秦亮 張華 吳華珠 胡峰

[摘要]數(shù)字鄉(xiāng)村建設(shè)是鄉(xiāng)村振興的戰(zhàn)略方向，近年來各級(jí)政府密集出臺(tái)了一系列的戰(zhàn)略綱要、發(fā)展規(guī)劃、行動(dòng)方案，旨在通過宏觀和微觀政策引導(dǎo)，加快數(shù)字技術(shù)賦能農(nóng)業(yè)農(nóng)村經(jīng)濟(jì)、推進(jìn)鄉(xiāng)村治理方式轉(zhuǎn)變。開展現(xiàn)有數(shù)字鄉(xiāng)村政策量化評(píng)價(jià)研究，既是對(duì)現(xiàn)有政策體系的協(xié)同性的理論探索，又是對(duì)新政策的制訂、政策工具改進(jìn)提供參考依據(jù)。利用ROSTCM文本挖掘工具和文本內(nèi)容分析法，對(duì)數(shù)字鄉(xiāng)村政策進(jìn)行高頻詞分析，設(shè)計(jì)評(píng)價(jià)指標(biāo)，對(duì)12項(xiàng)數(shù)字鄉(xiāng)村政策樣本構(gòu)建PMC模型，測(cè)算PMC指數(shù)，繪制PMC曲面，分析各項(xiàng)政策存在的優(yōu)勢(shì)和劣勢(shì)。結(jié)果表明，我國(guó)數(shù)字鄉(xiāng)村政策整體態(tài)勢(shì)良好，設(shè)計(jì)較為合理，但是在以下方面仍然存在不足：政策激勵(lì)舉措不足、政策前瞻性引導(dǎo)偏弱、內(nèi)生發(fā)展動(dòng)力關(guān)注度低，對(duì)此本文提出相關(guān)建議。

[關(guān)鍵詞]數(shù)字鄉(xiāng)村；政策評(píng)價(jià)；PMC指數(shù)；量化評(píng)價(jià)

一、 引言

數(shù)字鄉(xiāng)村建設(shè)是數(shù)字中國(guó)建設(shè)的重要內(nèi)容，數(shù)字鄉(xiāng)村驅(qū)動(dòng)農(nóng)村經(jīng)濟(jì)高質(zhì)量發(fā)展是實(shí)現(xiàn)全面小康的重要路徑。黨的十八大以來，黨中央高度重視數(shù)字鄉(xiāng)村的建設(shè)，做出了一系列戰(zhàn)略決策，正在逐步建立起我國(guó)數(shù)字鄉(xiāng)村建設(shè)政策支持體系1[1]。2019年中央一號(hào)文件提出數(shù)字鄉(xiāng)村建設(shè)意義重大，并要求全面實(shí)施數(shù)字鄉(xiāng)村戰(zhàn)略；同年5月國(guó)務(wù)院下發(fā)《數(shù)字鄉(xiāng)村發(fā)展戰(zhàn)略綱要》，明確提出將數(shù)字鄉(xiāng)村作為鄉(xiāng)村振興的戰(zhàn)略方向2。2020年國(guó)家數(shù)字鄉(xiāng)村建設(shè)路線圖更加清晰，制定并實(shí)施《數(shù)字農(nóng)業(yè)農(nóng)村發(fā)展規(guī)劃（2019—2025年）》，開展國(guó)家數(shù)字鄉(xiāng)村試點(diǎn)，不斷激發(fā)鄉(xiāng)村發(fā)展的內(nèi)生動(dòng)力和巨大潛力3。為提高縣域數(shù)字鄉(xiāng)村建設(shè)、運(yùn)營(yíng)和管理，2021年國(guó)家七部委出臺(tái)了《數(shù)字鄉(xiāng)村建設(shè)指南1.0》4。江蘇、浙江、湖北、重慶等地發(fā)布了“十四五數(shù)字農(nóng)業(yè)農(nóng)村發(fā)展規(guī)劃”，河南、江西、云南提出加快數(shù)字鄉(xiāng)村建設(shè)實(shí)施意見、陜西、湖南、廣西制定加快數(shù)字鄉(xiāng)村發(fā)展的行動(dòng)計(jì)劃、試點(diǎn)方案[1-2]。2019—2021年期間數(shù)字鄉(xiāng)村政策的集中發(fā)布，為開展數(shù)字鄉(xiāng)村政策研究提供了基礎(chǔ)條件。

本文梳理了2019—2021年國(guó)內(nèi)發(fā)布的數(shù)字鄉(xiāng)村政策，通過文本挖掘工具和文本內(nèi)容分析法，依據(jù)篩選出的各政策的關(guān)鍵詞詞頻，構(gòu)建 PMC模型評(píng)價(jià)指標(biāo)，并選擇12項(xiàng)數(shù)字鄉(xiāng)村政策開展實(shí)證研究，分析樣本政策存在的問題，提出完善對(duì)策，以提高數(shù)字鄉(xiāng)村政策制定引導(dǎo)性、前瞻性水平。

二、 文獻(xiàn)綜述

“數(shù)字鄉(xiāng)村”是借助于現(xiàn)代信息與通信技術(shù)（ICT），在數(shù)字無線通訊、公共服務(wù)數(shù)據(jù)平臺(tái)建設(shè)、農(nóng)業(yè)生產(chǎn)自動(dòng)化、數(shù)據(jù)分析輔助社區(qū)綜合治理等方面支撐鄉(xiāng)村經(jīng)濟(jì)發(fā)展的一種模式，從狹義的角度講，“數(shù)字鄉(xiāng)村”建設(shè)被視作新一代信息技術(shù)在鄉(xiāng)村場(chǎng)景運(yùn)用的探索性實(shí)踐[3-4]。

1. 數(shù)字鄉(xiāng)村發(fā)展與支撐政策

Sonia Bhatt[5]探討了數(shù)字鄉(xiāng)村方案和數(shù)字鄉(xiāng)村2.0運(yùn)動(dòng)，及其在特定村莊應(yīng)用后對(duì)村民的影響。AnnaBielska等[6]以波蘭某省為例，研究數(shù)字鄉(xiāng)村空間分布的解決方案。Sebastian等[7]介紹了農(nóng)業(yè)數(shù)字化的研究現(xiàn)狀，并指出了農(nóng)業(yè)數(shù)字化過程的脆弱性，特別是缺乏互操作性和對(duì)互聯(lián)網(wǎng)連接的依賴。Kelly Rijswijk等[8]指出農(nóng)業(yè)知識(shí)和創(chuàng)新體系應(yīng)該更好地支持農(nóng)業(yè)知識(shí)提供者，通過預(yù)測(cè)可能的未來和反思這些對(duì)農(nóng)業(yè)知識(shí)提供者的價(jià)值主張、商業(yè)模式和組織身份帶來的后果，掌握數(shù)字化和發(fā)展數(shù)字化戰(zhàn)略。John M. Antle等[9]提出了NextGen農(nóng)業(yè)信息管理系統(tǒng)，該系統(tǒng)從傳統(tǒng)的“供應(yīng)驅(qū)動(dòng)”方法模型研究轉(zhuǎn)向用“需求驅(qū)動(dòng)”或“用戶驅(qū)動(dòng)”的方法研究，基于用戶信息、用戶決策的需求來構(gòu)建基礎(chǔ)數(shù)據(jù)和分析模型。

