摘 要：数字政府政策作为数字政府建设的指引方向、行动纲领和保障手段，对其进行量化评价，能为政策的科学制定与完善提供重要依据。本文以58项广东省数字政府政策文本为研究对象，根据高频词分析结果，并参照相关学者研究成果，构建PMC指数模型，对广东省数字政府政策展开全面的政策评价。在此基础上，本文创新性地对政策进行演进分析，从多个维度深入剖析并得出结论。结果显示，广东省数字政府政策整体质量良好，政策之间具有较强的一致性，且在诸多方面表现突出。例如，政策领域与内容逐年拓展更新，政策视角兼顾宏观与微观层面，积极运用各类政策工具等。同时，一些方面仍存在优化提升的空间。基于此，本文提出针对性的优化路径，旨在为完善广东省数字政府政策体系提供有益参考。
关键词：广东省；数字政府；政策评价；PMC指数模型；政策文本
中图分类号：F127；D035.5 文献标识码：A 文章编号：2096-0298（2025）04（a）--04
1 引言
党的十八大胜利召开以来，我国数字政府建设进程持续加速，呈现出蓬勃的发展态势。在清华大学数据治理研究中心发布的《中国数字政府发展研究报告（2021）》和《2022中国数字政府发展指数报告》中，广东省均位列第四，印证了其在全国数字政府建设领域的领先地位。同时，广东省在政企合作等领域的积极探索与实践，为全国提供了宝贵的经验与启示。然而，面对新的发展机遇与挑战，如何进一步推动广东省数字政府的高质量发展，成为一个亟待解决的重要课题。为此，本文深入系统地研究广东省数字政府政策，不仅对解决当前存在的问题具有重要意义，还将为完善广东省数字政府政策体系、促进数字政府持续健康发展提供坚实的理论支撑与实践指导[1]。本文运用文本挖掘和PMC指数模型，对广东省58项数字政府政策展开政策评价，从多个维度剖析广东省数字政府政策优劣势和内部一致性，并提出优化建议，以期为下一步广东省数字政府政策调整和创新提供参考与借鉴。
2 文献综述
从政府信息化到电子政务，再到数字政府，我国政府运用现代计算技术不断进化[2]，相较电子政务，对数字政府的研究有了更多方向。在此背景下，国内学者对数字政府展开了研究，涵盖数字政府建设、国外发展经验汲取、风险研究等诸多领域。政策文本研究作为一个方向，目前国内研究较少。该研究方向主要分为定性研究和定量研究。定性研究方面，罗强强（2021）[3]通过分析地方政府数字化转型中的核心要素和地方政府数字化转型的逻辑进路，进而提出地方数字政府改革优化路径。段尧清等（2023）[4]研究数字政府政策中政策工具的使用情况，采用模糊集定性比较分析发现，仅使用单一政策工具不能构成数字政府高质量建设。对数字政府政策文本的定量研究相对于定性研究更为广泛，采用的方法和模型也更为多样。阮霁阳（2022）[5]运用三种模型发现数字政府建设影响因素及其之间的关系。通过对数字政府政策文本进行词频分析，部分学者在政策工具维度提出优化政策工具结构、增强政策工具适用性等建议[6-7]。赵远跃和靳永熹（2013）[8]通过政府绩效治理模型发掘数字政府建设困境，并提出相关治理策略。吕佩安（2014）[9]对数字政府政策数量、形式、领域等进行统计分析，进而探究我国数字政府政策演进的特征、趋势与规律。此外，还有部分学者利用PMC指数模型进行政策量化评价。
政策量化评价是运用科学标准和方法对政策系统及过程进行综合考察判断，并衡量政策方案的复杂系统工程[10]。PMC指数模型由Ruiz Estrada等提出，能够反映政策内部一致性、优劣性和合理性。作为一种政策评估模型，它目前应用广泛，在诸多领域被使用[11-13]。其依据的假说强调世间万物皆是发展联系的，应综合考虑政策文本评价模型的所有相关变量[14]。国内学者已开始运用该模型对数字政府政策展开政策评价。周巍和张美丽（2003）[15]等运用该模型对西北五省（区）数字政府政策进行评价，并提出优化建议。陈美和聂佳睿（2024）[16]运用该模型分析数字政府政策的央地协同情况。姚怡帆等（2024）[17]基于PMC指数模型，以政策目标、政策工具和政策效力为分析框架进行分析。
对比现有研究，采用PMC指数模型进行政策量化评价是更具系统性的实证研究，同时对比其他模型主观误差更小。在利用PMC指数模型的政策文本研究中，鲜有针对广东省数字政府政策的政策评价。鉴于此，本文基于58项广东省数字政府政策文本，通过文本挖掘并借鉴相关学者的研究成果，构建PMC指数模型，对广东省数字政府政策进行量化分析，并创新性地在该模型框架下对政策进行演进分析，希望探寻更适合广东省数字政府建设的政策优化路径。
3 研究设计
3.1 数据来源
