開放數據生態系統中利益相關者之間的互動關系

張聰叢 陳濤 黃艷

收稿日期：2020-10-12

基金項目：國家社會科學基金重大項目“數字政府建設的安全治理體系研究”（項目編號：20ZDA038）;國家自然科學重點項目“非傳統安全問題風險識別與防范機制——以智慧城市治理中的信息共享與使用為例”（項目編號：71734002）。

作者簡介：張聰叢（1991-），女，博士研究生，研究方向：數字政府治理。陳濤（1980-），男，教授，博士生導師，研究方向：智慧城市、電子政務。

通訊作者：黃艷（1975-），女，教授，碩士生導師，研究方向：公共政策評估、非傳統安全。

摘要：[目的/意義]開放數據生態系統中利益相關者之間的互動對于實現開放數據計劃的成功和可持續發展至關重要。[方法/過程]本研究以中國開放數據實踐中關鍵組織的網站鏈接網絡為研究對象，使用Webometric Analyst 4.1和UCINET進行社會網絡分析，了解中國開放數據生態系統中各個利益相關實體的互動交流現狀，分析其網絡互動模式，評估國家在開放和利用數據方面的準備情況，為開放數據實踐行為提供建議和參考。[結果/結論]中國的開放數據計劃總體上是以政府組織主導的方式向前發展。在不同類型的組織溝通交流中，企業組織與政府組織的互動最為密切;在同一類型內部，非政府組織網絡內部聯系更為緊密;教育科研機構在開放數據網絡中的參與互動還需更加積極。盡管部分地方政府在數據開放創新方面做出嘗試，地方政府機構之間的協作互動網絡依然相對稀疏。各利益相關者需擴大互動的深度和廣度，主動積極構建開放數據生態系統，促進互動合作網絡的優化，順應世界數字化發展潮流，實現更好的數字化治理。

關鍵詞：開放數據;生態系統;互動;利益相關者;網絡計量學;中國

DOI：10.3969/j.issn.1008-0821.2021.04.011

〔中圖分類號〕D035-39〔文獻標識碼〕A〔文章編號〕1008-0821（2021）04-0101-18

Mapping the Interactions Among Stakeholders in the Open Data Ecosystem

——A webometric Network Analysis from China

Zhang Congcong1Chen Tao1Huang Yan2*

（1.College of Public Administration，Huazhong University of Science and Technology，Wuhan 430074，China;

2.Law and Business School，Wuhan Institute of Technology，Wuhan 430074，China）

Abstract：[Purpose/Significance]Interactions among stakeholders in the open data ecosystem are dominant to achieve success and sustainable development of open data initiative.[Method/Process]This study focused on the hyperlink networks extracted from the websites of critical organizations engaged in open data to explore the interactions of the entities through the inter-linkage analysis and co-mention analysis by using Webometric Analyst 4.1 and UCINET.[Result/Conclusion]Findings showed that the Open Data Initiative was generally moving forward in a government-led manner.Enterprise organizations interacted with government organizations most closely among different types of organizations.While within the same category，the NGO network was more closely interconnected.In addition，the network between local governments in China was relatively sparse because their explorations of open data were at different stages.More efforts were needed to promote the optimization of cooperative networks.

Key words：open data;ecosystem;interactions;stakeholders;webometrics;China

隨著開放數據在世界范圍內蓬勃發展，越來越多的發展中國家積極參與其中。在追蹤不同國家開放政府數據生態系統時發現，不同的社會制度背景會影響開放數據實踐持續推進和制度化的可能性[1]，研究發展中國家的數據開放問題將會為整個開放數據的知識基礎貢獻諸多經驗。2013年，世界銀行聯合開放數據研究所和開放知識基金會共同提出了發展中國家開放數據項目（ODDC），旨在討論發展中國家的數據生態系統、權力下放、新興影響以及各部門之間的聯系，以根據發展中國家的本土情況促進開放數據的實施，幫助發展中國家的決策者和公民理解并受益于開放數據[2]。考慮到開放數據在機構合作、公眾參與、創新增長方面的潛能，發展中國家開始在國家層面發布開放政府數據行動計劃，通過信息公開或數據開放回應公眾需求[3]。

