朱曉峰 楊建豪 蔣勛

摘? 要：[目的/意義]研究政府數(shù)據(jù)開放平臺傳播，有利于提高平臺的知名度、擴大平臺的影響力，有助于直接改善政府數(shù)據(jù)開放和利用的效果。[方法/過程]本文以經(jīng)典SIR模型為基礎(chǔ)，加入共生關(guān)系這一影響政府數(shù)據(jù)開放平臺傳播的關(guān)鍵因素，構(gòu)建政府數(shù)據(jù)開放平臺傳播模型，最后，使用MATLAB軟件進行數(shù)值仿真。[結(jié)果/結(jié)論]研究結(jié)果表明，“獨立共生—偏利共生（用戶受益）—互惠共生”的演變路徑更符合整體利益;互惠共生模式下，平臺傳播效果最佳;偏利共生（平臺受益）模式下，平臺傳播效果最差。

關(guān)鍵詞：政府數(shù)據(jù)開放;共生;傳播;SIR模型

DOI：10.3969/j.issn.1008-0821.2020.10.013

〔中圖分類號〕G203? 〔文獻標識碼〕A? 〔文章編號〕1008-0821（2020）10-0122-10

Government Data Open Platform Dissemination

Integrated with Improved SIR Model

——Construction and Simulation of Symbiotic Evolution Model

Zhu Xiaofeng1? Yang Jianhao1? Jiang Xun2

（1.School of Economics and Management，Nanjing University of Technology，Nanjing 211816，China;

2.Jiangsu Key Laboratory of Data Engineering and Knowledge Services，Nanjing 210023，China）

Abstract：[Purpose/Significance]Research on the spread of open platform of government data is conducive to improving the popularity of the platform，expanding the influence of the platform，and directly affecting the effect of the opening and utilization of government data.[Method/Process]Based on the classic SIR model，the model of open platform of government data was constructed，by adding symbiosis which was the key factor that affected the spread of open platform of government data.[Result/Conclusion]The results showed that the evolution path of“independent symbiosis-partial benefit symbiosis（user benefit）-mutual benefit symbiosis”was in line with the overall interests;under the mode of“mutual benefit symbiosis”，the effect of platform transmission was the best;under the mode of“partial benefit symbiosis（platform benefit）”，the effect of platform transmission was the worst.

Key words：government data opening;symbiosis;transmission;SIR model

政府數(shù)據(jù)開放是大數(shù)據(jù)時代的產(chǎn)物，截至2019年，我國已有82個城市開放了政府數(shù)據(jù)平臺，涉及15個領(lǐng)域的政府數(shù)據(jù)，數(shù)據(jù)集總量達到了62 801個[1]。在共建共治共享的社會治理格局下，政府數(shù)據(jù)開放平臺的理論價值與實踐意義日益重要，也日益成為學者研究的焦點[2]。

早期關(guān)于政府數(shù)據(jù)開放平臺的研究，主要聚焦于平臺自身，如平臺的基礎(chǔ)性理論研究（Sieber R E等[3];黃思棉等[4];Wang H J等[5];吳湛微等[6]）、平臺現(xiàn)狀調(diào)查研究（黃如花等[7-8];楊瑞仙等[9];東方[10];曾粵亮[11]）以及平臺的評價（Alexopoulos C等[12];張子良等[13];陳水湘[14]）。近期研究，在探索如何構(gòu)建政府數(shù)據(jù)開放平臺之外（陳美[15]），日益關(guān)注平臺用戶，包括平臺用戶體驗研究（Ruijer E等[16];朱紅燦等[17]）、平臺用戶使用意愿研究（高天鵬等[18]）、平臺用戶情感分析（劉桂琴[19]）、平臺用戶隱私保護（杜荷花[20-21]）等。

但是，已有研究都是從平臺或用戶單一視角研究政府數(shù)據(jù)開放平臺。從實際實用效果而言，國內(nèi)現(xiàn)有政府數(shù)據(jù)開放平臺的實際利用效果差強人意。例如，廣東省數(shù)據(jù)開放平臺最新發(fā)布的2019年各市公共預算收支數(shù)據(jù)目錄中，全年瀏覽次數(shù)僅4 153次，下載次數(shù)更是只有3 266次。

因此，僅僅研究政府數(shù)據(jù)開放平臺或者用戶本身，而不考慮政府數(shù)據(jù)開放平臺與用戶的互動關(guān)系，不從各方協(xié)同發(fā)展角度考慮利益均衡，不秉持系統(tǒng)發(fā)展理念梳理數(shù)據(jù)開放平臺與用戶之間互動優(yōu)化歷程，勢必不能發(fā)揮政府數(shù)據(jù)開放平臺的真正價值。

