基于知识图谱的重大行政决策稳评主体问责机制研究

左文明,徐梓馨,毕凌燕

(华南理工大学 电子商务系, 广东 广州 510006)

一、引言与文献回顾

相较于一般行政决策,重大行政决策是指关系到重大公共利益,关系到一定区域内的根本性、长远性、全局性的决策事项[1],其与人民群众的利益密切相关,在高风险社会背景下影响深远[2]。自2005年四川遂宁尝试构建《重大工程社会稳定风险评估制度》,国内各省市逐步建立起社会稳定风险评估制度(简称“稳评”)[3]。稳评是指在重大行政决策实施前,由政府或第三方机构对重大行政决策进行风险识别、研判和评估,提出相应的风险防范策略,确保决策符合人民群众利益的评估过程[4],评估内容一般包括决策的合理性、合法性、可行性和可控性等4个方面[5]。稳评能够稳定社会秩序,避免社会矛盾和冲突,实现源头维稳[6]。2015年时任总理李克强强调:“应落实重大决策社会稳定风险评估机制,有效预防和化解社会矛盾”。2017年,党的十九大在此基础上提出了“三同步”要求,以增强风险预先检测、警示和防范能力。2021年,中共中央政治局在审议《国家安全战略2021—2025年》时指出,要积极维护社会安全稳定,从源头上预防和减少社会矛盾。可见,稳评已成为我国关键的党政国策,其机制的确立和健全是民主法治社会实施善治的先决条件。

然而,由于重大行政决策社会稳定风险评估往往涉及多个政府部门以及社会主体,且各稳评主体间信息、资源和权责多有不同,形成了复杂的权责关系。稳评主体层级(省、市、县级)较难厘清[7],易导致稳评主体间责任划分不清晰、责任追究路径不明确、问责机制不规范、评估结果落实不到位等现实问题,给社会稳定风险评估的实施及效果带来极大的不确定性。因此,应构建责任追究机制,进行严格的责任查究,尽早实现制度的规范化和精细化[8]。

针对重大行政决策稳评主体的责任不清问题,学术界主要从多元主体参与的视角展开研究。为实现民主化稳评和科学化结果,提高稳评主体独立性,改进重大行政决策稳评在政府主导模式下的不足,我国重大行政决策稳评正逐步转型为利益相关者合作逻辑下的多元主体模式[9-10]。然而,在倡导并推进多元主体参与评估的同时,由于稳评主体的多元化,稳评主体间权责划分以及责任追究的问题也日益突出。重大行政决策社会稳定风险评估往往涉及多个政府部门,在官僚组织内部张力的作用下,各个部门出于创造“印象政绩”和“避责”的考量,导致“稳评”出现了象征性执行的问题[11],增大了稳评主体责任追究的难度。针对此问题,国内学者多基于权责关系等理论,结合文本分析和案例访谈,研究稳评主体间的权责关系现状、权责困境归因[12],并指出稳评主体间权责关系不清是引发重大项目社会矛盾的主要原因[13]。因此,规范健全责任追究机制已迫在眉睫,应当严格遵循“执行→结果→对结果负责”的委托逻辑,力戒地方“懒评”乱象,以保障重大行政决策社会稳定风险评估工作的有效开展[14]。

综上所述,在“多元主体评估机制”倡导并推进的同时,由于稳评主体日益多元化,当前稳评主体间责任追究问题较为严峻,且极易引发冲突,健全责任追究机制刻不容缓。在重大行政决策风险评估主体的责任关系领域,已有研究主要关注稳评主体间责任关系的界定,而基于追责路径的稳评主体研究还存在缺口。因此,如何帮助政府梳理追责路径和准确划分责任,建立健全新时代下精准规范的问责机制具有重要的实践意义。

二、研究方法与技术基础

(一)质性研究

质性研究和量化研究是两大研究范式。质性研究又称质的研究或质性分析,是对研究对象的行为和意义建构取得解释性领会的一种行动[15]。质性研究是通过运用多种资料采集方式,在自然情境下进行全局性探索研究,从原始资料中总结得到理论。相对于量化研究,质性研究的目的是归纳分析原始资料以发现其中的相关性,而不在于检验实证研究假设。