本文以“数字政府”为关键词，在“北大法宝”和广东省政府网站及其下级各市政府网站进行搜索，收集到政策文本74项，其中包括5项地方规范性文件和69项地方工作文件，剔除部分相关性不强的文本后，最终得到58项广东省数字政府政策文本。
3.2 PMC指数模型的构建过程
3.2.1 文本挖掘和建立评价标准
本文通过ROSTCM 6.0软件进行词频分析，挖掘58项政策文本中的高频词，通过补充与数字政府相关的专有名词，得到最终结果。根据高频词挖掘结果，依照Estrada建设的原模型[18]，并参考周巍和张美丽（2023）[15]、毛丰付等（2024）[19]、毛子骏和梅宏（2020）[20]、蔡冬松等（2021）[21]等关于构建PMC指数模型的相关文献，建立广东省数字政府政策评价标准，包括9个一级变量和43个二级变量，具体如下：X1政策性质下设预测（X1-1）、监管（X1-2）、建议（X1-3）、描述（X1-4）、引导（X1-5）5个二级指标；X2政策评价包括依据充分（X2-1）、目标明确（X2-2）、方案科学（X2-3）、规划合理（X2-4）4个方面；X3政策时效划分为长期（X3-1）、中期（X3-2）、短期（X3-3）3个维度；X4政策客体覆盖政府（X4-1）、企业（X4-2）、个人（X4-3）、社会组织（X4-4）4类对象；X5政策工具分为供给型（X5-1）、需求型（X5-2）、环境型（X5-3）3种类型；X6政策领域涵盖政治（X6-1）、经济（X6-2）、社会（X6-3）、文化（X6-4）、科技（X6-5）5大领域；X7政策视角包含宏观（X7-1）与微观（X7-2）2个层级；X8政策内容细分为公共服务（X8-1）、协同（X8-2）、网络安全（X8-3）、人工智能（X8-4）、数据共享（X8-5）、一网统管（X8-6）、信息管理（X8-7）、营商环境（X8-8）、平台建设或优化（X8-9）、生态环境（X8-10）、数据要素市场（X8-11）11个具体方向；X9政策保障由组织领导（X9-1）、监督考核（X9-2）、宣传推介（X9-3）、资金保障（X9-4）、人才保障（X9-5）、制度保障（X9-6）6项措施构成。
3.2.2 建立投入产出表
投入产出表是构建PMC指数模型的关键步骤，只有建立投入产出表对政策进行量化处理，才能进一步计算和分析。在投入产出表中，根据前文确定的9个一级变量和43个二级变量对政策进行评价，各指标均不设权重，也无先后顺序，采用二进制[0，1]赋值评价。
3.2.3 计算PMC指数
PMC指数计算分为以下几个步骤：首先，对搜集到的广东省数字政府政策文本进行量化评价，如果政策文本符合某项评价指标，则该项评价指标赋值为1，不符合则赋值为0，得到二级变量数据。其次，对二级变量进行计算，得出一级变量的数值。最后，对一级变量进行计算，即可得到PMC指数。
4 实证结果分析
4.1 整体均值分析
整体PMC指数均值为7.10，处于良好等级。具体来看，X1政策性质均值为0.86，得分较高，说明政策在预测、监管、建议、描述和引导等政策性质方面表现较好；X2政策评价均值为0.82，说明政策整体上依据充分、目标明确、方案科学，且规划合理；X3政策时效均值为0.38，得分较低，政策的时效多注重短期规划，部分有中期规划，但缺乏五年以上的长期规划；X4政策客体均值为0.85，得分虽然较高，但政策客体主要集中在政府、企业和个人上，对社会组织涉及较少，基本是在共享数据板块，其他板块鲜有提及；X5政策工具均值为0.98，表现优秀，政策工具评价方法主要参考张春花等（2023）[22]的研究；X6政策领域均值为0.86，小部分政策未涉及文化指标；X7政策视角均值为0.97，大部分政策既涉及宏观层面又涉及微观层面；X8政策内容均值为0.81，作为指标最多的一项评价标准，该数值反映出政策在内容方面有较高的一致性，但有小部分缺乏信息管理，仅有一半左右政策涉及人工智能、一网统管和数据要素市场等方面；X9政策保障均值是0.56，得分较低，一半以上的政策使用了组织领导、资金保障、人才保障和制度保障等政策保障方式，较少使用监督考核和宣传推介两种保障方式。
4.2 各等级政策分析
优秀等级政策的多项评价指标分数都能达到满分一分或接近一分，但X3政策时效和X9政策保障两个指标相对较低。良好等级政策的情况与整体情况类似，但X3政策时效方面，大多数良好政策仅有短期规划，缺乏中期和长期规划。X5政策工具评分均值为1。X6政策领域方面，主要缺乏涉及文化领域的政策，还有少部分政策缺乏对科技领域的涉及。一般等级的政策情况与整体情况及良好政策情况相似，不同的是，X2政策评价中，3/4依据不充分。X3政策时效全部没有长期和中期的规划。X4政策客体全部不涉及社会组织。X5政策工具有一半未使用需求型工具。X6政策领域全部缺乏涉及文化领域，3/4缺乏涉及科技领域。X8政策内容全部缺乏人工智能，3/4缺乏一网统管、信息管理和数据要素市场等内容，一半缺乏生态环境相关内容。X9政策保障全部缺乏组织领导、监督考核、资金保障和制度保障，3/4缺乏人才保障，一半缺乏宣传推介。不良等级的情况最差，仅在X4政策客体方面表现较好，分值为0.75，其他评价指标都较低。