越來越多的組織意識到開放數據使用可能帶來的發展潛力，更多實體參與到開放數據生態系統中來，期望分享數據紅利。在基本滿足更多數據盡可能對更多人開放的數據共享需求之后，如何實現數據在各個利益相關者之間流通使用成為開放數據生態系統可持續性發展的關鍵。開放數據生態系統主張以系統的、互動的、嵌入的觀點探究各要素之間的關系，綜合考慮對干預措施、社區反饋、技術可用性的認識，關注各個實體的互動協作網絡[4]。其中，政府機構、企業組織、數據中介、研究人員、記者等群體都是整個開放數據生態系統的基本要素[5-7]，承擔數據生產、處理、使用和創新的各項功能。這些機構之間的互動協作是推動政府數據開放成功的重要決定因素[8-9]。

但是，在具體的開放數據實踐中，大多數發展中國家缺乏多層次合作框架支持開放數據創新使用，很難保持開放數據的可持續性[10-11]。各類組織之間缺乏合作意識，導致各個利益相關者不能及時互動，從而降低數據使用效率，增加數據安全風險[3，8，12]。加之，已有開放數據的研究雖然承認利益相關者之間互動協作對價值創造的重要性[12]，卻鮮有研究對發展中國家開放數據生態系統中的利益相關者的互動協作情況進行直觀化的實證說明。為了彌補這個研究差距，本文主要關注中國開放數據生態系統中各個利益相關實體的互動交流，嘗試借助分析工具可視化其互動模式，分析各利益相關者之間的合作行為特點，評估國家在開放和利用數據方面的準備情況，促進相關研究公共知識庫的發展，為開放數據實踐行為提供建議和參考。此外，不同社會制度背景也會影響開放數據推進情況，中國的開放數據實踐落地實施往往都在地方政府層面，地方政府官方平臺之間的互動也是十分重要的。

因此，對中國開放數據生態系統中利益相關者之間互動關系的研究可以分為兩個問題，一是中國開放數據實踐中各個參與組織的互動現狀與模式;二是地方政府官方平臺在開放數據實踐中的互動情況。在具體研究中，借鑒已有基于網絡計量視角對多組織協作模式的研究[13-15]，采用網絡計量學方法，選取中國開放數據項目中的關鍵組織，如政府組織、非政府組織、教育研究機構以及企業組織（包括技術公司、基礎設施供應商、運營商等）為研究對象，分析其網絡鏈接行為網絡結構特征，了解和評估多類型組織的互動協作模式。

1背景與文獻綜述

1.1開放數據生態系統

在關于信息通信技術如何推動政府管理變革的研究中，生態系統的概念已受到一定程度的關注，這些在有關開放政府或開放數據的討論中都有體現[16-17]。Harrison T M等[18]回顧了開放政府的文獻后，建議從生態系統的角度研究開放政府的概念，有目的地構建開放政府生態系統，關注政府與用戶和組織的互動。在整合相關研究的基礎上，Dawes S S等[9]提出了一個由利益相關者、政策、實踐、關系和影響組成的開放政府數據生態系統模型，隨后研究者也對該框架進行了進一步完善和驗證[19-20]。開放數據生態系統與數據生態系統[21]，鏈接數據生態系統[22]和開放政府生態系統[18]等概念類似，其核心主張是從系統互動和嵌入式的角度探討各種元素之間的關系[23]。在生態系統內，許多參與者相互交流以生成和使用數據，為創建、管理和維持數據共享計劃提供環境[21]。同樣，評估開放數據生態系統成功與否的最重要指標之一就是利益相關者是否充分互動和有效參與[23]。