NVivo软件是当前最主流且功能强大的质性研究工具,其基于扎根理论分析和运行,可用于分析TXT、PDF、Video、Audio、数码图片等多种格式的非结构化数据。本研究选用NVivo对重大行政决策的社会稳定风险评估相关政策文本进行质性的编码分析,归纳总结稳评相关实体及实体间的关系。

(二)知识图谱

知识图谱是用符号刻画物理世界中的概念及相互关系的结构化语义知识库,以“实体—关系—实体”的基本形式构成网状的知识结构,目前主要应用于搜索引擎、智能问答、辅助决策三大领域。在辅助决策领域,目前学术界的研究主要集中在医学领域。通过量化病历系统的自由文本注释中医学概念的相关性[16],探究构建“疾病—症状”医学知识图谱[17-18],帮助医生依据症状做出精准的疾病诊断。

知识图谱在实施业务活动以及帮助从业人员和管理人员作出业务决策方面具有有效性。因此,本文创新性地引入知识图谱技术,基于追责路径研究稳评主体的责任追究,以实现责任的可视化和可追溯性。以广东省S市房屋征收社会稳定风险评估为案例,通过构建稳评主体的责任追究知识图谱,揭示稳评主体的责任关系,帮助政府梳理追责路径、规范问责机制。

知识图谱主要有自顶向下和自底向上两种技术构建方式[19]。目前,大多数知识图谱采用自底向上的方式构建,首先对实体进行归纳组织形成底层的概念,再逐步向上抽取形成上层的概念[20]。自底向上知识图谱架构如图1所示[21],共包括5个步骤:数据采集、信息抽取、信息融合、知识加工、知识图谱构建。本文依据自底向上的知识图谱架构,构建重大行政决策稳评主体的责任追究知识图谱。

图1 知识图谱的技术架构

三、重大行政决策稳评主体的责任追究知识图谱构建

(一)数据采集

政策文件可以反映政府行为,其文本语义能够有效描述政策的涵义和进程要求[22]。考虑到不同地域政策文本的特殊性、公开性与可获取性,本文以房屋征收重大决策为例,研究构建以广东省S市房屋征收重大决策为代表的稳评主体责任追究知识图谱。本研究的政策文本来源包括:(1)政府门户网站的信息公开数据;(2)“北大法宝”法律数据库;(3)第三方评估机构网站的政策法规数据库。截至2022年3月,其提取到在政策有效期内的房屋征收重大决策稳评相关政策文件共8份,其中国家政府部门出台的文件为3份、广东省政府出台文件为3份、S市政府出台文件为2份,具体如表1所示。

表1 房屋征收重大决策稳评的政策文件

(二)信息抽取

NVivo质性分析软件基于扎根理论分析和运行,编码流程包括开放式编码、轴心式编码和选择式编码,据此将节点总结概括为自由节点和树状节点,以实现文本主题的总结和提炼。

1.开放式编码

开放式编码是指以开放性思维[23]概念化标注文本资料(政策文本)中所包含的全体可编码句段[24]。本研究首先根据开放式编码的要求,逐句、逐行、逐段对政策文本进行初始整理,提取出与重大行政决策稳评有关的原始代表语句建立自由节点,将其分解成不同的独立信息单元;其次是发展界定概念。由于初始编码形成的概念数量庞大且语义交叉,通过持续剖析总结,抽象出能体现重大行政决策稳评的关键信息,最终形成58个初始概念,并进一步提炼出更具针对性和选择性的范畴,共得到15个初始范畴,如表2所示(由于篇幅限制,表2为部分开放式编码内容)。

表2 开放式编码结果

2.轴心式编码

轴心式编码是指单次仅深入分析一个范畴(即轴心),通过聚类挖掘构建范畴间的潜在逻辑关系,发展主范畴[24]。本研究实施轴心式编码,总结15个初始范畴存在的相互关系和逻辑顺序,如“风险分析工作、项目可行性研究工作、项目申请工作”属于重大决策风险评估相关工作中“重大决策前期工作”的范畴。依据上述逻辑关系,归纳概括出15个初始范畴,最终总结得到4个主范畴,详情如表3所示。

