基于ＣＳＳＣＩ 的我国政策文本研究文献可视化定量分析

吴泠茜 马海群

摘 要： ［目的／ 意义］ 随着我国关于政策文本研究文献的日益增多， 对国内ＣＳＳＣＩ 期刊发表的相关研究文献进行综合述评有助于梳理政策文本分析研究的脉络， 为未来政策文本研究的深入提供参考。［方法／ 过程］ 基于文献计量学和可视化分析视角， 绘制我国政策文本研究的作者共现图谱、机构共现图谱、关键词共现图谱、关键词聚类图谱、关键词突变图谱等。［结果／ 结论］ 可视化地呈现了我国政策文本研究中具有影响力的作者及科研机构间的合作情况， 通过分析关键词共现、聚类、突变情况以揭示政策文本研究发展脉络， 并对研究方法、研究视角与研究领域进行总结。

关键词： 政策文本分析； 可视化； 文献计量

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０８．００１

〔中图分类号〕Ｇ２０３ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１ （２０２３） ０８－０００４－１０

随着信息化时代的发展， 政策文本作为政策的信息载体受到了更多学者的关注， 对政策文本信息进行挖掘与分析也逐步成为主流研究视角之一。与此同时， 数据时代的发展对我国社会科学的研究范式产生了深远影响， 以数据为基础的研究逐渐成为科研领域的重要趋势之一， 并成为了科学研究的第四范式［１］ 。因此， 近十年来我国兴起了政策文本分析研究热潮， 诸多学者分别从政策文本解读和政策文本量化的角度对各领域的政策进行论述， 使其成为当前政策科学、数据科学、文献信息学等领域重点关注的热点之一。

随着可视化技术的发展， 可视化研究成为近年来文献计量领域的主流之一。美国学者陈超美的可视化工具Ｃｉｔｅ Ｓｐａｃｅ 具有较大影响力［２］ 。大连理工大学刘则渊教授团队较早将可视化理论与方法引入国内文献计量学研究［３］ ， 其团队与陈超美合作， 利用Ｃｉｔｅ Ｓｐａｃｅ 对我国科研进行可视化分析与评价， 推动了可视化研究方法在我国科研评价领域的应用［４－５］ 。因此， 本文采用可视化的方法对国内政策文本研究进行回顾和分析。

对政策文本研究进行综述性分析始终受到学者们的关注， 特别是在政策文本量化研究领域， 通过梳理政策文本计量的起源、迁移与方法创新重塑政策文本量化研究［６］ ， 并揭示政策文本研究包含政策主题变迁、政策工具选择与组合、政策制定过程中主体合作网络等内容［７］ 。在公共政策研究领域， 也积极融合文本分析方法［８］ ， 从文本计量的视角出发，提出了政策文本研究的新方向， 即从政策量化研究到政策信息学的转变［９］ 。鉴于政策文本研究始终受到学者们的广泛关注， 从可视化的角度进行定量分析有助于进一步揭示政策文本研究的进展。本文在以上成果的基础上， 基于ＣＳＳＣＩ 期刊论文， 对我国政策文本研究进行回顾与分析。

１ 文献数据检索与发文量分析

１ １ 文献数据检索

本研究以ＣＮＫＩ、万方数据和维普数据库作为文献数据来源， 选取关于政策文本研究问题的核心期刊论文， 检索式为： 篇关摘＝“政策文本” ＯＲ “政策文献”， 文献来源类别勾选“ＣＳＳＣＩ”， 检索时间为２０２３ 年４ 月１３ 日， 初步检索得到文献共计４ ９３８篇， 经过去重及人工筛选无关的文献后得到共计１ ８８４篇相关文献， 时间跨度为２０００—２０２３ 年。

１ ２ 发文量分析

发文数量的变化情况可以清晰地表达该研究问题的研究强度和热度。选取２０００—２０２２ 年数据绘制发文数量年度趋势图， 如图１ 所示。从该曲线的增长态势来看， ２００８ 年前为政策文本研究的萌芽阶段， 届时政策文本分析视角开始被我国研究者应用。２００８—２０１５ 年为政策文本研究的起步阶段， 我国越来越多的研究者开始重视政策文本研究视角。２０１５ 年至今为政策文本研究的发展阶段， 期间各个领域的研究者都以政策文本研究视角对各行各业的政策进行文本分析。值得注意的是， ２０１７ 年起年均发文量超过１００ 篇， 越来越多的学者结合定性与定量两种研究方式， 以政策文本分析视角挖掘政策的内涵与价值，政策文本分析研究视角进入了稳定发展态势。