4.3 政策演进分析
2019—2023年，广东省每年都会发布广东省数字政府改革建设工作重点，其中夯实基础支持和加强建设保障内容始终存在，2019年这两点体现在一项重点内容中，其他年份的工作要点则对这两点分别进行了部署。其他部分的演进过程如下：2019年，作为广东省数字政府建设较关键的年份，其工作要点主要在于数字政府的推进，面向社会、企业和政府内部多个方面。2020年，工作重点主要在于对已有成果的进一步优化，并以样板城市经验带动其他城市数字政府发展，“一网通办”和“一网统管”首次在工作重点中被提及，但只涉及个别细则。2021年，工作重点中，“一网通办”和“一网统管”成为重要板块被建设，同时原有重点领域的建设持续被推进，“数据要素市场化”首次在工作重点中作为一项细则被提及。2022年，工作重点在于全省协同发展和省域治理，并对“数据要素市场化”的进一步完善与促进提出要求，同时要求数字政府服务进一步优化，“一网协同”首次在工作重点中被提及，但仅涉及建设保障中的一项细则。2023年，工作重点涉及内容最多，利用数字政府赋能实体经济发展，加快培育数据要素市场，并将“一网统管”“一网通办”“一网协同”作为三个重要板块进行推进，网络安全由之前建设保障中的一项细则变为重点建设的板块。
5 结论与优化建议
本文基于PMC指数模型，对58项政策文本进行了量化分析。结果显示，广东省数字政府政策整体质量较高，10项政策处于优秀等级，43项政策处于良好等级，4项政策处于一般等级，1项政策处于不良等级，优良率达到91.4%。其内部一致性也较强，大部分政策特征都与整体特征相似，政策较为合理。在政策性质、政策评价、政策工具、政策领域和政策视角等评估指标上，广东省数字政府政策表现较好，尤其是政策领域和政策内容两方面，通过演进分析可以发现，其每年都能不断丰富与完善，是其政策呈现高质量的重要推力。注重基础设施建设与优化，保障了数字政府发展的硬性条件。然而，广东省数字政府政策尚有不足，根据量化评价结果可知，政策时效方面，虽然大部分政策涉及短期规划，但中期和长期规划较少；政策保障方面，整体政策保障方式不足，尤其是缺乏宣传推介和监督考核两项政策保障方式；政策内容方面，缺少对信息管理和人工智能的规划；政策客体方面，缺少针对社会组织的相关政策。基于此，本文将从以下四点提出优化建议。
5.1 强化政策时效
政策时效方面，需要增加中期与长期规划。鉴于数字政府建设深度依赖信息技术的发展，信息技术日新月异，使得精准预测并规划未来尤为困难，因此，更应把握当前，设定一个既基于现实又具前瞻性的长期愿景。长期目标不仅是方向标，还是短期计划制定的基石，能够有效指导资源的优化配置、工作重点的确立及成效评估的体系构建，形成从短期到长期的无缝衔接与良性互动。
5.2 完善政策保障
政策保障方面，需要全面加强，尤其是宣传推介和监督考核两方面。宣传推介是提高公众认知度的有效途径，应制定系统性的宣传策略，通过多渠道、多形式的宣传方式，提高公职人员与公民的数字素养。这不仅有利于提高政府工作效率，还有利于推动数字政府建设和发展。监督考核是确保政策得到有效执行、目标得以实现的关键环节，应建立健全的监督考核体系，明确考核标准、程序和方法，确保考核工作的科学性和公正性。
5.3 丰富政策内容
在政策制定过程中，各地市之间政策内容异同是常态。值得注意的是，在当今大数据时代，信息管理已成为政府工作中的核心任务与关键环节。目前，广东省的政策部分涉及信息管理，但都是在个别的细则中分散展现，并未作为重点板块来建设。另外，以大语言模型为代表的人工智能技术近年来取得了突破性进展，其智能化水平已达到前所未有的高度。这一技术的崛起，为政府服务模式创新提供了无限可能。通过加大对人工智能技术的应用力度，我国可以探索更加智能化、个性化的政务服务方式。
5.4 扩充政策客体
在国家治理体系迈向现代化的进程中，一个显著且重要的特征是治理主体的多元化与协同化。这一趋势不仅打破了传统政府单一的主导模式，还强调了政府、社会组织、企业及公民个人等多元主体在治理过程中的共同参与和互动。社会组织作为连接政府与民众的重要纽带，具有独特的优势及作用。它们贴近基层、了解民情，敏锐地捕捉社会多元化的需求和问题，还能凭借自身专业能力和资源优势，为政府提供有价值的建议和解决方案。
参考文献
陈振明.政策科学的起源与政策研究的意义[J].厦门大学学报（哲学社会科学版），1992（4）：83-88+100.