作為開放數據生態系統的基本要素，利益相關者及其行為一直是值得關注的。采用Freeman R E[24]對利益相關者的定義，開放數據計劃的利益相關者既可以是政府內部的（例如，負責制定和實施政策的政府組織），也可以是政府外部的（例如，受政府行為或規則影響的行業、社區或個人）[25]。這些利益相關者群體通常在參與推動開放數據計劃發展、數據開放使用和深度開發中扮演著多種角色。為了保障開放數據生態系統的可持續性，數據供需方以及利益相關者之間存在大量的聯系和依賴。開放數據計劃逐漸積累了一些基于生態系統理論的最佳實踐的經驗[26]。來自英國的實踐經驗將利益相關者分為數據生產者、中間商和數據使用者[17]。Dawes S S等增加了政策制定者來表達政治維度因素對可開放數據計劃可持續的重要影響[9]。隨著數據成為許多產品和服務的基礎，利益相關者可以使用數據，深度開發數據產品，參與數據市場，通過這些生態系統中的關鍵行動者的交互作用繼續創造價值[27]。政府共享開放數據后，私營企業的管理者或開發者可以選擇實際相關的數據作為提供免費信息的資源，從開放數據中尋找新的商業模式來刺激可持續的價值產生[28]。非政府組織或技術人員通過參與黑客馬拉松的開放數據競賽，使用數據創建應用程序，促進社會透明或提供公民服務，增進地方政府與公民互動[29]。政府組織則可以在這些互動中獲得關于市政開放數據集的有價值的反饋，從而及時回應、告知和發展未來開放數據的版本。

1.2網絡計量學相關研究

21世紀互聯網成為通信和信息傳播的重要媒介，海量規模的信息資源在網絡上被公開表達訪問。正是在這樣的背景下，網絡計量學開始出現。網絡計量學最初被用于萬維網的一般信息學分析[30]，如評價和預測引文影響力等，具有鮮明的引文分析的特點[31]。隨著社會網絡分析范式的廣泛應用，“鏈接”關系的推廣和泛化[32]，網絡計量學與社會網絡分析逐漸結合，用于研究與特定網站集合之間的鏈接，通過測量超鏈接網絡的不同定量指標，分析整體的網絡結構與關鍵節點特征，判斷網絡信息流動方向、節點的績效表現和影響力[13，33-36]。具體而言，基于Web的網絡分析開始在人文社會科學調查中越來越多地出現[37]，被廣泛用于了解和評估多類型組織的協作模式[15]。通過評估超鏈接網絡的節點中心性指數等指標，揭示行動者之間的交流模式[38]，洞察組織間關系[13]，確定不同行動者在創新擴散過程中的角色[36]。

然而，由于搜索引擎中用于自動和手動收集超鏈接計數的工具已經在2012年被關閉等技術原因，基于超鏈接分析的網絡計量分析遭遇困境[39]。研究者積極探索尋找替代性的數據源來取代傳統的基于超鏈接的網絡分析方法，研究發現基于標題和基于URL提及分析與超鏈接分析的指標存在高度相關性，認為基于URL或標題提及的測量指標是在二進制網絡和加權網絡中替換超鏈接的最佳選擇[40-41]。Thelwall M等[42]綜合考慮數據負擔能力、軟件編程和成本等條件，提出使用Bing Search API 2.0是從搜索引擎API收集用于Web計量分析原始數據的最佳選擇。在此之后，網絡計量分析繼續不斷向不同學科發展。因此，本研究使用Bing Search API 2.0收集萬維網上中國開放數據計劃中利益相關者網站的URL計量原始數據，借助Webometric Analyst 4.1對其鏈接引用網絡進行分析。

1.3中國的開放數據

在過去10年中，開放數據的討論主要是在西方發達國家的背景下展開的。作為世界上重要的發展中國家，中國也在努力促進信息公開和數據開放，釋放數據活力，以順應世界潮流，提高政府透明度，提升公共服務能力，從而實現更好的治理。一方面，中國在信息公開方面不斷地制度化成果，為開放數據實踐提供了制度支撐與發展方向。2008年，中華人民共和國國務院頒布施行《中華人民共和國政府信息公開條例》，將提高政府透明度，充分發揮政府信息服務于人民生產生活和社會經濟活動的作用寫入法律。2019年修訂后的《中華人民共和國政府信息公開條例》強調，行政機關公開政府信息應堅持以公開為常態、不公開為例外[43]。國務院2015年發布《促進大數據發展行動綱要》將開放數據正式列為全國十大重點項目之一，肯定了其在推動轉型和增強競爭力方面的重要意義[44]。中國政府一直致力于推進互聯網基礎設施的建設和使用，擁有開展數據開放的巨大優勢。中國互聯網絡信息中心發布的第46次《中國互聯網絡發展狀況統計報告》表明，截至2020年6月，全國網民規模達9.40億，互聯網普及率達67.0%，是2009年的28.9%的兩倍多[45]。