政府數(shù)據(jù)開放平臺作為政府數(shù)據(jù)資源傳播的網(wǎng)絡(luò)媒介，是連接數(shù)據(jù)供給側(cè)和利用端的通道、開放和獲取數(shù)據(jù)的載體[22]。因此，政府數(shù)據(jù)開放平臺傳播，就是指政府數(shù)據(jù)開放平臺與用戶的互動關(guān)系，它本質(zhì)上和信息傳播、疾病傳播一樣，都是因為“接觸”而形成的交往、傳遞與溝通[23]。換而言之，政府數(shù)據(jù)開放平臺傳播，是指平臺和用戶之間有目的的傳遞、交流、反饋等一系列行為或過程。

目前關(guān)于信息傳播機理模型的研究，最經(jīng)典就是SIR傳染病模型（姚晶晶等[24];馬全恩等[25]）。由于研究對象的差異，諸多學者紛紛將各自研究對象的關(guān)鍵因素引入經(jīng)典SIR模型加以改進，如顧秋陽等在經(jīng)典的SIR模型中引入網(wǎng)絡(luò)用戶數(shù)量作為關(guān)鍵因素，準確描述了網(wǎng)絡(luò)謠言的動態(tài)傳播過程[26];魏靜等在經(jīng)典的SIR模型基礎(chǔ)上，引入了微博模擬網(wǎng)絡(luò)作為關(guān)鍵因素，并總結(jié)了網(wǎng)絡(luò)輿情的傳播過程[27]。

對于政府數(shù)據(jù)開放平臺傳播而言，它是一個多主體、動態(tài)演進的過程，各個利益主體間聯(lián)系緊密、互有裨益，可視為一個整體，也就是說，政府數(shù)據(jù)開放各利益主體按照某種共生模式共同運作[28]。因此，共生關(guān)系將成為政府數(shù)據(jù)開放平臺傳播的關(guān)鍵因素，將其納入經(jīng)典的SIR傳染病模型中，能夠更全面、更切實地研究政府數(shù)據(jù)開放平臺的傳播過程。

綜上所述，本文擬在經(jīng)典的SIR模型基礎(chǔ)上，引入各個利益主體間的共生關(guān)系作為關(guān)鍵因素，以期能夠全景展現(xiàn)政府數(shù)據(jù)開放平臺傳播的演變趨勢，從而提高政府數(shù)據(jù)開放平臺的知名度和使用效果，最終真正釋放出政府數(shù)據(jù)潛在的巨大經(jīng)濟價值和社會價值。

1? 共生視角下政府數(shù)據(jù)開放平臺傳播模型構(gòu)建

11? 經(jīng)典的SIR傳染病模型概述

經(jīng)典SIR模型假設(shè)在總?cè)藬?shù)M保持穩(wěn)定的前提下，將人群分為易感者S（Susceptible）、感染者I（Infective）、免疫者R（Removal），分別代表可能患病的人、已經(jīng)患病的人和患病后恢復的人。其中，感染者所產(chǎn)生的感染率為α，感染者被治愈的概率為β，易感者會在感染率α的作用下成為感染者，感染者會在治愈率β的作用下成為免疫者，轉(zhuǎn)化規(guī)則如圖1所示：

12共生視角下改進的SIR模型假設(shè)

從用戶和平臺獲益的角度，政府數(shù)據(jù)開放平臺各個利益主體之間的共生關(guān)系可以分為獨立生存、偏利共生和互惠共生[29]。獨立共生表示政府數(shù)據(jù)開放平臺與用戶相互獨立;偏利共生表示平臺或用戶其中一方受益而另一方無損益;互惠共生表示平臺和用戶皆受益。其中，偏利共生分為兩種情況，即用戶受益和平臺受益。