國(guó)外數(shù)字技術(shù)的應(yīng)用及農(nóng)業(yè)示范，收益于財(cái)政計(jì)劃的支持，但各國(guó)政策支持取向有所不同。美國(guó)提出的“精準(zhǔn)農(nóng)業(yè)”構(gòu)想，將遙感預(yù)測(cè)、GIS數(shù)據(jù)系統(tǒng)、GPS導(dǎo)航應(yīng)用于農(nóng)場(chǎng)管理，提高農(nóng)業(yè)生產(chǎn)效率；歐盟國(guó)家推行的“智慧鄉(xiāng)村行動(dòng)”，不僅關(guān)注技術(shù)策略，更關(guān)心地區(qū)技術(shù)變革引發(fā)社會(huì)變革，包括社會(huì)、環(huán)境和地區(qū)發(fā)展，研究應(yīng)對(duì)農(nóng)村孤立、人口老齡化和商業(yè)生產(chǎn)力低下等問題，實(shí)現(xiàn)區(qū)域均衡發(fā)展。為應(yīng)對(duì)鄉(xiāng)村人口外遷和老齡化問題，日本啟動(dòng)了“基于智能機(jī)械+智能IT的下一代農(nóng)林水產(chǎn)業(yè)創(chuàng)造技術(shù)”項(xiàng)目，鼓勵(lì)建設(shè)以農(nóng)業(yè)機(jī)器人為核心的無人農(nóng)場(chǎng) [10-11]。

國(guó)內(nèi)學(xué)者對(duì)數(shù)字鄉(xiāng)村研究多體現(xiàn)在對(duì)國(guó)外發(fā)展模式的比較、地方實(shí)踐經(jīng)驗(yàn)總結(jié)等方面。夏顯力等[12]研究了發(fā)達(dá)國(guó)家農(nóng)業(yè)數(shù)字技術(shù)應(yīng)用及發(fā)展的經(jīng)驗(yàn)，構(gòu)建了市場(chǎng)需求與數(shù)字技術(shù)共同促進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展的分析框架。王耀宗等[13]分析了“數(shù)字鄉(xiāng)村”的內(nèi)涵和特征，對(duì)統(tǒng)籌推進(jìn)農(nóng)業(yè)農(nóng)村信息化的頂層設(shè)計(jì)提出建議。方堃等[14]依托數(shù)字決策、信息服務(wù)平臺(tái)、跨地域多元主體等整體性策略構(gòu)建鄉(xiāng)村數(shù)字公共服務(wù)體系，實(shí)現(xiàn)“三農(nóng)”發(fā)展與數(shù)字治理技術(shù)要素相匹配。劉俊祥等[15]選取了浙江、湖北和貴州三省作為分析案例，分別對(duì)其鄉(xiāng)村數(shù)字治理已有的探索實(shí)踐總結(jié)梳理，著重從政務(wù)體系構(gòu)建角度探討了鄉(xiāng)村數(shù)字治理。劉美平等[16]從農(nóng)村數(shù)字經(jīng)濟(jì)發(fā)展的制度供給、促進(jìn)農(nóng)戶融入電商市場(chǎng)、城鄉(xiāng)協(xié)同發(fā)展、農(nóng)業(yè)產(chǎn)品數(shù)字化等角度，探索農(nóng)村數(shù)字經(jīng)濟(jì)發(fā)展路徑。

2. 數(shù)字鄉(xiāng)村政策與量化評(píng)價(jià)

（1）政策量化評(píng)價(jià)方法

政策評(píng)價(jià)是政策分析者對(duì)政策的制定及由政策產(chǎn)生的效果開展研究。政策評(píng)價(jià)的目標(biāo)是為了確定一項(xiàng)政策的實(shí)施是否能達(dá)成預(yù)期的目標(biāo)和效果，并在此基礎(chǔ)上，分析政策的施行效果與其影響因素，并對(duì)政策進(jìn)行評(píng)估優(yōu)化，以提高政策效力和作用。

國(guó)外學(xué)者在對(duì)政策效果和效益分析比較的同時(shí)，注重對(duì)政策的量化評(píng)價(jià)工具的使用[17]，以及注重對(duì)政策本身的合理性、可行性進(jìn)行評(píng)價(jià)，如Oville F. Poland的3E評(píng)估分類框架、Edward A. Suchman五類評(píng)估法，利用價(jià)值判斷方法論對(duì)政策進(jìn)行量化評(píng)估。評(píng)價(jià)政策方法的演進(jìn)，深化了研究人員對(duì)政策的作用機(jī)制的認(rèn)識(shí)，為政府部門開展評(píng)估提供了有效的手段。美國(guó)、歐盟、日本等在20世紀(jì)90年代對(duì)農(nóng)業(yè)補(bǔ)貼政策開展評(píng)價(jià)，采用一些定量分析方法對(duì)政策進(jìn)行評(píng)價(jià)，OECD自1998年起對(duì)成員國(guó)進(jìn)行持續(xù)的農(nóng)業(yè)政策評(píng)估，基于生產(chǎn)者和消費(fèi)者支持估計(jì)（PSE和CSE）以及相關(guān)指標(biāo)，以分類衡量各國(guó)農(nóng)業(yè)支持政策[18]。國(guó)外學(xué)者注重定量與定性相結(jié)合的方法進(jìn)行農(nóng)產(chǎn)品、農(nóng)村政策評(píng)估，與發(fā)展中國(guó)家相比，西方發(fā)達(dá)國(guó)家的統(tǒng)計(jì)數(shù)據(jù)完整和信息化程度較高，在農(nóng)業(yè)政策評(píng)估研究方面取得了豐富成果。

（2）政策評(píng)價(jià)工具在數(shù)字鄉(xiāng)村的應(yīng)用

張鴻等[19]研究了應(yīng)用就緒度評(píng)價(jià)模型，構(gòu)建了數(shù)字鄉(xiāng)村發(fā)展就緒度評(píng)價(jià)指標(biāo)體系，通過層次分析與熵權(quán)法確定指標(biāo)組合權(quán)重，研究了不同區(qū)域數(shù)字鄉(xiāng)村發(fā)展水平與特征。吳園[20]研究了數(shù)字鄉(xiāng)村的相關(guān)政策，構(gòu)建了數(shù)字鄉(xiāng)村環(huán)境、數(shù)字經(jīng)濟(jì)、科技創(chuàng)新供給、鄉(xiāng)村數(shù)字治理等指標(biāo)組成的數(shù)字鄉(xiāng)村發(fā)展評(píng)價(jià)體系。陳薇[21]定量分析了河北省財(cái)政支農(nóng)支出與農(nóng)業(yè)GDP、農(nóng)民收入、糧食生產(chǎn)和農(nóng)產(chǎn)品競(jìng)爭(zhēng)力之間影響關(guān)系，闡明了財(cái)政支持農(nóng)業(yè)政策與農(nóng)業(yè)和農(nóng)村經(jīng)濟(jì)發(fā)展的經(jīng)濟(jì)學(xué)邏輯關(guān)系。宗義湘等[22]通過OECD農(nóng)業(yè)政策評(píng)估框架，從生產(chǎn)者支持估計(jì)值（PSE）、一般性服務(wù)支持估計(jì)值（GSSE）、總支持水平估計(jì)值（TSE）來評(píng)估我國(guó)加入WTO前后，農(nóng)業(yè)政策對(duì)農(nóng)業(yè)的支持水平的影響。馬曉春[23]采取歷史考察和邏輯分析相結(jié)合的方法，分析了不同國(guó)家實(shí)施農(nóng)業(yè)政策的目的、階段特征及主要措施，結(jié)合定量方法和定性方法，分析影響中國(guó)與主要發(fā)達(dá)國(guó)家農(nóng)業(yè)支持水平的主要因素。