２ 作者、机构合作现状分析

绘制作者、机构之间的合作图谱可以揭示政策文本分析研究者和研究机构间的合作状况， 从另一角度体现了政策文本分析研究的复杂与繁琐性特征。统计发现， 在我国ＣＳＳＣＩ 期刊上发表政策文本分析研究４ 篇及以上的学者共计３８ 人， 如表１ 所示。

由表１ 可知， 马海群、黄萃、陈鹏、杜宝贵、祁占勇、秦春秀等是政策文本分析研究发文量较高的学者。下面通过作者共现网络图谱和机构合作网络图谱来探究发文量较高的学者间的科研合作情况， 经过参数调整后如图２、图３ 所示。

图２、图３ 中的连线较少， 表明该领域的合作网络整体情况不理想。通过进一步考察发现， 图谱中存在的一些科研团体， 他们的内部成员绝大多数是来自同一地区或同一科研机构， 如黑龙江大学信息资源管理研究中心的马海群团队（包括姜鑫、张涛、刘兴丽等）、中国科学技术信息研究所封颖团队、华中师范大学谭春辉团队（谢荣、王一夫、刘倩、魏温静等）、华东师范大学李廷洲团队（吴晶、楚江亭、李文辉等）、武汉大学黄如花团队（温芳芳、苗淼等）。各个小团体内部合作紧密， 但团体之间的联系较为松散， 其中只有中国科学院大学经济与管理学院图书情报与档案管理系与其他机构间联系紧密， 也实现了跨省同中国科学院成都文献情报中心合作。整体上看， 我国政策文本分析研究合作以知名学者为中心形成了较小的师生或同机构科研合作团队， 各团体间联系较小。

３ 应用的具体研究方法、研究视角与研究领域分析

关键词是文献的重要组成部分， 是研究者经过深思熟虑得到的、反映论文重要概念等方面的核心术语。政策文本分析相关文献的关键词聚类不仅反映了我国政策文本分析研究的发展脉络与前沿热点，其关键词聚类列表还可以清晰地展示出政策文本分析应用的具体研究方法与研究领域。根据表２ 的政策文本研究相关论文关键词聚类列表， 绘制政策文本研究关键词聚類（ＬＬＲ 对数似然率标签名）的Ｓｉｚｅ与时间（年份）柱状图， 如图４ 所示， 并根据研究方法、研究视角、研究领域与其他对关键词进行划分， 通过内容分析法对政策文本研究应用的具体方法、研究视角与研究领域进行阐述。

３ １ 政策文本分析应用的具体研究方法

通过图４ 可知， 我国政策文本分析主要应用的方法有内容分析、文本分析、政策分析及量化分析４ 种， 并随着时间推移逐渐从内容分析向量化分析发展。总体来看， 可以将我国进行政策文本分析方法分为定量分析、定性分析和综合分析３ 种： 首先是对政策文本进行定量分析， 主要统计政策文本发布及更新时间数据、政策主题词、政策发文单位等；其次是对政策文本展开的定性分析， 多从政策力度、政策目标、政策作用、政策演进等角度对政策文本进行有逻辑的内容阐释； 最后是综合分析， 运用定性与定量相结合的方式， 对某主题政策进行文本分析， 研究者通过应用定量与定性相结合的研究方法，可以发现隐藏于政策文本背后的政策信息与其内在特征。

３ ２ 政策文本分析的研究视角

从图４ 研究视角来看， 研究者多采用政策变迁、府际关系、政策工具、政策演进、政策评估与文本挖掘等视角进行政策文本研究。随着时间的迁移， “政策变迁” 研究视角的名称逐步被“政策演进” 替代， 但政策变迁实质上等同于政策演进，其内在动力都来源于政策需求和政策供给间的矛盾运动［１０］ 。

政策变迁与政策演进成为热点研究视角是由于政府执政理念会随着时代的发展而变化， 伴随着政治、经济、社会、文化的不断发展而推陈出新。政策文本是政府履行职能过程中留下的印记， 因此会随着执政理念的转变， 内化于政策文本中的政策目标与政策主体文本也在变迁。因此， 政策变迁研究