1）用戶狀態(tài)劃分及參數(shù)說明

在政府數(shù)據(jù)開放平臺中，假設(shè)用戶總量為M并保持穩(wěn)定，按照對政府數(shù)據(jù)開放平臺的了解和使用情況，將政府數(shù)據(jù)開放平臺用戶劃分為平臺潛在用戶（S）、平臺受益用戶（Ib）、平臺不受益用戶（Ig）和平臺棄用者（R）。其中，平臺潛在用戶是指平臺的瀏覽者，他們可能對政府數(shù)據(jù)開放平臺有某種程度的了解但從未正式使用過;平臺受益用戶是指使用平臺獲取自己所需數(shù)據(jù)的用戶;相反地，平臺不受益用戶指未能通過平臺獲取其所需數(shù)據(jù)的用戶;平臺棄用者是指有使用經(jīng)歷后來但是放棄不再使用平臺的用戶。4類用戶的人數(shù)分別為S（t）、Ib（t）、Ig（t）和R（t），在總用戶中所占比例分別為s（t）、ib（t）、ig（t）、r（t）。

在政府數(shù)據(jù)開放平臺傳播中，存在轉(zhuǎn)化率λ，共生作用率θ和棄用率μ，以及新用戶進入傳播系統(tǒng)的概率A。轉(zhuǎn)化率分為受益用戶引發(fā)的正面轉(zhuǎn)化率λ1和不受益用戶引發(fā)的負面轉(zhuǎn)化率λ2;不同共生模式對用戶狀態(tài)的影響記為共生作用率θ;將受益用戶、不受益用戶和潛在用戶棄用平臺的概率分別記為棄用率μ1、μ2、μ3。具體模型參數(shù)及說明如表1所示。

2）轉(zhuǎn)移規(guī)則

在政府數(shù)據(jù)開放平臺傳播中，平臺用戶狀態(tài)轉(zhuǎn)移規(guī)則為：平臺潛在用戶逐漸接觸兩類平臺用戶（受益類用戶和不受益類用戶）時會以一定的轉(zhuǎn)化率成為某一類平臺用戶，其中，被受益用戶影響成為新的平臺受益用戶的轉(zhuǎn)化率，被稱為正面轉(zhuǎn)化率λ1，被不受益用戶影響成為新的平臺不受益用戶的轉(zhuǎn)化率，被稱為負面轉(zhuǎn)化率λ2。共生作用率θ會使平臺不受益用戶向平臺受益用戶發(fā)生轉(zhuǎn)變。除此之外，平臺受益用戶、不受益用戶和平臺潛在用戶分別會受棄用率μ1、μ2和μ3影響成為平臺棄用者（如圖2所示）。

13? 共生視角下用戶狀態(tài)變化規(guī)律

根據(jù)以上假設(shè)，在政府數(shù)據(jù)開放平臺傳播中，受益用戶與不受益用戶的數(shù)量往往影響著平臺的總用戶數(shù)量及傳播效應(yīng)，因此，根據(jù)上述4種共生模式特征及用戶狀態(tài)轉(zhuǎn)移規(guī)則，不同共生模式演化下平臺受益用戶與不受益用戶的變化規(guī)律，如圖3所示。

在圖3中，4個區(qū)域分別代表獨立生存、偏利共生（用戶受益）、偏利共生（平臺受益）和互惠共生4種共生模式。在初始的獨立生存狀態(tài)中，平臺受益用戶ib（t）數(shù)量與不受益用戶ig（t）數(shù)量恒定且保持在較低水平，且共生作用率較低;當平臺與用戶間朝偏利共生（用戶受益）演化時，受益用戶數(shù)量增加，而不受益用戶保持原有水平，共生作用率達到最大并使更多的不受益用戶成為受益用戶;當平臺與用戶朝偏利共生（平臺受益）演化時，共生作用率降至最小值，受益用戶極少而不受益用戶數(shù)量最多;當平臺與用戶間的共生關(guān)系從偏利共生（平臺受益）向互惠共生模式轉(zhuǎn)變時，共生作用率逐漸增加，故不受益用戶逐漸減少，而受益用戶逐步增加;當平臺與用戶的共生關(guān)系從偏利共生（用戶受益）向互惠共生轉(zhuǎn)變時，共生作用率開始緩慢減少并趨于平衡，受益用戶和不受益用戶數(shù)量也開始趨于平衡。