目前，國(guó)內(nèi)外學(xué)者和管理人員對(duì)數(shù)字鄉(xiāng)村研究多集中于農(nóng)業(yè)信息化技術(shù)應(yīng)用和農(nóng)村數(shù)字公共服務(wù)等信息技術(shù)建設(shè)視角，對(duì)于政策本身的信息挖掘等較少關(guān)注。農(nóng)業(yè)政策評(píng)價(jià)客體指向信息化程度、財(cái)政支持、典型示范經(jīng)驗(yàn)等，評(píng)價(jià)方法多數(shù)是基于定性的視角比較分析法、影響因素法。對(duì)數(shù)字鄉(xiāng)村的發(fā)展評(píng)價(jià)，多采用指標(biāo)體系評(píng)價(jià)，主要考核信息基礎(chǔ)建設(shè)、信息技術(shù)采納、公共服務(wù)供給，而對(duì)于不同層級(jí)數(shù)字鄉(xiāng)村政策制訂一致性、協(xié)同性、適用性定量研究鮮有涉及。

PMC模型作為政策評(píng)價(jià)模型，在創(chuàng)新政策、新興產(chǎn)業(yè)政策評(píng)價(jià)中已經(jīng)被學(xué)者廣泛采用。張永安等[27]研究了創(chuàng)新政策作用機(jī)理，運(yùn)用PMC模型對(duì)國(guó)務(wù)院創(chuàng)新政策評(píng)價(jià)，臧維等構(gòu)建了人工智能政策PMC評(píng)價(jià)指標(biāo)，對(duì)前沿發(fā)展趨勢(shì)和技術(shù)演進(jìn)方向做出預(yù)測(cè)。胡峰等[28]通過PMC指數(shù)，逐項(xiàng)分析了8項(xiàng)機(jī)器人產(chǎn)業(yè)的優(yōu)劣，并提出改進(jìn)路徑。杜寶貴等[29]采用PMC模型開展了遼寧省科技服務(wù)業(yè)政策量化評(píng)價(jià)，與其他省份對(duì)比分析。在對(duì)創(chuàng)新政策、產(chǎn)業(yè)政策、科技政策的量化評(píng)價(jià)中，PMC指數(shù)模型具有如下優(yōu)勢(shì)：評(píng)價(jià)維度豐富，通過增加評(píng)價(jià)維度替代指標(biāo)權(quán)重計(jì)算，有效避免指標(biāo)權(quán)重誤差、主觀評(píng)價(jià)偏見，使得評(píng)價(jià)結(jié)果更加客觀精確；聚焦政策前評(píng)價(jià)，分析政策文本關(guān)鍵內(nèi)容和關(guān)鍵詞，彌補(bǔ)了對(duì)政策內(nèi)容研究分析的不足；無論單一產(chǎn)業(yè)政策，還是區(qū)域政策體系，PMC指數(shù)評(píng)價(jià)方法均可適用。

三、 數(shù)字鄉(xiāng)村政策PMC指數(shù)模型構(gòu)建

本文采用Ruiz Estrada等[24]提出的“Omnia Mobilis”假設(shè)和 PMC 指數(shù)（Policy Modeling Consistency Index）進(jìn)行量化評(píng)價(jià)。PMC指數(shù)模型是基于任何事物是運(yùn)動(dòng)發(fā)展的、且彼此間相互聯(lián)系的假設(shè)，政策的整體評(píng)價(jià)考慮了各個(gè)可能變量的影響，即不可忽略任何影響因素的作用。量化評(píng)價(jià)時(shí)，對(duì)變量的數(shù)量不做限制，且不再設(shè)定變量地權(quán)重。PMC指數(shù)模型的應(yīng)用范圍有以下兩個(gè)方面：一是可以用來分析某一具體政策模型的一致性水平，二是可以曲面圖非常直觀地展現(xiàn)某一具體政策的優(yōu)勢(shì)與劣勢(shì)，比較分析優(yōu)勢(shì)變量與劣勢(shì)變量的具體含義和水平。

PMC指數(shù)模型構(gòu)建步驟有以下三個(gè)方面：一是多投入-產(chǎn)出表設(shè)計(jì)，二是變量分類及參數(shù)選取，三是PMC指數(shù)計(jì)算；四是PMC曲面圖繪制。

1. 多投入-產(chǎn)出表設(shè)計(jì)

PMC 指數(shù)模型的多投入-產(chǎn)出表是對(duì)變量進(jìn)行多維度測(cè)量而形成的一種數(shù)據(jù)分析框架，由主變量（一級(jí)變量）和子變量（二級(jí)變量）組成，主變量、子變量的數(shù)量各有若干個(gè)，如表1所示。考慮到變量個(gè)數(shù)可以無限多，本文設(shè)定各主變量的權(quán)重相等，同一主變量下的所有子變量的權(quán)重相等。子變量的參數(shù)值采用二進(jìn)制，若某項(xiàng)政策文本中含有相應(yīng)子變量含義的內(nèi)容時(shí)，該子變量的參數(shù)取值為1，否則取值為0。

2. 變量確定及參數(shù)選取

ROSTCM是一種文本量化分析軟件，可以實(shí)現(xiàn)自動(dòng)分詞、文本詞頻、社會(huì)網(wǎng)絡(luò)和語義網(wǎng)絡(luò)、聚類等分析與計(jì)算，結(jié)果能夠以可視化圖形呈現(xiàn)。本文通過查閱國(guó)務(wù)院、網(wǎng)信辦、農(nóng)業(yè)部、省市地方政府等網(wǎng)站，收集并整理2019—2021年出臺(tái)的39份數(shù)字鄉(xiāng)村規(guī)劃、綱要、計(jì)劃、項(xiàng)目、方案、法規(guī)等文本。運(yùn)用ROSTCM工具，首先對(duì)文本數(shù)據(jù)庫(kù)的政策文本進(jìn)行分詞，剔除與本研究無關(guān)聯(lián)的虛詞和通用詞，如“加快”“重點(diǎn)”“數(shù)字”等。然后提取高頻詞匯，挖掘政策文本核心內(nèi)容和關(guān)鍵詞，分析關(guān)鍵詞語義網(wǎng)絡(luò)，為評(píng)價(jià)變量設(shè)定提供參考依據(jù)。政策文本中排名前40的高頻詞如表2所示。