表3 轴心式编码形成的主范畴

3.选择式编码

选择式编码是指全方位地系统分析以上全体概念和范畴,最终确定一个能够将其他所有范畴串联为整体且包罗最多研究结果的“核心范畴”。深入剖析所有主范畴,发现其相互关系已展现出相对清晰的脉络,并已包含构建核心范畴的基本要素。结合本研究的主题,发现可以用“重大决策风险评估相关工作”来统筹其他所有范畴,故将其定义为核心范畴。围绕核心范畴,其“故事线”架构(见图2)为“重大决策前期工作、重大决策风险评估工作、重大决策后期工作”,这3个主范畴是重大决策风险评估的相关工作流程,而“重大决策风险评估方案”主范畴是实施重大决策风险评估工作所应遵循的既定方案依据。

图2 选择式编码逻辑模型

4.关系语句抽取

以重大决策风险评估相关工作核心范畴为基础,在已编码完成的重大决策前期工作、重大决策风险评估工作及重大决策后期工作3个父节点内,以严格遵循原文本既定描述,适当简要明晰关系语义为抽取原则,进行关系语句抽取挖掘,为识别稳评主体间责任关系提供依据。而重大决策风险评估方案是实施重大决策风险评估工作的主要依据,属于静态内容,不能反映稳评主体间的责任关系,因此不在该父节点内抽取关系语句。关系语句抽取结果如表4所示(由于篇幅限制,表中为部分关系语句抽取结果)。

表4 关系语句抽取结果

(三)信息融合

以上流程抽取后可能会获得一些错误冗杂的信息,且实体间关系存在扁平化和缺乏条理性的问题,为消除歧义并保留基本事实表达,需要对其进行整合。运用NVivo编码对抽取出的关系语句依次进行实体消歧与共指消解等信息融合处理。

1.实体消歧

该步骤可解决存在歧义的同名实体问题,例如政策文件中“本级人民政府”这个指称项,可以对应作为“省级人民政府”的实体,也可以对应于“市级人民政府”的实体。由于本研究以广东省S市房屋征收重大决策为研究案例,在此类实体歧义问题中依据政策文本上下文语义,进行省、市级别区分。

2.共指消解

该步骤可解决相同实体对象被多个指称项对应的问题。例如政策文件中“决策机关”“审批部门”“市人民政府”等指称项可能均指向实体对象“S市人民政府”,而“市房屋征收部门”“风险评估的承办部门”“评估主体”等指称项可能均指向“房屋征收部门”这一实体对象。针对此类问题,本研究依据政策文本的上下文语义,明晰不同指称项的实际含义,并以简洁准确为基本原则进行不同指称项的归纳命名,为构建实体精简且关系明晰的责任追究知识图谱奠定基础。

(四)知识加工

由上述信息融合过程得到的基本事实并不是知识,需要通过本体构建、知识推理和质量评估才能得到网络化、结构化的知识体系。其中确保高质量知识的质量评估工作往往与共指消解工作共同执行,因此需要完成以下本体构建与知识推理过程。

1.本体构建

本体构建是指标准化的概念建模,即给出概念及其关系的规范化精准定义。在信息融合的基础上,本研究通过深入理解关系语句的语义,明确实体对象和关系对象的具体含义,实现实体对象和关系对象的标准化命名,共构建得到31个实体对象和29个关系对象。

基于经实体消歧、共指消解与本体构建得到的规范化实体对象和关系对象,对抽取得到的关系语句进行整合归纳。为方便后期知识图谱的构建,经实体消歧、共指消解与本体构建过程所整合得到的关系语句,用表格以“实体—关系—实体”的形式进行存储,如表5所示(由于篇幅限制,表中为部分关系语句整合结果)。