14? 模型建立及平衡點分析

在經(jīng)典的SIR傳染病模型的基礎(chǔ)上，引入不同共生模式下的共生作用率θ，綜合考慮共生作用率下受益用戶與非受益用戶轉(zhuǎn)換規(guī)律，建立改進的SIR模型：

dsdt=A-λ1s（t）ib（t）-λ2s（t）ig（t）-μ3s（t）

dibdt=λ1s（t）ib（t）+θig（t）ib（t）-μ1ib（t）

digdt=λ2s（t）ig（t）-θig（t）ib（t）-μ2ig（t）

drdt=μ1ib（t）+μ2ig（t）+μ3s（t）（1）

由于模型中前3個方程均不含變量i，因此只考慮由前3個微分方程構(gòu)成的系統(tǒng)[30]。令3個微分方程左邊的值為0，生成新的方程組（2）：

A-λ1s（t）ib（t）-λ2s（t）ig（t）-μ3s（t）=0

λ1s（t）ib（t）+θig（t）ib（t）-μ1ib（t）=0

λ2s（t）ig（t）-θig（t）ib（t）-μ2ig（t）=0（2）

在方程組（2）中，首先令ib（t）=0，ig（t）=0，求得平衡點P1：（s=Aμ3，ib=0，ig=0）;其次，再令ib（t）=0，求得平衡點P2：（s=Aμ2-μ3λ2，ib=0，ig=μ2λ2）;最后，令ig（t）=0，求得平衡點P3：（s=μ1λ1，ib=Aμ1+μ3），ig=0）。

在政府數(shù)據(jù)開放平臺傳播模型中，平衡點P1表示政府數(shù)據(jù)開放平臺傳播中僅有潛在用戶，不存在受益用戶與不受益用戶，與實際不符，故舍去P1;平衡點P2表示政府數(shù)據(jù)開放平臺傳播中僅有潛在用戶和不受益用戶，沒有受益用戶，同樣與實際不符，故舍去P2;而P3平衡點中各參數(shù)與實際情況相符。綜上所述，政府數(shù)據(jù)開放平臺傳播模型存在唯一平衡點P3。

在式（1）中，分別令：

X=A-λ1s（t）ib（t）-λ2s（t）ig（t）-μ3s（t）

Y=λ1s（t）ib（t）+θig（t）ib（t）-μ1ib（t）

Z=λ2s（t）ig（t）-θig（t）ib（t）-μ2ig（t）（3）

分別對s、ib、ig求偏導，得：Xs=-λ1ib-λ2ig-μ3，Xib=-λ1s，Xig=-λ2s;Ys=λ1ib-μ1，Yib=λ1s+θig，Yig=θib;Zs=λ2ig-θib-μ2，Zib=-θig，Zig=λ2s-θib，關(guān)于s、ib、ig的偏導數(shù)構(gòu)成矩陣：

-λ1ib-λ2ig-μ3-λ1s-λ2s

λ1ib-μ1λ1s+θigθib

λ2ig-θib-μ2-θigλ2s-θib

將平衡點P3代入，因此，在P3平衡點處的Jacobian矩陣為：

-Aλ1μ1+μ3-μ3-μ1λ2μ1λ1

Aλ1μ1+μ3-μ1μ1Aθμ1+μ3

-Aθμ1+μ3-μ20λ2μ1λ1-Aθμ1+μ3

該矩陣的所有主子式均大于0，與Routh-Hurwitz判別條件相符，故模型在平衡點P3處是局部漸進穩(wěn)定的。為了驗證模型在平衡點P3處的穩(wěn)定性，運用MATLAB軟件進行仿真模擬，對每個參數(shù)進行賦值，令λ1=065、λ2=045、θ=001、μ1=002、μ2=008、μ3=006，并設(shè)置3組不同的初始值，由圖4可知曲線收斂于一點，即平衡點P3。平衡點P3表示政府數(shù)據(jù)開放平臺在P3處的傳播是漸進穩(wěn)定的。

2? 數(shù)值仿真

21? 共生演化下政府數(shù)據(jù)開放平臺的傳播趨勢變化

為了研究政府數(shù)據(jù)開放平臺在獨立生存、偏利共生（用戶受益）、偏利共生（平臺受益）和互惠共生4種共生模式下的傳播演變規(guī)律，將政府數(shù)據(jù)開放平臺傳播模型的基本參數(shù)分別賦值：λ1=045、λ2=038、θ=001、μ1=006、μ2=008、μ3=015、A=0?？紤]到不同共生模式對用戶狀態(tài)的影響，在4個實驗組中分別設(shè)置了不同的受益用戶與不受益用戶初始比例。實驗組1表示獨立生存模式中受益用戶與不受益用戶初始比例均為001時，政府數(shù)據(jù)開放平臺的傳播演變趨勢。實驗組2和實驗組3表示偏利共生模式中用戶受益和平臺受益時，政府數(shù)據(jù)開放平臺的傳播演變趨勢。其中，當用戶受益時，將不受益用戶比例設(shè)置為001，受益用戶比例設(shè)置為006;當平臺受益時，將受益用戶比例設(shè)置為001，不受益用戶設(shè)置為006。實驗組4表示互惠共生模式中平臺的傳播演變趨勢，分別將受益用戶和不受益用戶的比例設(shè)置為008和003。具體實驗參數(shù)設(shè)置如表2所示。