根據(jù)政策文本統(tǒng)計(jì)的高頻詞，結(jié)合現(xiàn)有學(xué)者張永安、郭強(qiáng)、蔡?hào)|松等研究成果，共設(shè)定了一級(jí)變量10個(gè)和二級(jí)變量43個(gè)。其中一級(jí)變量為政策性質(zhì)X1、政策領(lǐng)域X2、政策目標(biāo)X3、政策視角X4、政策計(jì)劃性X5，政策受體X6、激勵(lì)舉措X7、政策效果X8、政策評(píng)價(jià)X9、、政策公開X10。明確一級(jí)變量的內(nèi)涵之后，二級(jí)變量的選取綜合考量多方面影響因素，二級(jí)變量同等重要且權(quán)重相同。二級(jí)變量的取值服從[0，1]分布，取值為0或1。當(dāng)政策內(nèi)容包含或涉及相關(guān)變量時(shí)，取值為1；若與變量無關(guān)，則取值為0。變量X10僅為政策公開與否指標(biāo)，因而不設(shè)置二級(jí)變量。評(píng)價(jià)指標(biāo)體系及評(píng)價(jià)標(biāo)準(zhǔn)如表3所示。

3. PMC指數(shù)計(jì)算

PMC指數(shù)模型的計(jì)算步驟如下：

（1）依照數(shù)字鄉(xiāng)村政策文本構(gòu)建變量，包括一級(jí)變量和二級(jí)變量，如公式（1）所示。

[X～N（0，1）] （1）

（2）建立多投入產(chǎn)出表，并依據(jù)文本挖掘法和二進(jìn)制法賦予二級(jí)變量具體數(shù)值0或1，如公式（2）所示。

[X={XR：（0，1）}] （2）

（3）計(jì)算一級(jí)變量值，根據(jù)二級(jí)變量參數(shù)取值累計(jì)，具體如公式（3）所示。

[Xt=j=1nXtjT（Xtj） ? ? ][t=]1，2，3，4，5，6，7，8，9，10 （3）

其中，t為一級(jí)變量；j為二級(jí)變量，T為第t個(gè)一級(jí)指標(biāo)的個(gè)數(shù)。

（4）計(jì)算某項(xiàng)政策的最終PMC指數(shù)，計(jì)算方法如公式（4）

[PMC=X1+X2+X3+...+X10]

[=j=1nX1jT（X1j）+j=1nX2jT（X2j）+j=1nX3jT（X3j）+...+j=1nX9jT（X9j）+X10] （4）

參考Ruize的等級(jí)劃分原則，PMC指數(shù)按照由高到低分為“優(yōu)秀”“良好”“可接受”“較差”四個(gè)等次，等次劃分標(biāo)準(zhǔn)為：8～10分（優(yōu)秀），7～7.99分（良好），6～6.99分（可接受），0～5.99分（較差），所得評(píng)價(jià)結(jié)果如表4所示。

4. PMC曲面圖繪制

根據(jù)PMC指數(shù)矩陣可以繪制出某項(xiàng)政策的PMC曲面，繪制PMC 曲面是為了用圖形來直觀地顯示該政策PMC各變量結(jié)果。通過比較不同PMC曲面，可以輔助研究人員了解和比較各項(xiàng)政策的優(yōu)勢(shì)和不足。

繪制PMC的步驟如下：

（1）選取前9項(xiàng)一級(jí)變量及參數(shù)值X1，X2，…，X9；

（2）按照3個(gè)變量參數(shù)值為一組，構(gòu)建3×3矩陣，如公式（5）所示。

當(dāng)行與列變量數(shù)相等，PMC矩陣具有規(guī)則對(duì)稱的特點(diǎn)，繪制出的PMC曲面更顯均衡，便于不同政策比較。

[PMC=X1X2X3X4X5X6X7X8X9] （5）

四、 實(shí)證研究

1. 樣本選取

綜合考慮政策來源、政策性質(zhì)、政策受眾等，本文選取《數(shù)字農(nóng)業(yè)農(nóng)村發(fā)展規(guī)劃（2019—2025年）》等12項(xiàng)數(shù)字鄉(xiāng)村政策開展實(shí)證研究，其中國(guó)家層面政策5項(xiàng)，省區(qū)層面政策4項(xiàng)，市縣政策3項(xiàng)。從政策作用時(shí)間來看，涵蓋了短期工作、中期計(jì)劃、長(zhǎng)期規(guī)劃。政策樣本的編號(hào)、名稱、發(fā)布時(shí)間、發(fā)布機(jī)構(gòu)，詳見表5所示。

2. 政策PMC模型分析

依據(jù)文本內(nèi)容分析和PMC指數(shù)計(jì)算方法，將12項(xiàng)數(shù)字鄉(xiāng)村政策填入投入產(chǎn)出表，分別計(jì)算得到各項(xiàng)政策的PMC指數(shù)，結(jié)果如表6所示。

從PMC指數(shù)結(jié)果來看，2019—2021年我國(guó)數(shù)字鄉(xiāng)村政策整體態(tài)勢(shì)良好，設(shè)計(jì)較為合理。整體排序情況為P5>P4>P6>P7>P1>P9>P8>P11>P10>P2>P12>P3。按照等次分類來看，“優(yōu)秀”等次5項(xiàng)，“良好”等次4項(xiàng)，“可接受”等次3項(xiàng)。各級(jí)政府按照國(guó)家“戰(zhàn)略—規(guī)劃—試點(diǎn)”部署，制定屬地指導(dǎo)意見，擬定年度工作計(jì)劃和發(fā)展規(guī)劃，探索數(shù)字農(nóng)業(yè)、數(shù)字經(jīng)濟(jì)、數(shù)字治理路徑。

3. 政策PMC曲面分析

根據(jù)公式（5）繪制出12項(xiàng)數(shù)字鄉(xiāng)村政策的PMC曲面，如圖1至圖12所示，不同的圖標(biāo)對(duì)應(yīng)不同的分值。

通過分析PMC曲面特性，可以直觀地顯示各項(xiàng)樣本政策的優(yōu)勢(shì)和劣勢(shì)之處：PMC曲面的凹陷面越深，該政策相關(guān)變量的得分越低，反映出該政策存在不足；反之，PMC曲面越接近矩陣圖頂部，該政策的相關(guān)變量得分越高，反映出該政策具有比較優(yōu)勢(shì)。

此外，PMC曲面的平滑程度反映政策的協(xié)同性，即曲面越平滑，政策越能兼顧不同目標(biāo)。通過比較，政策P4、P5、P6的PMC曲面平滑性很好（如圖4、圖5、圖6），政策P2、P12的PMC曲面平滑性較差（如圖2、圖12）。