表5 关系语句整合结果

2.知识推理

知识推理是指基于当前的实体间关系推理出其相互间的新关系,以实现知识网络的开拓扩展。本研究基于以上步骤获得的实体与实体间关系,推理出稳评主体的责任关系,进而推理出稳评主体间责任的连带关系,据此实现责任的跨级追溯。

现有研究应用内容分析法,经信度效度检验,归纳梳理出稳评主体间包括合作、组织协调、监督指导和责任追究四类关系[25]。本研究参考针对稳评主体行为关键词的关系归纳规则,进行实体间关系的推理总结,分别归纳为合作关系、组织协调关系和监督指导关系。经实体消歧、共指消解与本体构建过程所抽取出的“委托、指定”关系在此参考文献中未进行归纳,考虑到其不属于其中任一关系类型,本研究新增了委托指定关系类型。结合本文的研究主题,为确定直接责任部门或人员的责任权重,新增直接责任关系类型。直接责任关系是指稳评主体(a)直接负责实施或牵头完成该项工作的责任关系,而间接责任关系则是指稳评主体(b)与稳评主体(a)形成的合作、委托指定、组织协调或监督指导关系。具体的推理归纳情况如表6所示。

表6 责任关系推理归纳情况

(五)知识图谱构建

知识图谱通常储存为图形数据库,表现为基于图的数据结构。Neo4j是基于Java的高效开源NOSQL图形数据库,其优势是对数据关系的检索,能够将结构化数据以网络形式进行储存,是当前业界构建分析知识图谱的主流数据库。本研究选用Neo4j数据库实现房屋征收稳评主体的责任追究知识图谱的构建和展示。

依据前述实体及实体间关系抽取的结果,房屋征收稳评主体的责任追究知识图谱构建结果如图3所示。为更直观展示该知识图谱的内部结构,稳评主体节点用红色表示,工作节点用蓝色表示,事物节点用绿色表示。

图3 房屋征收稳评主体的责任追究知识图谱

四、房屋征收稳评主体的责任追究知识图谱解读分析

(一)责任关系赋权

责任关系主要分为五类:直接责任关系、合作关系、委托指定关系、组织协调关系、监督指导关系,各个责任关系对稳评主体责任权重的影响程度不同,为了确定各责任关系的影响程度,本研究应用层次分析法进行责任关系赋权。

首先,建立指标评价体系。本研究的评价体系由一级指标构成,用于评价责任权重的5个指标为:直接责任关系、合作关系、委托指定关系、组织协调关系、监督指导关系,据此可得到责任权重评价指标的两两比较判断矩阵。

其次,通过咨询专家,得到完整的比较矩阵。本研究向公共管理、行政管理领域学者及政府高层工作人员发放基于AHP九级比例标尺的专家调查问卷,问卷由10道题目组成,责任权重评价指标两两对比,并由专家给出对比结果。本研究共收集了25份有效专家问卷,调查样本包括21位公共管理、行政管理领域学者(包括清华大学、北京大学、中国人民大学、中山大学、北京师范大学、武汉大学、四川大学、华南理工大学等高校教授)以及4位政府高层工作人员。

将25份专家问卷内容转换为指标判断矩阵,录入Yaahp软件进行责任权重计算与一致性检验,并运用该软件的不一致判断矩阵自动修正功能对未通过一致性检验的专家判断矩阵进行修正。平均各专家的指标权重,得到5个责任权重评价指标的权重系数,如表7所示。

表7 责任关系权重系数

(二)知识图谱解读

为将该知识图谱落实到实际按份责任的追究工作中,本研究针对图3标注的工作节点和事物节点,依据表6的责任关系细分结果,识别各稳评主体的责任关系,并结合层次分析法计算得出的责任关系权重,进行各节点按份责任追究知识图谱的展示与解读。