如圖5所示，（a）說明在獨立生存狀態(tài)下，受益用戶與不受益用戶數(shù)量均處于較低水平且呈現(xiàn)緩慢增長的趨勢，此時不受益用戶的增長率要大于受益用戶。（b）和（c）分別表示偏利共生模式下用戶和平臺分別受益時的傳播趨勢，（b）中當用戶受益時，受益用戶數(shù)量上升迅速并達到峰值，此后開始下降并趨于穩(wěn)定，而不受益用戶數(shù)量上升緩慢。（c）中當平臺受益時，受益用戶數(shù)量增長緩慢且數(shù)量很少，而不受益用戶數(shù)量急劇增加且迅速達到峰值，此后開始下降。（d）說明，在互惠共生模式下，受益用戶以高于不受益用戶的增長率在增長，而不受益用戶和受益用戶數(shù)量相差不大。值得注意的是，僅（c）中不受益用戶的增長率短暫超過了棄用率，其余3種模式下，受益用戶與不受益用戶增長率皆低于棄用者增長率，且相較于其他3種模式，互惠共生模式下棄用者增長率明顯放緩。

22? 偏利共生模式下轉(zhuǎn)化率對政府數(shù)據(jù)開放平臺傳播態(tài)勢的影響為了研究轉(zhuǎn)化率對政府數(shù)據(jù)開放平臺傳播態(tài)勢的影響，需要分別考慮偏利共生存在的兩種情況。

1）用戶受益的偏利共生模式

偏利共生模式下，當用戶受益時，選取21節(jié)中λ1=045、λ2=038為本節(jié)的實驗對照組，并將受益用戶與不受益用戶數(shù)量初始比例分別設(shè)置為ib（t）=006、ig（t）=001，其他參數(shù)分別為θ=001、μ1=006、μ2=008、μ3=015、A=0。由于是用戶受益的偏利共生模式，顯然大部分用戶帶有積極情緒，正面影響效果顯著，故將實驗組1中正面轉(zhuǎn)化率λ1設(shè)為13，并保持負面轉(zhuǎn)化率λ2不變。隨著時間的推移，政府數(shù)據(jù)開放平臺固步自封，忽視用戶不斷變化的需求，沒有不斷完善，平臺中負面影響效果愈發(fā)顯著，故實驗組2中將負面轉(zhuǎn)化率λ2設(shè)為058，保持正面轉(zhuǎn)化率λ1不變（與實驗對照組一致），實驗參數(shù)設(shè)置如表3所示。

影響可以忽略不計，不受益用戶數(shù)量保持較低水平。圖6（b）中，即使傳播系統(tǒng)中負面影響增強了，但是在整體用戶受益的環(huán)境下，受益用戶的數(shù)量仍然能在一定時間內(nèi)以高速增長，只是增幅有所放緩且低于棄用者的增長率，而不受益用戶也僅僅是略微上升，并且受益用戶與不受益用戶的增長趨勢與對照組頗為相似。

2）平臺受益的偏利共生模式

與用戶受益時相反，此時受益用戶與不受益用戶數(shù)量初始比例分別為21節(jié)中的實驗組3中的數(shù)值，即ib（t）=001、ig（t）=006，其他參數(shù)設(shè)置保持不變。在平臺受益的偏利共生模式下，如果政府采取措施改變這種情況，那么用戶的消極情緒會適當緩解，故將實驗組1正面轉(zhuǎn)化率λ1設(shè)為065，而保持負面轉(zhuǎn)化率不變;但是，如果政府沒有為改變現(xiàn)狀而采取任何措施，而是任其發(fā)展，用戶的消極情緒進一步加劇，負面轉(zhuǎn)化率進一步增加，故將實驗組2中λ2設(shè)置為13，保持λ1不變。具體實驗參數(shù)設(shè)置如表4所示。

如圖7所示，（a）中受益用戶數(shù)量低于不受益用戶但相差不多，與對照組圖5（c）相比不受益用戶增長率放緩許多;（b）中不受益用戶數(shù)量急劇上升且在某段時間其增長率超過了棄用者增長率，受益用戶數(shù)量水平很低且增長緩慢，演變趨勢與對照組圖5（c）相似。