在政策文本研究兴起之初就成为了热点研究视角之一。在以往的研究中， 对政策变迁的研究主要基于定性的政策文本梳理、解读， 不可避免的夹杂作者的主观性。随着文本挖掘工具的出现， 量化研究因其可以客观地呈现政府执政理念的转变过程而被作者广泛应用， “政策变迁” 一词随之转向了动态化特征更加鲜明的“政策演进”。

府际关系成为热点研究视角是由于政府部门是政策制定主体之一， 政策制定过程离不开政策主体之间的博弈。政策文本的制定和实施是政府机构多部门的博弈结果， 其中既存在合作， 同时又伴随着冲突。因此， 政策文本的制定机构的合作网络可以充分体现复杂的府际关系， 为研究政府部门间的关系及博弈机制提供了新视角。通过政策文本发布机构合著网络分析方法， 可以清晰地梳理政策文本颁布机构之间的政策网络合作， 识别政府部门合作模式与冲突关系。

近年来， 政策工具逐渐成为顶流热点研究视角是由于政策工具是实现政策目标的基本保障， 并以此为研究视角有助于实现政策科学化。陈振明等［１１］ 认为， 政策工具是公共物品和服务的供给方式与实现机制， 即政府为了实现和满足公众的公共物品与服务的需求所采取的各种方法、手段和实现机制， 为了满足公众需求而进行的一系列的制度安排。因此， 以政策工具为视角的研究成果可以优化政策文本， 进而更好地满足公众需求， 并一举成为了最热门的研究视角。

政策评估成为热点研究视角是由于政策评估可以为政策制定者在制定新政策时提供充分且有依据的政策实施情况作为参考， 为此能够制定更优化的政策。政策评估通常是通过构建科学、全面的评价指标体系， 对政策文本内容及实施过程和效果进行系统化的考察和分析， 之后得出合理的评估结论。为了调整政策措施、提高政策执行效率， 根据政策评估识别出的问题提出相关优化建议， 为判断未来政策走势等提供决策参考和依据［１２］ 。

文本挖掘随着数字化技术的发展逐渐成为最前沿的热点研究视角， 也被誉为最科学的研究范式之一。其结合了扎根理论与量化研究方法， 从政策文本中提取影响因素， 尽可能克服实证研究中因主观而导致的研究假设建立不足的情况， 从而增加研究的科学性。

３ ３ 政策文本分析的研究领域

从图４ 所示的研究领域上来看， 政策文本研究最先兴起于教育政策领域， 随后在公共政策领域快速发展， 近期在科学政策领域受到关注。通过笔者的梳理发现， 政策文本分析的研究领域可以细化为教育政策［１３－１５］ 、科学数据政策［１６－１８］ 、地方政府政策［１９－２２］ 、科技政策［２３－２５］ 、人才政策［２６－２８］ 、货币政策［２９］ 、医疗健康政策［３０］ 等公共领域制定的政策文本。

４ 研究热点分析

４ １ 关键词共现图谱与热点关键词

各类研究中关键词出现频次的高低， 决定着该类研究中包含的相关领域关注度的大小。绘制关键词共现图谱可以揭示我国政策文本研究的核心主题及其关联情况， 如图５ 所示， 按照中介中心度的大小来控制节点标签的显示数量， 节点文字的字号大小与其代表的关键词出现频次大小成正比。如图５所示， 我国政策文本研究除了上述研究方法、研究視角和研究领域外， 还有近期兴起的政策协同、政策网络、人工智能、大数据等研究主题。

从表３ 可知， 政策工具、政策文本、内容分析、政策变迁、教育政策、量化分析、政策演进、人才政策、文本挖掘、人工智能、地方政府、公共政策等是近年来政策文本分析研究的热点， 其中包含了政策文本研究的不同政策主题。随着时间的推移，政策文本研究的实效性凸显， 政策主题会随着大数据、人工智能等时代的产物而迅速产生新兴热门主题。

４ ２ 关键词聚类图谱

绘制关键词聚类图谱以反映我国政策文本分析研究的发展脉络与前沿热点。数据显示共有３３７ 个网络节点， ３５６ 条连线， 网络密度为０ ００６３， Ｍｏｄ⁃ｕｌａｒｉｔｙ Ｑ 的值为０ ８７９９， 远大于临界值０ ３， 表明关键词聚类网络的结构显著， 聚类效果较好； ＭｅａｎＳｉｌｈｏｕｅｔｔｅ 值为０ ９７７４， 也远大于临界值０ ５， 表明聚类结果是合理的。通过采用对数似然比ＬＬＲ 算法，共产生９ 个主要关键词聚类， 分别为政策、政策文本、政策分析、文本分析、内容分析、政策工具、政策变迁、公共政策和人工智能， 如图６ 所示。