4. 各項(xiàng)政策分析

P1政策的PMC指數(shù)為8.15，排名第5位，等次為“優(yōu)秀”。除政策性質(zhì)X1、政策計(jì)劃性X5、政策效果X8，其余變量均高于或等于相關(guān)變量的平均值。作為國(guó)家的數(shù)字農(nóng)業(yè)農(nóng)村發(fā)展規(guī)劃（2019—2025年），P1政策涵蓋數(shù)字技術(shù)、數(shù)字經(jīng)濟(jì)、鄉(xiāng)村治理等多個(gè)領(lǐng)域，重點(diǎn)解決基礎(chǔ)數(shù)據(jù)資源建設(shè)、生產(chǎn)經(jīng)營(yíng)數(shù)字化改造、關(guān)鍵技術(shù)裝備創(chuàng)新、平臺(tái)與重點(diǎn)工程應(yīng)用的問題，統(tǒng)籌宏觀、中觀、微觀各層面，運(yùn)用財(cái)政獎(jiǎng)補(bǔ)、社會(huì)投入等手段，實(shí)現(xiàn)農(nóng)業(yè)農(nóng)村數(shù)字化生產(chǎn)與治理戰(zhàn)略。如果完善政策的話，可以從政策性質(zhì)、政策效果方面加以優(yōu)化。按照平均值與各變量得分的差值由大到小排序，P1政策的改進(jìn)順序?yàn)椋篨5—X8—X1。

P2政策PMC指數(shù)為6.85，排名第10位，等次為“可接受”。政策性質(zhì)X1、政策目標(biāo)X3、政策視角X4、政策計(jì)劃性X5、政策受體X6、政策效果X8，均低于相關(guān)變量的平均值。P2政策是國(guó)家網(wǎng)信辦制定的《2020年數(shù)字鄉(xiāng)村發(fā)展工作要點(diǎn)，主要是加快推進(jìn)農(nóng)業(yè)農(nóng)村信息化建設(shè)，通過基礎(chǔ)設(shè)施、科技創(chuàng)新、鄉(xiāng)村治理等任務(wù)，提升“三農(nóng)”信息服務(wù)能力》政策為短期政策，政策目標(biāo)性和計(jì)劃性得分較低；宏觀指導(dǎo)性為主，激勵(lì)舉措有限。如果完善政策的話，可以從政策性質(zhì)、政策目標(biāo)、激勵(lì)措施方面加以優(yōu)化。按照平均值與各變量得分的差值由大到小排序，P2政策的改進(jìn)順序?yàn)椋篨3—X1—X5—X6—X8—X4。

P3政策的PMC指數(shù)為6.283，排名第12位，等次為“可接受”。政策領(lǐng)域X2、政策目標(biāo)X3、政策視角X4、政策計(jì)劃性X5、政策受體X6、激勵(lì)舉措X7、政策效果X8、政策評(píng)價(jià)X9，均低于相關(guān)變量的平均值。P3政策是國(guó)家網(wǎng)信辦牽頭的《開展國(guó)家數(shù)字鄉(xiāng)村試點(diǎn)工作的通知》，是一項(xiàng)實(shí)施鄉(xiāng)村振興戰(zhàn)略的具體行動(dòng)。該政策提出了試點(diǎn)工作遵循的原則、短期內(nèi)實(shí)現(xiàn)的目標(biāo)，以及從整體規(guī)劃、信息服務(wù)、資源共享、可持續(xù)發(fā)展機(jī)制等七個(gè)方面探索實(shí)踐經(jīng)驗(yàn)，對(duì)試點(diǎn)方向和工作思路提出指導(dǎo)性建議。由于在激勵(lì)舉措、政策評(píng)價(jià)方面的內(nèi)容并未體現(xiàn)，政策受體和計(jì)劃性有限，相應(yīng)得分較低。按照平均值與各變量得分的差值由大到小排序，P3政策的改進(jìn)順序?yàn)椋篨7—X9—X2—X5—X6—X3—X8—X4。

P4政策的PMC指數(shù)為8.967，排名第2位，等次為“優(yōu)秀”。除政策性質(zhì)X1、政策目標(biāo)X3，其余變量都高于或等于相關(guān)變量平均值。P4政策是中央和國(guó)務(wù)院聯(lián)合制定的《數(shù)字鄉(xiāng)村發(fā)展戰(zhàn)略綱要》，以構(gòu)建知識(shí)、技術(shù)、數(shù)據(jù)為一體的鄉(xiāng)村經(jīng)濟(jì)發(fā)展政策體系為目標(biāo)，提出不同戰(zhàn)略階段的重點(diǎn)任務(wù)，政策設(shè)計(jì)全面考慮了各維度的指標(biāo)。按照平均值與各變量得分的差值由大到小排序，P3政策的改進(jìn)順序?yàn)椋篨1-X3。

P5政策的PMC指數(shù)為9.25，排名第1位，等次為“優(yōu)秀”。除政策性質(zhì)X1以外，其余變量都高于或等于相關(guān)變量平均值。P5政策是全國(guó)《“十四五”農(nóng)業(yè)農(nóng)村信息化發(fā)展規(guī)劃》，旨在加快推動(dòng)現(xiàn)代信息技術(shù)與農(nóng)業(yè)各領(lǐng)域全面融合。該政策覆蓋經(jīng)濟(jì)、技術(shù)、環(huán)境、制度等多個(gè)領(lǐng)域，從國(guó)家、省地、市縣多個(gè)視角，實(shí)現(xiàn)技術(shù)賦能、平臺(tái)共享、創(chuàng)新支撐、產(chǎn)業(yè)聯(lián)通、治理提效綜合目標(biāo)，運(yùn)用財(cái)政、專項(xiàng)資金、社會(huì)引導(dǎo)等激勵(lì)手段。如果要完善的話，可以在政策性質(zhì)方面優(yōu)化。

P6政策的PMC指數(shù)為8.65，排名第3位，等次為“優(yōu)秀”。該項(xiàng)政策的一級(jí)變量均高于或等于相關(guān)變量的平均值。P6政策是江蘇省對(duì)國(guó)家《數(shù)字鄉(xiāng)村發(fā)展戰(zhàn)略綱要》提出的《高質(zhì)量推進(jìn)數(shù)字鄉(xiāng)村建設(shè)的實(shí)施意見》，整體來看，在政策性質(zhì)、政策領(lǐng)域、政策目標(biāo)、政策視角、政策效果方面均設(shè)計(jì)較為合理、全面，其中政策性質(zhì)、政策視角、政策效果均得分最高。政策計(jì)劃性方面，著眼中長(zhǎng)期目標(biāo)和成效，短期目標(biāo)和工具不足；激勵(lì)舉措更加注重財(cái)政投入、調(diào)動(dòng)各方力量參與，但缺少專項(xiàng)資金引導(dǎo)、稅費(fèi)減免等手段。如果完善政策的話，建議對(duì)政策計(jì)劃性和激勵(lì)措施加以優(yōu)化。

P7政策的PMC指數(shù)為8.417，排名第4位，等次為“優(yōu)秀”。除政策性質(zhì)X1、政策計(jì)劃性X5，其余變量都高于或等于相關(guān)變量平均值。P7政策是《浙江省數(shù)字鄉(xiāng)村建設(shè)“十四五”規(guī)劃》，該政策覆蓋經(jīng)濟(jì)、技術(shù)、社會(huì)等領(lǐng)域，綜合設(shè)置數(shù)字新基建、產(chǎn)業(yè)數(shù)字化、服務(wù)新業(yè)態(tài)、基層治理體系、標(biāo)準(zhǔn)化建設(shè)等多種目標(biāo)，從指導(dǎo)思想、發(fā)展目標(biāo)、重點(diǎn)任務(wù)多個(gè)視角，達(dá)到實(shí)現(xiàn)農(nóng)民增收、鄉(xiāng)村治理網(wǎng)格化、電商示范工程振興鄉(xiāng)村、吸引人才返鄉(xiāng)創(chuàng)業(yè)等效果，因此，政策領(lǐng)域、政策目標(biāo)、政策效果變量均得分最高。由于該政策只設(shè)置2025年總目標(biāo)，政策計(jì)劃性得分最低，可以考慮完善短期和長(zhǎng)期目標(biāo)。按照平均值與各變量得分的差值由大到小排序，P7政策的改進(jìn)順序?yàn)椋篨5—X1。