23? 互惠共生模式下轉(zhuǎn)化率對政府數(shù)據(jù)開放平臺傳播態(tài)勢的影響互惠共生是平臺與用戶間最理想的共生模式，同時這也是二者共生關(guān)系必然演化的最終方向。因為受益用戶與不受益用戶能夠影響潛在用戶，這也極大影響了政府數(shù)據(jù)開放平臺的傳播效應(yīng)，所以需要考慮在互惠共生模式下，保持受益用戶與不受益用戶所占比例不變，研究轉(zhuǎn)化率對政府數(shù)據(jù)開放平臺傳播態(tài)勢的影響。同樣選取λ1=045、λ2=038為本節(jié)的實驗對照組，其他基本參數(shù)分別設(shè)置為：θ=001、μ1=006、μ2=008、μ3=015、A=0、ib（t）=008、ig（t）=003。在基本參數(shù)不變的情況下，分別調(diào)節(jié)轉(zhuǎn)化率λ1和λ2來研究正面轉(zhuǎn)化率和負面轉(zhuǎn)化率對政府數(shù)據(jù)開放平臺傳播態(tài)勢的影響（如表5所示）。

增加至065而負面轉(zhuǎn)化率λ2保持不變，圖8（a）與對照組圖5（d）相比，受益用戶在某段時間內(nèi)的增長率更大，且超過了棄用者增長率，而不受益用戶數(shù)量更少，增長水平更低;假設(shè)某個時刻正面轉(zhuǎn)化率λ1保持不變，而正面轉(zhuǎn)化率λ2增加至058，圖8（b）與對照組圖5（d）相比，受益用戶與不受益用戶變化均不大，且增長率都小于棄用者的增長率。與此同時，（a）和（b）中棄用者增長率和對照組一樣較為平緩。

24? 共生作用率對政府數(shù)據(jù)開放平臺傳播態(tài)勢的影響

在政府數(shù)據(jù)開放平臺傳播模型中，共生作用率作為關(guān)鍵因素，可以使不受益用戶轉(zhuǎn)化成受益用戶，而在不同共生模式產(chǎn)生的共生作用率大小是有差異的，因此，需要保持模型基本參數(shù)不變的情況下，通過改變不同共生模式下共生作用率的大小來研究政府數(shù)據(jù)開放平臺的傳播態(tài)勢。模型基本參數(shù)仍然為：λ1=045、λ2=038、μ1=006、μ2=008、μ3=015、A=0，共生作用率參數(shù)設(shè)置如表6所示。

如圖9所示，在獨立共生模式下，共生作用率較小，圖（a）中不受益用戶增長率明顯高于受益用戶;在偏利共生模式下，用戶受益時，圖（b）受益用戶初始階段呈現(xiàn)出迅猛的增長態(tài)勢，此后開始逐漸下降，而不受益用戶增長水平較低;在偏利共生模式下，平臺受益時，圖（c）中不受益用戶增長迅速，而受益用戶增長水平較低;在互惠共生模式下，共生作用效果良好，圖（d）中受益用戶以較快速度增長，而不受益用戶也在較慢增長。值得注意的是，4種共生模式下，受益用戶與不受益用戶的增長率始終低于棄用者增長率，且互惠共生模式下棄用者增長率最為平緩。

3? 結(jié)論與建議

31? 結(jié)? 論

通過改進SIR模型，探索不同共生模式下政府數(shù)據(jù)開放平臺的傳播演變，不難發(fā)現(xiàn)：

1）共生模式的演變路徑，成為影響政府數(shù)據(jù)開放平臺傳播的關(guān)鍵

圖5展現(xiàn)了政府數(shù)據(jù)開放平臺兩種不同的共生模式演變路徑，分別是“a-b-d”和“a-c-d”，無論何種演變路徑，受益用戶與不受益用戶的數(shù)量變化巨大。但是在“a-b-d”的演變路徑中，只是在早期受益用戶數(shù)量略微少于不受益用戶，隨著演變的推進，受益用戶數(shù)量始終多于不受益用戶;而“a-c-d”的演變中，只有在最后階段，受益用戶數(shù)量才高于不受益用戶數(shù)量。也就是說，“獨立共生—偏利共生（用戶受益）—互惠共生”的演變路徑更符合整體利益。前者的政府數(shù)據(jù)開放平臺傳播效果和效益，明顯高于后者。