可以发现， 随着政策文本研究的不断深入， 基于政策工具理论的政策文本分析始终受到我国学界关注［３１］ 。在我国， 黄萃等［３２］ 基于政策工具视角对中国风能政策文本进行了量化研究， 进一步推动了政策工具的运用。李健等［３３］ 基于政策工具对中国节水政策框架进行分析研究， 深入剖析了我国节水政策存在的问题， 并对未来节水政策的制定和应用提出了合理化建议。周京艳等［３４］ 基于政策工具视角对我国大数据政策的文本量化分析， 讨论了现有政策的合理性以及完善现有政策的路径。刘春华等［３５］基于政策工具视角下对中国体育政策进行梳理与分析， 深入剖析体育政策在政策工具选择、组织、关联中存在的缺失与冲突。白彬等［３６］ 基于政策工具视角对以创业拉动就业的政策进行分析， 探讨了政策的合理性和有效性， 并提出优化方法和路径。李健等［３７］ 基于政策工具视角， 对中国慈善事业政策进行研究， 并深刻揭示了未來慈善事业政策的走向等。政策工具理论在我国政策文本研究中的广泛应用体现了我国政策文本研究以政策的问题为导向， 以期提高政策实施质量。

而近两年兴起并迅速发展的人工智能也受到了政策文本研究的重视。李明等［３８］ 对我国央地政府人工智能政策的外部结构、政策工具与政策主题进行分析。汤志伟等［３９］ 在政策工具与创新价值链视角下对我国地方政府人工智能政策进行研究。刘红波等［４０］ 基于政策文本量化对我国人工智能发展的价值取向、议题构建与路径选择进行分析。汤志伟等［４１］ 对中美两国人工智能政策进行基于目标、工具与执行的内容分析。可见政策文本研究主题的演变时效性较强， 会随着整体上时代的发展而迁移。

４ ３ 关键词突现图谱

绘制关键词突现结果如图７ 所示。据观察政策文本分析研究的政策领域起始于教育政策， 并且学者们在政策文本分析研究的起步阶段主要关注政策变迁问题。随着时代的发展， 科技政策、地方政府政策、体育政策、开放数据政策、创新政策、改革开放政策、大数据政策逐渐进入研究者视野， 并随着研究的深入及研究范式的不断发展， 从简单的梳理政策变迁研究转为政策评价研究， 以期制定更加科学的政策。

２０２０ 年兴起的政策评价是公共政策的制定和管理过程中最重要的纽带， 通过使用不同的理论、量化模型和技术手段来对特定的政策进行综合性分析， 不仅可以对政策本身做出科学的评判， 还可以检验政策制定和执行的实际效果。政策评价在公共政策分析的过程中充当了重要角色， 也是政策资源合理分配的基础， 有效地检验政策效果［３８］ 。近年来多数作者应用的ＰＭＣ（Ｐｏｌｉｃｙ Ｍｏｄｅｌｉｎｇ Ｃｏｎｓｉｓｔｅｎ⁃ｃｙ）指数模型［３９］ 不仅可以通过ＰＭＣ 指数多维度分析某项政策的内部异质性和优劣水平， 而且可以通过ＰＭＣ 曲面图直观展示政策各维度的优势和缺陷。张永安等［４４］ 针对我国“大众创业、万众创新” 政策进行ＰＭＣ 量化分析， 完善双创政策的提升策略；周海炜等［４５］ 利用文本挖掘和ＰＭＣ 指数模型构建大数据发展政策的评价体系， 提出合理优化路径； 胡峰等［４６］ 以Ｈｅｒｒｉｎｇ 模型为研究框架， 基于ＰＭＣ 指数模型， 从情报需求识别、规划、搜集、加工、分析、演示的过程视角对大数据政策文本进行量化评价， 最终得出我国大数据政策设计总体较为科学、合理， 政策质量较高的结论； 赵杨等［４７］ 应用ＰＭＣ指数模型对我国政府颁布的８ 项有代表性的国家跨境电子商务政策进行量化评价分析， 得出我国跨境电子商务政策的ＰＭＣ 指数总体呈上升趋势的结论。