下面以“矛盾排解工作”工作节点为例,进行知识图谱的解读分析,其按份责任追究知识图谱如图4所示。

图4 “矛盾排解工作”节点责任追究知识图谱

“S市人民政府组织矛盾排解工作”属于组织协调关系;“项目单位进行矛盾排解工作”属于直接责任关系;“S市维稳部门协助矛盾排解工作”“S市政法部门协助矛盾排解工作”“S市综治部门协助矛盾排解工作”“S市信访部门协助矛盾排解工作”属于合作关系。因此,S市人民政府、项目单位、S市维稳部门、S市政法部门、S市综治部门、S市信访部门应按照比例(0.098 0∶ 0.473 6∶0.151 1∶0.151 1∶0.151 1∶0.151 1)进行追责。将计算结果进行标准化处理,得到各稳评主体的责任百分比。针对矛盾排解工作,按照责任比重降序排列,项目单位负40.27%的责任,S市维稳部门负12.85%的责任,S市政法部门负12.85%的责任,S市综治部门负12.85%的责任,S市信访部门负12.85%的责任,S市人民政府负8.33%的责任。

五、研究结论与建议

自2005年初以来,社会稳定风险评估制度发展迅速,已成为我国的党政国策。然而该制度的执行仍处于粗放阶段,仅评估重大行政决策风险发生的概率和风险等级,且没有规范完善的问责机制,这为重大行政决策稳评效果的提升带来了挑战。本文创新性地将质性研究与知识图谱相结合,对重大行政决策稳评主体间的责任进行可视化与追溯,构建责任追究知识图谱,并应用层次分析法进行责任关系赋权,据此实现稳评主体按份追究责任,具有重要的现实意义。

本研究针对重大行政决策稳评制度及稳评工作的实施提出以下指导建议。

第一,构建责任追究知识图谱有助于规范问责机制。当前我国面临稳评主体不履行责任、责任下推、问责追责不力等诸多困境,重大行政决策稳评的责任追究问题涉及多方主体,且相关问责机制不够健全,这对重大行政决策实施效果的提升带来了极大的挑战。对政务领域而言,知识图谱的引入可完善当前重大行政决策稳评主体的责任追究机制,规范责任追究路径。本文提出的质性研究与知识图谱相结合的方法可以有效应用于重大行政决策社会稳定风险评估,明晰稳评相关工作的追责路径以及各稳评主体的按份责任,解决权责不清问题,规范问责机制。各稳评主体能够直观地厘清其所负责的工作以及与其他稳评主体间的责任关系,能够有效激励各稳评主体相互间的监管督查,提高稳评主体的犯错成本,由此提高稳评工作的高效性和保障性。构建稳评主体责任追究知识图谱的规定,录入重大行政决策稳评工作的内部监管制度,有助于强化稳评工作的内部监督力度,保障重大决策的合法性、合理性、可行性与可控性,为重大行政决策的顺利实施营造积极且严谨的稳评工作环境。

第二,重视直接责任主体的稳评工作,提升决策准确性。基于层次分析法的稳评主体责任关系权重的定量计算结果表明,衡量稳评主体责任权重的关键指标为直接责任关系,其重要程度明显高于合作、委托指定、组织协调和监督指导关系。直接责任关系是指稳评主体直接负责实施或开展该项工作,相对于合作、委托指定、组织协调和监督指导责任主体,直接责任主体在相关稳评工作中的按份责任占主导地位。因此,为达到大幅提升稳评结果的有效性,以及重大决策合法性、合理性、可行性与可控性的最终目标,必须重视直接责任主体的稳评工作。在此基础上,可通过合适的奖励机制激励直接责任主体,提高直接责任主体的工作积极性,在保障自身工作要求的前提下加强对其他稳评主体的监督力度,以提升重大行政决策的准确性。

第三,加强合作与监督指导责任主体工作要求,保障决策准确性。合作与监督指导关系也是衡量稳评主体责任权重比较重要的指标,两者的重要程度分别处于第二位和第三位,明显高于委托指定与组织协调关系。由此可见,与直接责任主体达成合作与监督指导关系的稳评主体在稳评工作中的按份责任占次要地位,且重要程度较高。因此,保障重大决策合法性、合理性、可行性与可控性的关键在于加强合作与监督指导责任主体自身的工作要求,提高工作严谨性与积极性,在确保自身工作质量的同时加强对其他稳评主体的监督力度,由此降低稳评相关工作的出错率,从而最大程度地保障重大行政决策的准确性。