P8政策的PMC指數(shù)為7.55，排名第7位，等次為“良好”。政策性質(zhì)X1、政策目標(biāo)X3、政策視角X4、激勵(lì)舉措X7、政策效果X8均低于相關(guān)變量的平均值。P8政策是《廣東省落實(shí)國(guó)家<數(shù)字鄉(xiāng)村發(fā)展戰(zhàn)略綱要>制定的實(shí)施意見》，提出中期和長(zhǎng)期階段計(jì)劃，實(shí)現(xiàn)加快信息基礎(chǔ)設(shè)施建設(shè)、發(fā)展數(shù)字經(jīng)濟(jì)、推進(jìn)“數(shù)字政府”、實(shí)施信息惠民工程、宣傳特色民俗文化等目標(biāo)。該政策缺少財(cái)政、產(chǎn)業(yè)專項(xiàng)、稅費(fèi)等舉措，因而激勵(lì)舉措得分最低；對(duì)政策效果的描述集中于宏觀政府側(cè)供給，對(duì)微觀農(nóng)戶側(cè)需求關(guān)注不足。如果完善的話，可以主要在激勵(lì)措施、政策效果方面加以優(yōu)化。按照平均值與各變量得分的差值由大到小排序，P8政策的改進(jìn)順序?yàn)椋篨7—X8—X4—X1—X3。

P9政策的PMC指數(shù)為7.717，排名第6位，等次為“良好”。政策性質(zhì)X1、政策目標(biāo)X3、政策視角X4、政策計(jì)劃性X5均低于相關(guān)變量的平均值。P9政策是《廣西自治區(qū)加快數(shù)字廣西建設(shè)制定（2019—2022年）三年行動(dòng)計(jì)劃》，提出應(yīng)用互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、人工智能等技術(shù)手段，提升公共服務(wù)、政務(wù)服務(wù)、農(nóng)產(chǎn)品推廣、物流體系等多方位能力。由于該政策為短期行動(dòng)計(jì)劃，政策計(jì)劃性得分最低。如果完善的話，可以在政策性質(zhì)、政策目標(biāo)、政策視角方面加以優(yōu)化。按照平均值與各變量得分的差值由大到小排序，P9政策的改進(jìn)順序?yàn)椋篨5—X4—X1—3。

P10政策的PMC指數(shù)為7.3，排名第9位，等次為“良好”。政策性質(zhì)X1、政策領(lǐng)域X2、政策目標(biāo)X3、政策視角X4、政策計(jì)劃性X5、政策受體X6、政策效果X8均低于相關(guān)變量的平均值。P10政策是為落實(shí)河南省加快推進(jìn)農(nóng)業(yè)信息化、推進(jìn)鄉(xiāng)村振興，鄭州市加快推進(jìn)農(nóng)業(yè)信息化和數(shù)字鄉(xiāng)村建設(shè)的實(shí)施意見，框架設(shè)計(jì)完整，運(yùn)用多種激勵(lì)措施。一方面，該政策政策覆蓋領(lǐng)域不足，主要面向經(jīng)濟(jì)、社會(huì)、技術(shù)、環(huán)境領(lǐng)域，但在政治、制度領(lǐng)域沒有提及，政策領(lǐng)域得分較低；另一方面，該政策僅擬定鄭州市3—5年中期發(fā)展目標(biāo)，缺少短期任務(wù)和長(zhǎng)期部署的銜接，因此，政策計(jì)劃性和政策受體方面得分也較低。按照平均值與各變量得分的差值由大到小排序，P10政策的改進(jìn)順序?yàn)椋篨2—X5—X6—X8—X4—X1—X3。

P11政策的PMC指數(shù)為7.533，排名第8位，等次為“良好”。政策目標(biāo)X3、政策視角X4、政策受體X6、政策評(píng)價(jià)X9均低于相關(guān)變量的平均值。P11政策是為了推進(jìn)杭州市臨安區(qū)數(shù)字鄉(xiāng)村建設(shè)、做好數(shù)字鄉(xiāng)村全國(guó)試點(diǎn)而制定的數(shù)字鄉(xiāng)村試點(diǎn)示范區(qū)實(shí)施方案。該政策重點(diǎn)構(gòu)建“135N”建設(shè)體系（一張網(wǎng)、三個(gè)平臺(tái)、五大示范區(qū)、N個(gè)特色應(yīng)用），基于“天目云農(nóng)”網(wǎng)絡(luò)平臺(tái)整合要素資源，推動(dòng)特色產(chǎn)業(yè)、農(nóng)產(chǎn)品流通、社會(huì)治理、公共服務(wù)數(shù)字化應(yīng)用及轉(zhuǎn)型，推動(dòng)臨安數(shù)字農(nóng)業(yè)農(nóng)村走在全國(guó)前列。由于政策對(duì)象限于區(qū)縣范圍，政策受體得分最低；政策制定了2022年短期計(jì)劃和2025年中期計(jì)劃，對(duì)長(zhǎng)期計(jì)劃并沒有提及；該政策注重平臺(tái)信息集成、區(qū)域示范試點(diǎn)、現(xiàn)有數(shù)字技術(shù)應(yīng)用等導(dǎo)向，但對(duì)科技創(chuàng)新鼓勵(lì)、市場(chǎng)機(jī)制配置資源方面等缺少支持，因而政策目標(biāo)得分較低。如果完善的話，可以在政策目標(biāo)、政策計(jì)劃性方面加以優(yōu)化。按照平均值與各變量得分的差值由大到小排序，P11政策的改進(jìn)順序?yàn)椋篨6—X9—X3—X4。

P12政策的PMC指數(shù)為6.567，排名第11位，等次為“可接受”。政策視角X4、政策計(jì)劃性X5、政策受體X6、政策效果X8、政策評(píng)價(jià)X9均低于相關(guān)變量的平均值。P12政策是《張家港市數(shù)字鄉(xiāng)村試點(diǎn)實(shí)施方案》，著力發(fā)揮信息技術(shù)在農(nóng)業(yè)農(nóng)村的作用。該政策與政策P11同為區(qū)縣政策，政策受體得分最低；由于僅提出2021、2022年度計(jì)劃，政策計(jì)劃性得分較低；該政策以鄉(xiāng)村基層組織為著力點(diǎn)，視角微觀，但缺少促進(jìn)農(nóng)戶增收的有效措施，因此，政策效果及政策評(píng)價(jià)得分較低。如果如果完善的話，可以在政策視角、政策計(jì)劃性、政策效果方面加以優(yōu)化。按照平均值與各變量得分的差值由大到小排序，P12政策的改進(jìn)順序?yàn)椋篨4—X6—X9—X5—X8。