５ 总结与展望

本文对我国ＣＳＳＣＩ 期刊中发表的政策文本研究的相关文献进行定量分析， 运用ＣｉｔｅＳｐａｃｅ 共现分析、聚类分析等可视化手段， 揭示政策文本研究文献的作者、机构合作网络、研究方法、研究领域与研究热点。

以上分析展现了我国政策文本研究的发展： 其一是我国政策文本研究分为３ 个阶段， ２００８ 年以前为萌芽阶段， ２００８—２０１５ 年为政策文本研究的起步阶段， ２０１５ 年至今为政策文本研究的稳定发展阶段， 年均发文量实现了１００ 篇以上的稳定发展； 其二是我国政策文本研究作者、机构合作情况，通常以知名学者为中心， 形成范围较小的师生或同机构科研团队的合作； 其三是我国政策文本研究应用的具体方法与涉及研究领域范围较广， 研究方法上已经形成定性与定量相结合的方式， 结合了实施描述与统计验证两种方法， 所涉及的研究视角与研究领域也较为广泛，； 其四是随着大数据与人工智能的发展， 政策文本研究领域逐步拓宽， 政策工具与政策评价也成为了我国政策文本研究的重点。

在今后的发展中， 还需从研究方法上加强对文本数据的解释性分析能力与创新空间， 应努力尝试与其他学科的理论方法相融合， 从而构建出新的量化研究方法或文本内容挖掘工具， 从而实现政策文本分析研究结果的更大贡献； 在研究领域的拓展与创新上， 还应该将政策文本研究推广至更多的领域， 充分开发政策文本的价值， 为社会赋能。

参考文献

［１］ Ｈｅｙ Ｔ， Ｔａｎｓｌｅｙ Ｓ， Ｔｏｌｌｅ Ｋ． Ｔｈｅ Ｆｏｕｒｔｈ Ｐａｒａｄｉｇｍ ［Ｍ］． ＭｉｃｒｏｓｏｆｔＰｒｅｓｓ， ２００９．

［２］ Ｃｈｅｎ Ｃ． ＣｉｔｅＳｐａｃｅ： Ｄｅｔｅｃｔｉｎｇ ａｎｄ Ｖｉｓｕａｌｉｚｉｎｇ Ｅｍｅｒｇｉｎｇ Ｔｒｅｎｄｓａｎｄ Ｔｒａｎｓｉｅｎｔ Ｐａｔｔｅｒｎｓ ｉｎ Ｓｃｉｅｎｔｉｆｉｃ Ｌｉｔｅｒａｔｕｒｅ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ｔｈｅＡｍｅｒｉｃａｎ Ｓｏｃｉｅｔｙ ｆｏｒ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， ２００６，５７ （３）： ３５９－３７７．

［３］ 陈悦， 刘则渊． 悄然兴起的科学知识图谱［ Ｊ］． 科学学研究，２００５， （２）： １４９－１５４．

［４］ 陈超美， 陈悦， 侯剑华， 等． ＣｉｔｅＳｐａｃｅ Ⅱ： 科学文献中新趋势与新动态的识别与可视化［Ｊ］． 情报学报， ２００９， ２８ （３）：４０１－４２１．

［５］ 刘则渊， 王贤文， 陈超美． 科学知识图谱方法及其在科技情报中的应用［Ｊ］． 数字图书馆论坛， ２００９， （１０）： １４－３４．

［６］ 李江， 刘源浩， 黄萃， 等． 用文献计量研究重塑政策文本数据分析———政策文献计量的起源、迁移与方法创新［ Ｊ］． 公共管理学报， ２０１５， １２ （２）： １３８－１４４， １５９．

［７］ 黄萃， 任弢， 张剑． 政策文献量化研究： 公共政策研究的新方向［Ｊ］． 公共管理学报， ２０１５， １２ （２）： １２９－１３７， １５８－１５９．

［８］ 黄萃， 吕立远． 文本分析方法在公共管理與公共政策研究中的应用［Ｊ］． 公共管理评论， ２０２０， ２ （４）： １５６－１７５．

［９］ 刘昊， 张志强． 文献计量视角下政策科学研究的新方向———从政策量化研究到政策信息学［Ｊ］． 情报杂志， ２０１９， ３８ （１）：１８０－１８６， １１１．