2）互惠共生模式下，政府數(shù)據(jù)開放平臺的傳播效果最好。

如圖5至圖9所示，當共生模式轉(zhuǎn)化為互惠共生時，平臺棄用人數(shù)的增長明顯趨于平緩，遠低于獨立共生和偏利共生模式下的增長水平，由此可見互惠共生模式下用戶粘性及忠誠度較高，政府數(shù)據(jù)開放平臺的傳播效果最佳。

3）偏利共生（平臺受益）模式下，政府數(shù)據(jù)開放平臺的傳播效果最差

在平臺受益的偏利共生狀態(tài)下，從圖5（c）、圖9（c）可以看出不受益用戶數(shù)量遠大于受益用戶數(shù)量，而且不受益用戶數(shù)量的增長速度更快;與此同時，棄用人數(shù)也在持續(xù)增長。因此，僅考慮政府數(shù)據(jù)開放平臺受益而沒有注重用戶需求時，平臺用戶群體中充斥著消極情緒，政府數(shù)據(jù)開放平臺的傳播效果最差。

32? 建? 議

基于共生視角的政府數(shù)據(jù)開放傳播演化，展現(xiàn)了政府數(shù)據(jù)開放平臺與用戶之間互動關(guān)系的關(guān)鍵與效果，對我國政府數(shù)據(jù)開放平臺發(fā)展提供了實踐指導意義：

1）政府數(shù)據(jù)開放平臺應(yīng)當切實營造各利益主體良好的共生關(guān)系

政府數(shù)據(jù)開放平臺的建設(shè)，不能計較單方得失，只有考慮各利益主體的整體利益，才能確保政府開放平臺傳播效果最優(yōu)。面對閉門造車的政府數(shù)據(jù)開放平臺，要激勵管理者規(guī)范平臺功能，協(xié)調(diào)供給者平臺運營體系，引導使用者培養(yǎng)數(shù)據(jù)意識。只有努力達成各個利益主體間利益均衡，才能促進政府數(shù)據(jù)開放平臺良性發(fā)展。

2）政府數(shù)據(jù)開放平臺應(yīng)當努力契合用戶需求

政府數(shù)據(jù)開放平臺的建設(shè)應(yīng)從用戶需求和關(guān)注點出發(fā)，不僅僅局限于平臺能提供何種功能，更要從用戶體驗為出發(fā)點，注重平臺功能的實用性、適用性和針對性。具體而言，可以通過對已開放的原始數(shù)據(jù)進行初步加工（數(shù)據(jù)格式加工、簡單的數(shù)據(jù)可視化等），幫助廣大用戶輕松、快捷地使用政府開放的數(shù)據(jù)。

3）政府數(shù)據(jù)開放平臺應(yīng)當持續(xù)與用戶的互動反饋

政府數(shù)據(jù)開放平臺的建設(shè)，不是階段性的任務(wù)，是一項持續(xù)開展工作。只有加強與用戶的互動，才能了解用戶的需求，才能不斷完善平臺已有功能，才能主動消除不受益用戶的負面記憶，才能不斷保持用戶的忠誠度和用戶粘性，最終真正使平臺和用戶保持互惠共生關(guān)系。

參考文獻

[1]復旦大學數(shù)字與移動治理實驗室.2019中國地方政府數(shù)據(jù)開放報告[EB/OL].http：//www.199it.com/archives/882027.html，2019-05-28.

[2]張衛(wèi)，朱曉峰，周曉琛，等.基于生態(tài)方程的微政務(wù)信息公開共生演化研究[J].情報理論與實踐，2019，42（6）：99-104.

[3]Sieber R E，Johnson P A.Civic Open Data at a Crossroads：Dominant Models and Current Challenges[J].Government Information Quarterly，2015，32（3）：308-315.

[4]黃思棉，張燕華.當前中國政府數(shù)據(jù)開放平臺建設(shè)存在的問題與對策研究——以北京、上海政府數(shù)據(jù)開放網(wǎng)站為例[J].中國管理信息化，2015，（1）：175-177.

[5]Wang H J，Lo J.Adoption of Open Government Data Among Government Agencies[J].Government Information Quarterly，2016，33（1）：80-88.

[6]吳湛微，孫欣睿，蕭若薇.當開放數(shù)據(jù)遇到開源生態(tài)：開放政府數(shù)據(jù)平臺建設(shè)模式比較研究[J].圖書館雜志，2018，37（5）：82-90.

[7]黃如花，王春迎.英美政府數(shù)據(jù)開放平臺數(shù)據(jù)管理功能的調(diào)查與分析[J].圖書情報工作，2016，60（19）：24-30.