五、 結(jié)論與政策建議

本文選取12項(xiàng)有代表性的數(shù)字鄉(xiāng)村政策樣本，通過PMC指數(shù)模型開展政策評(píng)價(jià)，得出以下結(jié)論：從各項(xiàng)政策綜合評(píng)價(jià)來看，12項(xiàng)數(shù)字鄉(xiāng)村政策均為“可接受”等次及以上，體現(xiàn)了數(shù)字鄉(xiāng)村政策體系整體設(shè)計(jì)合理，各級(jí)政府結(jié)合地方鄉(xiāng)村特點(diǎn)及時(shí)制定實(shí)施計(jì)劃和行動(dòng)方案，政策制定的協(xié)同性較高，對(duì)落實(shí)國(guó)家數(shù)字鄉(xiāng)村發(fā)展戰(zhàn)略起到了積極作用。

從PMC評(píng)價(jià)變量來看，激勵(lì)舉措、政策計(jì)劃性、政策受體、政策視角評(píng)價(jià)變量均值較低（均值小于0.8），具體原因主要是：（1）激勵(lì)措施的稅費(fèi)減免、產(chǎn)業(yè)專項(xiàng)得分較低，表明政策制定者對(duì)稅收、產(chǎn)業(yè)基金激勵(lì)工具應(yīng)用不足；（2）政府計(jì)劃性的長(zhǎng)期時(shí)效得分較低，說明政策更多關(guān)注短期時(shí)效，對(duì)政策影響的前瞻性判斷偏弱；（3）政策視角的宏觀視角得分較低，反映出政策框架著眼于基層探索試點(diǎn)，地方?jīng)Q策機(jī)制更多是執(zhí)行層面，國(guó)內(nèi)數(shù)字鄉(xiāng)村尚處于發(fā)展初期。

針對(duì)PMC指數(shù)模型反映出的政策設(shè)計(jì)不足問題，結(jié)合數(shù)字鄉(xiāng)村發(fā)展路徑，本文提出如下政策完善建議。

（1）加大產(chǎn)業(yè)基金引導(dǎo)、稅費(fèi)減免等激勵(lì)舉措力度

盡管數(shù)字技術(shù)降低了農(nóng)業(yè)產(chǎn)銷信息不對(duì)稱性，但是裝備自動(dòng)化程度低、農(nóng)業(yè)的周期波動(dòng)和收益不確定性，影響著市場(chǎng)對(duì)農(nóng)業(yè)項(xiàng)目的投資信心。鼓勵(lì)設(shè)立數(shù)字鄉(xiāng)村發(fā)展基金，以政策扶持性投資為主，兼顧市場(chǎng)化項(xiàng)目，拓寬基層數(shù)字鄉(xiāng)村建設(shè)資金來源，加大鄉(xiāng)村特色產(chǎn)業(yè)的投資，通過資本化引導(dǎo)社會(huì)資金參與數(shù)字鄉(xiāng)村發(fā)展。此外，政策激勵(lì)更應(yīng)該發(fā)揮稅務(wù)、金融與農(nóng)業(yè)部門協(xié)同機(jī)制，如引導(dǎo)稅務(wù)部門對(duì)農(nóng)產(chǎn)品流通企業(yè)減免儲(chǔ)運(yùn)費(fèi)用，推動(dòng)金融機(jī)構(gòu)開發(fā)數(shù)字普惠金融和農(nóng)業(yè)經(jīng)營(yíng)小額信貸產(chǎn)品。

（2）開展數(shù)字鄉(xiāng)村前瞻性研究和分階段評(píng)價(jià)

由于數(shù)字鄉(xiāng)村的政策涉及技術(shù)、經(jīng)濟(jì)、民生多個(gè)領(lǐng)域，因此，數(shù)字鄉(xiāng)村政策需要分領(lǐng)域、分層次、分步驟開展政策預(yù)研，政策宏觀規(guī)劃和前瞻性引導(dǎo)等功能對(duì)政策制定尤其重要。建議政府通過科研項(xiàng)目鼓勵(lì)不同行業(yè)、不同學(xué)科、不同層級(jí)的人員組成研究團(tuán)隊(duì)，了解學(xué)術(shù)前沿動(dòng)向和技術(shù)應(yīng)用程度，通過多維度數(shù)據(jù)分析為決策提供支撐。數(shù)字鄉(xiāng)村發(fā)展的政策評(píng)價(jià)應(yīng)當(dāng)分階段開展，建立事前、事中和事后完整的政策評(píng)價(jià)制度體系，逐步完善評(píng)價(jià)方法、過程和標(biāo)準(zhǔn)。

（3）統(tǒng)籌農(nóng)村發(fā)展和農(nóng)戶增收

研究發(fā)現(xiàn)，現(xiàn)有數(shù)字鄉(xiāng)村發(fā)展側(cè)重通訊基礎(chǔ)設(shè)施建設(shè)、打造示范鄉(xiāng)村，50%樣本政策對(duì)增加農(nóng)戶收入沒有提及。農(nóng)戶既是農(nóng)業(yè)產(chǎn)品的生產(chǎn)主體，也是數(shù)字經(jīng)濟(jì)的經(jīng)營(yíng)主體，同時(shí)還是未來鄉(xiāng)村振興的消費(fèi)主體，只有實(shí)現(xiàn)農(nóng)民收入較快增長(zhǎng)、持續(xù)提高農(nóng)民生活水平、激發(fā)內(nèi)生發(fā)展動(dòng)力，才能推進(jìn)數(shù)字鄉(xiāng)村的持續(xù)建設(shè)和發(fā)展。政府應(yīng)當(dāng)積極激勵(lì)農(nóng)戶通過數(shù)字技術(shù)發(fā)展生產(chǎn)力、融入城鎮(zhèn)供應(yīng)鏈、減低“新農(nóng)人”創(chuàng)業(yè)門檻，提升家庭和集體經(jīng)濟(jì)收入。

參考文獻(xiàn)：

[1] 徐旭初.疫情當(dāng)前談加快推進(jìn)數(shù)字鄉(xiāng)村建設(shè)[J].中國(guó)農(nóng)民合作社，2020（4）：31-32.

[2] 農(nóng)業(yè)農(nóng)村信息化專家咨詢委員會(huì).中國(guó)數(shù)字鄉(xiāng)村發(fā)展報(bào)告（2020）[R].北京：農(nóng)業(yè)農(nóng)村信息化專家咨詢委員會(huì)，2020.

[3] 王耀宗，牛明雷.以“數(shù)字鄉(xiāng)村”戰(zhàn)略統(tǒng)籌推進(jìn)新時(shí)代農(nóng)業(yè)農(nóng)村信息化的思考與建議[J].農(nóng)業(yè)部管理干部學(xué)院學(xué)報(bào)，2018（3）：1-8.

[4] 李敢.鄉(xiāng)村建設(shè)新進(jìn)路：中外“數(shù)字鄉(xiāng)村”研究的多元視野比照[J].人文雜志，2021（10）：109-114.

[5] Sonia Bhatt.Digitalization of Rural India：Digital Village[J].Journal of Indian Taxation，2020，7（1）：83-93.