［１０］ 陈潭． 公共政策变迁的理论命题及其阐释［Ｊ］． 中国软科学，２００４， （１２）： １０－１７．

［１１］ 陈振明， 张敏． 国内政策工具研究新进展： １９９８—２０１６ ［ Ｊ］．江苏行政学院学报， ２０１７， （６）： １０９－１１６．

［１２］ 赵莉晓． 创新政策评估理论方法研究———基于公共政策评估逻辑框架的视角［Ｊ］． 科学学研究， ２０１４， ３２ （２）： １９５－２０２．

［１３］ 俞国良， 琚运婷． 我国心理健康教育政策的历史进程分析与启示［Ｊ］． 中国教育学刊， ２０１８， （１０）： ４０－４８．

［１４］ 俞国良， 李森． 我国“立德树人” 教育政策历史进程的文本分析与启示［Ｊ］． 西南民族大学学报（ 人文社科版）， ２０１９，４０ （６）： ２１７－２２２．

［１５］ 靳娟娟， 俞国良． 我国家庭教育政策历史进程的文本分析与__启示［Ｊ］． 中国人民大学教育学刊， ２０２１， （１）： １１４－１２６．

［１６］ 姜鑫， 马海群， 王德庄． 基于质性文本分析视角的开放科学数据与个人数据保护的政策协同研究———以国外资助机构为例［Ｊ］． 情报理论与实践， ２０２０， ４３ （７）： ５４－６２．

［１７］ 王德庄， 姜鑫． 国外学术期刊科学数据政策质性分析与内容要素研究［Ｊ］． 中国科技期刊研究， ２０２２， ３３ （８）： １０８８－１０９７．

［１８］ 王丹丹， 刘清华， 葛力云． Ｓｐｒｉｎｇｅｒ Ｎａｔｕｒｅ 科研数据政策标准化工作实践及启示［Ｊ］． 图书情报工作， ２０２０， ６４ （１８）： １３７－１４５．

［１９］ 郭燕芬， 柏维春． 我国地方政府效能评价的实施现状———基于３１ 省的政策文本分析［Ｊ］． 兰州学刊， ２０１９， （１）： １６４－１８２．

［２０］ 谭春辉， 谢荣， 刘倩． 政策工具视角下的我国政府信息公开政策文本量化研究［Ｊ］． 电子政务， ２０２０， （２）： １１１－１２４．

［２１］ 李明， 曹海军． 中国央地政府人工智能政策比较研究———一个三维分析框架［Ｊ］． 情报杂志， ２０２０， ３９ （６）： ９６－１０３， ５３．

［２２］ 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．

［２３］ 彭辉． 基于内容分析法的上海市科技创新政策文本分析［ Ｊ］．大连理工大学学报（社会科学版）， ２０１７， ３８ （１）： １５７－１６３．

［２４］ 文圆， 危怀安， 李旭彦． 科技企业孵化器政策量化与演进研究［Ｊ］． 科技进步与对策， ２０２１， ３８ （１９）： １１９－１２８．

［２５］ 章昌平， 钱杨杨． 中国科技政策网络分析： 行动者、网络结构与网络互动［Ｊ］． 社会科学， ２０２０， （２）： ３－１７．

［２６］ 黄海刚， 曲越． 中国高端人才政策的生成逻辑与战略转型：１９７８—２０１７ ［Ｊ］． 华中师范大学学报（人文社会科学版）， ２０１８，５７ （４）： １８１－１９２．

［２７］ 陈新明， 萧鸣政， 张睿超． 城市“抢人大战” 的政策特征、效力测度及优化建议［ Ｊ］． 中国人力资源开发， ２０２０， ３７ （５）：５９－６９．

［２８］ 朱军文， 王杰． 从“竞争” 到“普惠”： 高校青年人才支持政策转向研究［Ｊ］． 教育发展研究， ２０２２， ４２ （７）： ２１－２６， ３３．

［２９］ 程翔， 鲍新中， 张瑞， 等． 基于政策量化的京津冀地区科技金融政策有效性分析［ Ｊ］． 科技管理研究， ２０１８， ３８ （２０）：６２－６８．

［３０］ 翟运开， 郭柳妍， 赵栋祥， 等． 基于ＰＭＣ 指数模型的远程医疗政策评价［Ｊ］． 信息资源管理学报， ２０２２， １２ （ ２）： １１２－１２２， １３７．

