文本分析“地方领导留言板”数据登上ABS4期刊！

东北林业大学经济管理学院Shaopeng Zhang、北京师范大学湾区国际商学院 Yinhao Yang和BDO 中国潘序伦会计师事务所Huanhui Gan合作研究的名为“Can Cross-Sector Collaboration Contribute to Boundaries Reshaping of Digital Government Platforms? Empirical Evidence Based on Machine Learning and Text Analysis（跨部门协作能否推动数字政府平台的边界重塑？—— 基于机器学习与文本分析的实证证据）”的论文在国际权威期刊Public Administration（ABS4）中发表。研究通过机器学习与文本分析方法，实证检验了跨部门协作对政府数字平台功能边界、数据整合范围及服务模式的影响。

论文摘要

跨部门协作被视为破解政府组织碎片化的有效制度安排，但何种组织形式能够有效推动数字政府平台的整体治理仍未可知。本研究依据行为理论构建基于注意力的行为模型，探究跨部门协作对数字政府平台整体治理的影响及作用机制。研究发现，跨部门协作对数字政府平台治理具有负向效应。机制分析表明，基于牵头任务制的跨部门协作可通过两条路径增强数字政府平台治理：一是跨部门协作的绩效驱动路径，二是领导者注意力分配主导的纵向干预路径。本研究为理解数字政府平台中基于牵头任务制的跨部门协作微观运行机制提供了理论与经验证据。

数据说明

研究以2020年长三角与珠三角地区地方政府负责人与本地领导留言板数据为样本。

文本分析

• 结果变量：

1. 响应时效：通过留言提交与政府回应的时间差计算

2. 响应类型：基于支持向量机（SVM）构建四阶分类体系（程序性回应→咨询性回应→调查性回应→问题解决型回应）

• 核心解释变量：

跨部门协作复杂度：基于文本分析技术（分词+人工标注）量化职能领域交互广度，SVM模型分类一致性达0.856

文献来源

Zhang, Shaopeng, Yinhao Yang, and Huanhui Gan. "Can Cross‐Sector Collaboration Contribute to Boundaries Resha** of Digital Government Platforms? Empirical Evidence Based on Machine Learning and Text Analysis." Public Administration (2025).