[6] Bielska A，Staczuk-Gawiaczek M，Sobolewska-Mikulska K，et al. Implementation of the Smart Village Concept Based on Selected Spatial Patterns：A Case Study of Mazowieckie Voivodeship in Poland[J].Land Use Policy，2021，5（104）：1-12.

[7] Sebastian B， Dimitrios S P， David R，et al.Conceptual Framework of a Decentral Digital Farming System for Resilient and Safe Data Management[J].Smart Agricultural Technology，2022（2）：1-15.

[8] Kelly R， Laurens K， James A. T.Digitalisation in the New Zealand Agricultural Knowledge and Innovation System：Initial Understandings and Emerging Organisational Responses to Digital Agriculture[J].NJAS：Wageningen Journal of Life Sciences，2019（90-91）：1-14.

[9] John M.Antle， James W.Jones， Cynthia E.Rosenzweig. Next Generation Agricultural System data，Models and Knowledge Products：Introduction[J].Agricultural Systems，2017，7（155）：186-190.

[10] 劉海麗，李昕，朱坤豪.芬蘭農(nóng)村地區(qū)數(shù)字技術(shù)應(yīng)用政策進(jìn)展及啟示[J].山東圖書館學(xué)刊，2021（5）：81-85.

[11] 郭俊華，王陽(yáng).鄉(xiāng)村振興背景下農(nóng)村產(chǎn)業(yè)政策優(yōu)化調(diào)整研究[J].經(jīng)濟(jì)問題，2022（1）：85-92.

[12] 夏顯力，陳哲，張慧利，等.農(nóng)業(yè)高質(zhì)量發(fā)展：數(shù)字賦能與實(shí)現(xiàn)路徑[J].中國(guó)農(nóng)村經(jīng)濟(jì)，2019（12）：2-15.

[13] 王耀宗，牛明雷. 以“數(shù)字鄉(xiāng)村”戰(zhàn)略統(tǒng)籌推進(jìn)新時(shí)代農(nóng)業(yè)農(nóng)村信息化的思考與建議[J].農(nóng)業(yè)部管理干部學(xué)院學(xué)報(bào)，2018（3）：1-8.

[14] 方堃，李帆，金銘.基于整體性治理的數(shù)字鄉(xiāng)村公共服務(wù)體系研究[J].電子政務(wù)，2019（11）：72-81.

[15] 劉俊祥，曾森.中國(guó)鄉(xiāng)村數(shù)字治理的智理屬性、頂層設(shè)計(jì)與探索實(shí)踐[J].蘭州大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2020（1）：64-71.

[16] 劉美平，孫玉瑤.深入推進(jìn)我國(guó)農(nóng)村數(shù)字經(jīng)濟(jì)發(fā)展的新路徑[J].生產(chǎn)力研究，2020（1）：44-49.

[17] 高峰.基于政策指數(shù)的科技政策實(shí)證研究[J].科技進(jìn)步與對(duì)策，2014（9）：105-108.

[18] Organization for Economic Co-operation and Development. Oslo manual： Guidelines for Collecting and Interpreting Innovation Data [M].Paris： OECD，2005.

[19] 張鴻，杜凱文，靳兵艷.鄉(xiāng)村振興戰(zhàn)略下數(shù)字鄉(xiāng)村發(fā)展就緒度評(píng)價(jià)研究[J].西安財(cái)經(jīng)學(xué)院學(xué)報(bào)，2020， 33（1）：51-60.

[20] 吳園.數(shù)字鄉(xiāng)村發(fā)展評(píng)價(jià)指標(biāo)體系構(gòu)建研究[J].江西農(nóng)業(yè)學(xué)報(bào)，2022（1）：236-241.

[21] 陳薇.財(cái)政支持農(nóng)業(yè)政策的選擇與評(píng)價(jià)研究[D].保定： 河北農(nóng)業(yè)大學(xué)，2006.

[22] 宗義湘，李先德.基于OECD農(nóng)業(yè)政策評(píng)價(jià)方法評(píng)估中國(guó)農(nóng)業(yè)支持水平[C].石家莊：創(chuàng)新·發(fā)展·和諧——河北省第二屆社會(huì)科學(xué)學(xué)術(shù)年會(huì)論文專輯，2008：109-113.

[23] 馬曉春.中國(guó)與主要發(fā)達(dá)國(guó)家農(nóng)業(yè)支持政策比較研究[D].北京：中國(guó)農(nóng)業(yè)科學(xué)院，2010.

[24] Mar E.Policy Modeling：Definition， Classification and Evaluation[J].Journal of Policy Modeling，2011，33（4）：523-536.

[25] 張永安，耿喆.我國(guó)區(qū)域科技創(chuàng)新政策的量化評(píng)價(jià)——基于PMC指數(shù)模型[J].科技管理研究，2015，35（14）：26-31.

[26] 張永安，郄海拓.國(guó)務(wù)院創(chuàng)新政策量化評(píng)價(jià)——基于PMC指數(shù)模型[J].科技進(jìn)步與對(duì)策，2017，34（17）：127-136.

[27] 臧維，張延法，徐磊.我國(guó)人工智能政策文本量化研究——政策現(xiàn)狀與前沿趨勢(shì)[J].科技進(jìn)步與對(duì)策，2018，38（15）：125-134.

[28] 胡峰，戚曉妮，汪曉燕.基于PMC指數(shù)模型的機(jī)器人產(chǎn)業(yè)政策量化評(píng)價(jià)——以8項(xiàng)機(jī)器人產(chǎn)業(yè)政策情報(bào)為例[J].情報(bào)雜志，2020，39（1）：121-129.

[29] 杜寶貴，陳磊.基于PMC指數(shù)模型的科技服務(wù)業(yè)政策量化評(píng)價(jià)——遼寧及相關(guān)省市比較[J].科技進(jìn)步與對(duì)策，2022，39（1）：132-139.

基金項(xiàng)目：江蘇省政策引導(dǎo)類計(jì)劃（軟科學(xué)研究）項(xiàng)目“蘇北地區(qū)優(yōu)勢(shì)特色產(chǎn)業(yè)轉(zhuǎn)型升級(jí)的路徑與政策研究”（項(xiàng)目編號(hào)：BR2020031）。

作者簡(jiǎn)介：秦亮（1981-），男，碩士，江蘇省科學(xué)技術(shù)情報(bào)研究所副研究員，研究方向?yàn)閯?chuàng)新政策、科技項(xiàng)目評(píng)價(jià)；張華（1981-），男，博士，江蘇省科學(xué)技術(shù)發(fā)展戰(zhàn)略研究院副院長(zhǎng)，研究員，研究方向?yàn)榭萍颊吖芾?；吳華珠（1970-），女，碩士，江蘇省科學(xué)技術(shù)情報(bào)研究所研究員，研究方向?yàn)榭萍疾樾屡c咨詢；胡峰（1982-），男，博士，江蘇省科學(xué)技術(shù)情報(bào)研究所副研究員，研究方向?yàn)榭萍记閳?bào)、應(yīng)急情報(bào)、政策評(píng)估。

（收稿日期：2022-09-27 ?責(zé)任編輯：蘇子寵）