shù)據(jù)），選取特定的互聯(lián)網(wǎng)渠道作為數(shù)據(jù)采集來源，采用爬蟲技術(shù)或向第三方數(shù)據(jù)爬蟲公司購買相關(guān)數(shù)據(jù)，經(jīng)去重、去噪、數(shù)據(jù)歸一化后集成入庫。三是數(shù)據(jù)定向抽取和建模清洗。按照評(píng)價(jià)模型體系評(píng)價(jià)指標(biāo)的要求和聚類分析的數(shù)據(jù)規(guī)范，對(duì)單個(gè)指數(shù)進(jìn)行數(shù)據(jù)抽取和規(guī)范化建模清洗，形成每個(gè)指數(shù)聚類分析所需的數(shù)據(jù)集市。3.2評(píng)價(jià)模型指標(biāo)體系。采用傳統(tǒng)指數(shù)分析與大數(shù)據(jù)聚類分析相結(jié)合的方式建立評(píng)價(jià)模型指標(biāo)體系。評(píng)價(jià)模型為三級(jí)指標(biāo)模型，建立層次化結(jié)構(gòu)的公共政策評(píng)估指標(biāo)體系。一級(jí)指標(biāo)從政策關(guān)注度（A）、政策輿情評(píng)價(jià)（B）、利益相關(guān)者評(píng)價(jià)（C）、網(wǎng)上調(diào)查問卷（D）等四個(gè)層面反映互聯(lián)網(wǎng)大數(shù)據(jù)對(duì)公共政策實(shí)施評(píng)估的主題評(píng)價(jià)，二級(jí)指標(biāo)是對(duì)上一級(jí)影響因素的進(jìn)一步細(xì)分，第三級(jí)指標(biāo)通過數(shù)據(jù)處理和聚類分析，采用可量化的數(shù)據(jù)對(duì)前一級(jí)指標(biāo)的每個(gè)方面進(jìn)行描述。三級(jí)指標(biāo)的數(shù)據(jù)處理，主要是在對(duì)定向數(shù)據(jù)集進(jìn)行分詞處理、語義分析的基礎(chǔ)上，通過聚類分析算法，得出量化評(píng)分。計(jì)算公式：P=k1*A+k2*B+k3*C+k4*D;0<P<100；根據(jù)P的計(jì)算值，將評(píng)估結(jié)果定位為非常滿意、滿意、基本滿意、不滿意四個(gè)等級(jí)；K1-k4為權(quán)重，取值范圍為0-1，且k1+k2+k3+k4=1;A-D為一級(jí)指標(biāo)取值，通過二級(jí)指標(biāo)加權(quán)計(jì)算得出，取值范圍0-100之間，如A=k11*A1+k12*A2,K11-k12為權(quán)重，取值范圍為0-1，且k11+k12=1。二級(jí)指標(biāo)取值通過三級(jí)指標(biāo)加權(quán)計(jì)算得出，取值范圍0-100之間，如A1=k111*a11+k112*a12+k113*a13+k114*a14,K111-k114為權(quán)重，取值范圍為0-1，且k111+k112+k113+k114=1。三級(jí)指標(biāo)取值通過聚類分析，統(tǒng)計(jì)計(jì)算和歸一化處理得到。3.3評(píng)價(jià)模型與大數(shù)據(jù)聚類分析。3.3.1指標(biāo)模型。⑴關(guān)注度指數(shù)關(guān)注度指數(shù)包括搜索指數(shù)和影響力指數(shù)。搜索指數(shù)和影響力指數(shù)的計(jì)算也有較為復(fù)雜的數(shù)據(jù)處理、分析建模過程。如百度指數(shù)a11的取值計(jì)算，以公共政策的覆蓋范圍為基礎(chǔ)，圍繞政策的前后一段時(shí)間區(qū)間，以網(wǎng)民在百度的搜索量為數(shù)據(jù)基礎(chǔ)，以建立的公共政策知識(shí)庫關(guān)鍵詞為統(tǒng)計(jì)對(duì)象，分析并計(jì)算出各個(gè)關(guān)鍵詞在百度網(wǎng)頁搜索中搜索頻次，并進(jìn)行加權(quán)求和。360指數(shù)a12、微指數(shù)a13、騰訊指數(shù)a14都可以用類似的方法確定。影響力指數(shù)主要關(guān)注公共政策的、轉(zhuǎn)發(fā)、瀏覽、評(píng)論情況。通過分析公共政策后一段時(shí)間，微博、論壇、微信公眾號(hào)、貼吧、博客、手機(jī)APP等關(guān)注的程度，包括對(duì)關(guān)鍵信息的搜索量、相關(guān)網(wǎng)頁點(diǎn)擊數(shù)、轉(zhuǎn)發(fā)數(shù)、瀏覽數(shù)、評(píng)價(jià)數(shù)、關(guān)注數(shù)等分析，確定影響力指數(shù)[5]。⑵輿情評(píng)價(jià)指數(shù)輿情評(píng)價(jià)指數(shù)[3]是一個(gè)直接反映網(wǎng)民對(duì)政策評(píng)估的指標(biāo)，權(quán)重系數(shù)高于關(guān)注度。強(qiáng)相關(guān)主要是采集數(shù)據(jù)與主題相關(guān)程度更加高，如直接對(duì)公共政策進(jìn)行評(píng)價(jià)或有多關(guān)鍵詞同時(shí)出現(xiàn)；弱相關(guān)主要是有關(guān)鍵詞出現(xiàn)，但頻度、數(shù)量較少，與主題的相關(guān)程度相對(duì)較弱。強(qiáng)相關(guān)的權(quán)重明顯要高于弱相關(guān)權(quán)重。三級(jí)指標(biāo)的處理采用聚類分析和分類分析結(jié)合的方法，以論壇評(píng)價(jià)指數(shù)b12、b22為例，首先是語料選擇，采用前面敘述的方式，建立關(guān)鍵詞知識(shí)庫，依照知識(shí)庫關(guān)鍵詞，對(duì)預(yù)處理后的各類論壇原帖及跟帖進(jìn)行分詞處理、智能過濾，形成供分析的語料數(shù)據(jù)集市。采用基于劃分的Kmeans聚類算法和基于層次的聚類算法對(duì)文本進(jìn)行聚類，形成評(píng)價(jià)話題聚類。由于b12、b22指數(shù)值在0-100之間取值，取值按照正面評(píng)價(jià)*權(quán)重-負(fù)面評(píng)價(jià)*權(quán)重-中性評(píng)價(jià)*權(quán)重得到。其他輿情評(píng)價(jià)指數(shù)的計(jì)算類似。圖2為輿情評(píng)價(jià)指數(shù)聚類、分類處理流程示意圖。⑶利益相關(guān)者評(píng)價(jià)指數(shù)利益相關(guān)者輿情評(píng)價(jià)指數(shù)計(jì)算與輿情評(píng)價(jià)指數(shù)基本相同，只是對(duì)數(shù)據(jù)集市的內(nèi)容進(jìn)行進(jìn)一步定向篩選，根據(jù)利益相關(guān)者知識(shí)庫關(guān)鍵詞，通過IP地址分析、文本分詞和語義分析，在已經(jīng)建立的數(shù)據(jù)集市中建立子集，子集作為利益相關(guān)者輿情分析基本語料數(shù)據(jù)，進(jìn)行上述類似建模分析。利益相關(guān)者評(píng)價(jià)指數(shù)權(quán)重取值更高。⑷網(wǎng)上調(diào)查評(píng)價(jià)網(wǎng)上調(diào)查由政策者來組織，通過政府網(wǎng)站或其他綜合網(wǎng)站進(jìn)行數(shù)據(jù)收集。網(wǎng)上調(diào)查的指標(biāo)設(shè)計(jì)可以更加具有針對(duì)性，但參與人數(shù)、填報(bào)數(shù)據(jù)質(zhì)量、不真實(shí)數(shù)據(jù)等也要認(rèn)真考慮。