黄璜.数字政府：政策、特征与概念[J].治理研究，2020，36（3）：6-15+2.
罗强强.地方“数字政府”改革的内在机理与优化路径： 基于中国省级“第一梯队”政策文本分析[J].地方治理研究，2021 （1）：2-12+78.
段尧清，陈婷，刁斐，等.政策工具视角下我国省域数字政府高质量建设驱动路径研究[J].情报科学，2023，41（5）：124-130+143.
阮霁阳.数字政府建设影响因素研究： 基于127份政策文件的大数据分析[J].西南民族大学学报（人文社会科学版），2022，43（4）： 185-191.
姜景，姜娅新，杜惠.政策工具视角下的数字政府研究： 基于我国45份政策文本的量化分析[J].智库理论与实践，2022，7（2）：14-23.
胡世文，祁志伟.政策工具视角下数字政府建设政策文本研究： 基于省级政策文本（2019—2021）的分析[J].西南民族大学学报（人文社会科学版），2023，44（1）：188-200.
赵远跃，靳永翥.以“数”赋“值”： 数字政府的建设困境及其治理策略： 基于政策文件的质性文本分析[J].重庆社会科学，2023（1）：60-76.
吕佩安.我国数字政府建设与发展政策演进： 特征、趋势与规律： 一个政策文献的计量分析[J].图书馆理论与实践， 2024（10）： 1-22.
张永安，伊茜卓玛. 各地网约车政策评价与比较分析[J]. 北京工业大学学报（社会科学版）， 2018， 18（3）： 45-53.
胡峰，戚晓妮，汪晓燕.基于PMC指数模型的机器人产业政策量化评价： 以8项机器人产业政策情报为例[J].情报杂志，2020，39（1）：121-129+161.
董纪昌，袁铨，尹利君，等.基于PMC指数模型的单项房地产政策量化评价研究： 以我国“十三五”以来住房租赁政策为例[J].管理评论，2020，32（5）：3-13+75.
秦亮，张华，吴华珠，等.基于PMC指数模型的数字乡村政策量化评价研究[J].现代管理科学，2023（1）：127-139.
张永安，郄海拓. 金融政策组合对企业技术创新影响的量化评价： 基于PMC指数模型[J]. 科技进步与对策， 2017， 34（2）： 113-121.
周巍，张美丽. 西北五省（区）数字政府建设政策文本量化评价： 基于PMC指数模型的分析[J]. 情报科学， 2023， 41（12）： 99-109.
陈美，聂佳睿.数字政府政策央地协同量化研究： 基于三维分析框架的文本分析[J].情报理论与实践， 2024（10）： 1-18.
姚怡帆，张相，叶中华.目标-工具-效力： 中国数字政府建设政策的三维图景[J].管理评论，2024，36（5）：248-259.
Estrada R A M. Policy modeling： Definition， Classification and Evaluation[J]. Journal of Policy Modeling， 2011， 33（4）： 523-536.
毛丰付，刘芸芸，郭亚洁. “数字中国”建设背景下数字素养政策文本量化评价[J]. 未来与发展， 2024， 48（1）： 62-70.
毛子骏，梅宏. 政策工具视角下的国内外人工智能政策比较分析[J]. 情报杂志， 2020， 39（4）： 74-81+59.
蔡冬松，柴艺琳，田志雄. 基于PMC指数模型的吉林省数字经济政策文本量化评价[J]. 情报科学， 2021， 39（12）： 139-145.
张春花，宋永辉，李兴格. 三维政策工具视角下科技成果转移转化政策研究： 基于2008—2021年国家相关政策文本的分析[J]. 中国高校科技， 2023（6）： 81-88.