［３１］ 范丽莉， 唐珂． 基于政策工具的我国政府数据开放政策内容分析［Ｊ］． 情报杂志， ２０１９， ３８ （１）： １４８－１５４， ５３．

［３２］ 黄萃， 苏竣， 施丽萍， 等． 政策工具视角的中国风能政策文本量化研究［Ｊ］． 科学学研究， ２０１１， ２９ （６）： ８７６－８８２， ８８９．

［３３］ 李健， 王博． 基于政策工具的中国节水政策框架分析研究［Ｊ］．科技管理研究， ２０１５， ３５ （４）： ２１８－２２３．

［３４］ 周京艳， 张惠娜， 黄裕荣， 等． 政策工具视角下我国大数据政策的文本量化分析［Ｊ］． 情报探索， ２０１６， （１２）： ７－１０， １６．

［３５］ 刘春华， 李祥飞， 张再生． 基于政策工具视角下的中国体育政策分析［Ｊ］． 体育科学， ２０１２， ３２ （１２）： ３－９．

［３６］ 白彬， 张再生． 基于政策工具视角的以创业拉动就业政策分析［Ｊ］． 科学学与科学技术管理， ２０１６， ３７ （１２）： ９２－１００．

［３７］ 李健， 顾拾金． 政策工具视角下的中国慈善事业政策研究———以国务院《关于促进慈善事业健康发展的指导意见》为例［Ｊ］． 中国行政管理， ２０１６， （４）： ３４－３９．

［３８］ 李明， 曹海军． 中国央地政府人工智能政策比较研究———一个三维分析框架［Ｊ］． 情报杂志， ２０２０， ３９ （６）： ９６－１０３， ５３．

［３９］ 汤志伟， 雷鸿竹， 郭雨晖． 政策工具—创新价值链视角下的我国地方政府人工智能产业政策研究［ Ｊ］． 情报杂志， ２０１９，３８ （５）： ４９－５６．

［４０］ 刘红波， 林彬． 中国人工智能发展的价值取向、议题建构与路径选择———基于政策文本的量化研究［ Ｊ］． 电子政务， ２０１８，（１１）： ４７－５８．

［４１］ 汤志伟， 雷鸿竹， 周维． 中美人工智能产业政策的比较研究———基于目标、工具与执行的内容分析［Ｊ］． 情报杂志， ２０１９， ３８（１０）： ７３－８０．

［４２］ 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．

［４３］ Ｒｕｉｚｅ Ｅｓｔｒａｄａ Ｍ Ａ， Ｙａｐ Ｓ Ｆ， Ｎａｇａｒａｊ Ｓ． Ｂｅｙｏｎｄ ｔｈｅ Ｃｅｔｅｒｉｓ Ｐａ⁃ｒｉｂｕｓ Ａｓｓｕｍｐｔｉｏｎ： Ｍｏｄｅｌｉｎｇ Ｄｅｍａｎｄ ａｎｄ Ｓｕｐｐｌｙ Ａｓｓｕｍｉｎｇ ＯｍｎｉａＭｏｂｉｌｉｓ ［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ Ｒｅｓｅａｒｃｈ， ２００８（２）： １８５－１９４．

［４４］ 张永安， 郄海拓． “ 大众创业、万众创新” 政策量化评价研究———以２０１７ 的１０ 项双创政策情报为例［Ｊ］． 情报杂志， ２０１８，３７ （３）： １５８－１６４， １８６．

［４５］ 周海炜， 陈青青． 大数据发展政策的量化评价及优化路径探究———基于ＰＭＣ 指数模型［Ｊ］． 管理现代化， ２０２０， ４０ （４）：７４－７８．

［４６］ 胡峰， 温志强， 沈瑾秋， 等． 情报过程视角下大数据政策量化评价———以１１ 项国家级大数据政策为例［Ｊ］． 中国科技论坛，２０２０， （４）： ３０－４１， ７３．

［４７］ 赵杨， 陈雨涵， 陈亚文． 基于ＰＭＣ 指数模型的跨境电子商务政策评价研究［Ｊ］． 国际商务（对外经济贸易大学学报）， ２０１８，（６）： １１４－１２６．

（責任编辑： 郭沫含）