4結(jié)束語

應(yīng)用互聯(lián)網(wǎng)大數(shù)據(jù)對(duì)公共政策實(shí)施評(píng)估，是新的研究領(lǐng)域，具有直面利益相關(guān)者的優(yōu)點(diǎn)。本文提出的指數(shù)模型對(duì)公共政策實(shí)施大數(shù)據(jù)評(píng)估具有一定參考作用，但是數(shù)據(jù)采集質(zhì)量難以保證，各類權(quán)重的使用具有隨意性。所以，傳統(tǒng)定性分析、傳統(tǒng)定量分析、基于互聯(lián)網(wǎng)的大數(shù)據(jù)分析應(yīng)當(dāng)互相融合，取長(zhǎng)補(bǔ)短，使公共政策實(shí)施的評(píng)估更加科學(xué)合理。

參考文獻(xiàn):

[1]魏航,王建冬,童楠楠.基于大數(shù)據(jù)的公共政策評(píng)估研究:回顧與建議[J].電子政務(wù)E-GOVERNMENT,2016.1:11-17

[2]高峰.政策評(píng)估的通用模型研究[J].科技管理研究,2015.24:35-39

[3]連芷萱,蘭月新,夏一雪,劉茉,張雙獅.面向大數(shù)據(jù)的網(wǎng)絡(luò)輿情多維動(dòng)態(tài)分類與預(yù)測(cè)模型研究[J].情報(bào)雜志,2018.5:123-133

[4]張達(dá)剛,陳海寧,陳華,張光怡.環(huán)境評(píng)估大數(shù)據(jù)管理平臺(tái)初探及技術(shù)綜述[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2019.28(4):205-211

[5]文馨,陳能成,肖長(zhǎng)江.基于SparkGraphX和社交網(wǎng)絡(luò)大數(shù)據(jù)的用戶影響力分析[J].計(jì)算機(jī)應(yīng)用研究,2018.35(3):830-834

作者:楊志新 高翔 張慶 張狄 單位:1.湖南省政府發(fā)展研究中心 2.長(zhǎng)沙市天心閣大數(shù)據(jù)研究院