[8]黃如花，王春迎.我國政府數(shù)據(jù)開放平臺現(xiàn)狀調(diào)查與分析[J].情報理論與實踐，2016，39（7）：50-55.

[9]楊瑞仙，毛春蕾，左澤.我國政府數(shù)據(jù)開放平臺建設(shè)現(xiàn)狀與發(fā)展對策研究[J].情報理論與實踐，2016，39（6）：27-31.

[10]東方.國內(nèi)外政府數(shù)據(jù)開放平臺調(diào)查與分析[J].現(xiàn)代情報，2017，37（10）：93-98.

[11]曾粵亮.英國政府數(shù)據(jù)開放平臺交通數(shù)據(jù)的建設(shè)現(xiàn)狀調(diào)查與分析[J].情報資料工作，2017，（5）：20-26.

[12]Alexopoulos C，Loukis E，Charalabidis Y.A Methodology for Determining the Value Generation Mechanism and the Improvement Priorities of Open Government Data Systems[J].Computer Science and Information Systems，2016，13（1）：237-258.

[13]張子良，馬海群.我國政府數(shù)據(jù)開放平臺利用效果比較研究[J].數(shù)字圖書館論壇，2016，（6）：8-15.

[14]陳水湘.基于用戶利用的政府數(shù)據(jù)開放平臺價值評價研究——以19家地方政府數(shù)據(jù)開放平臺為例[J].情報科學，2017，35（10）：94-98.

[15]陳美.基于CKAN的政府數(shù)據(jù)開放平臺構(gòu)建[J].現(xiàn)代情報，2019，39（3）：69-76.

[16]Ruijer E，Grimmelikhuijsen S，Hogan M，et al.Connecting Societal Issues，Users and Data.Scenario-based Design of Open Data Platforms[J].Government Information Quarterly，2017，（2）：1307-1321.

[17]朱紅燦，胡新，李順利.基于Kano模型的政府數(shù)據(jù)開放平臺用戶體驗要素分類研究[J].現(xiàn)代情報，2018，38（12）：13-21.

[18]高天鵬，莫太林.政府數(shù)據(jù)開放平臺用戶初始采納模型及實證研究[J].電子政務(wù)，2018，（11）：69-82.

[19]劉桂琴.政府數(shù)據(jù)開放平臺用戶評論情感差異分析[J].數(shù)字圖書館論壇，2019，（2）：18-23.

[20]杜荷花.我國政府數(shù)據(jù)開放平臺隱私保護評價體系構(gòu)建研究[J].情報雜志，2020，39（1）：1-9.

[21]杜荷花.國外政府數(shù)據(jù)開放平臺隱私保護政策的考察與借鑒[J].圖書館建設(shè)，2020，（3）：1-15.

[22]方星，黃培清，黃新華.突發(fā)事件中不實信息傳播的傳染病模型研究[J].中國安全科學學報，2015，25（11）：150-155.

[23]鄭磊，韓笑，朱曉婷.地方政府數(shù)據(jù)開放平臺研究：功能與體驗[J].電子政務(wù)，2019，（9）：12-22.

[24]姚晶晶，姜靚，姚洪興.基于SIR模型的情緒信息傳播研究[J].情報科學，2018，36（10）：25-29.

[25]馬全恩，張娟.復雜網(wǎng)絡(luò)上基于SIR模型的微信公眾號傳播機制研究[J].情報科學，2018，36（7）：30-35.

[26]顧秋陽，琚春華，鮑福光.融入改進SIR模型的移動社交網(wǎng)絡(luò)謠言傳播用戶群體動態(tài)演化仿真研究[J].情報科學，2019，37（10）：67-74，80.

[27]魏靜，黃陽江豪，林萍，等.基于改進SIR模型的微博網(wǎng)絡(luò)輿情傳播研究[J].情報科學，2019，37（6）：16-22.

[28]朱曉峰，張衛(wèi)，張琳.公平偏好下的微政務(wù)信息公開共生模式演進與實證分析[J].情報科學，2018，36（4）：51-56.

[29]張衛(wèi)，朱曉峰，周曉琛，等.基于生態(tài)方程的微政務(wù)信息公開共生演化研究[J].情報理論與實踐，2019，42（6）：99-104.

[30]田世海，孫美琪，張家毓.基于改進SIR模型的網(wǎng)絡(luò)輿情情緒演變研究[J].情報科學，2019，37（2）：52-57，64.

（責任編輯：郭沫含）