另一方面，相關的學術研究成果也在逐步增加，中國公共部門的開放創新正逐漸引起人們對數字政府背景下政府透明度、開放數據創新、跨部門數據共享、政府開放數據能力、數字驅動的公眾參與等問題的關注[46-50]。研究者對中國開放城市地理數據的案例研究表明，隨著數據存儲和高性能計算的發展，數據眾包平臺計劃極大促進共享和互操作性[51]。針對快速變化環境中的相關技術和公民的要求，Wang C等[52]從4個IT相關項目中政府和非政府組織之間的合作出發，根據合作過程中的決策的權力和責任的分配應對，提出了3種適應性治理類型。在開放數據實踐過程中，研究人員特別考慮了開放政府（透明度）和隱私保護之間存在的爭議和動態關系[53]。此外，還有一些開放數據應用的案例研究，分析城市大數據對更多與可持續發展目標相關的創新目標和指標的積極影響[54]。在由萬維網基金會（The World Wide Web Foundation）、開放數據研究所（Open Data Institute）聯合開發的開放數據晴雨表（Open Data Barometer）第4版全球評估報告中，中國在2016年被調查的115個國家和地區中排名第71位[55]。總體看來，政府數據開放準備度尚可，尤其是地方政府行動表現突出，但執行度和影響力還比較落后，數據集的開放程度不高，政府數據開放對政治、社會、經濟的影響不足[56]。

2數據和方法

2.1數據收集

網絡計量的一些研究已經證實了使用搜索引擎和社交媒體工具獲取原始數據的可行性和可靠性[57-59]。為了回應文章的兩個研究問題，本文的數據收集也是分為兩個部分。針對第一個研究問題，也就是探究中國開放數據實踐中各個參與組織的互動現狀與模式，本文參考國際研究者使用谷歌和Twitter搜索用于選擇種子站點的方法，使用更符合中國情境的百度和微博來選擇種子站點，數據搜索時間截止2019年1月31日。首先，參考Acharya S等[59]對尼泊爾開放數據網絡模式研究一文中的搜索策略和組織分類標準，選擇關鍵字“開放數據（Open Data）”“開放中國（Open China）”和“開放政府（Open Government）”在百度上進行中英文搜索。類似地，使用標簽#開放數據（Open Data）和#開放中國（Open China）和#開放政府（Open Government）在微博上進行中英文搜索。然后，訪問和閱讀各自主頁的結果，判斷選擇與開放數據項目相關的組織機構，追蹤并手動訪問他們的網站，以確定他們在中國開放數據項目中的角色和重要性[5]。這里文章主要基于組織的官方描述將組織類型劃分為政府組織（簡稱GO）、企業組織（簡稱EO）、教育研究機構（簡稱ERI）和非政府組織（簡稱NGO），并將NGO進一步區別是否為國際組織（簡稱IO）。最后，列出種子網站的詳細信息和特征，包括它們的名稱、組織類型、在中國開放數據中扮演的角色以及它們的網站地址或URL等，結果如表1所示。

針對第二個研究問題，為了更好地了解中國地方政府官方平臺在開放數據實踐中的互動情況，文章對地方政府官方數據開放平臺的網站進行分析。“中國開放數林”指數由復旦大學數字與移動治理實驗室出品，是國內第一個專門針對地方政府數據開放的系列評估報告。本文根據復旦大學數字與移動治理實驗室發布的《中國地方政府數據開放報告（2018下半年）》確定種子站點[60]，同時列出了地方政府、平臺名稱、簡稱、建立日期、地區、行政級別和URL，結果如表2所示。

2.2數據分析

首先，在選定了種子網站之后，使用Bing API運行高級布爾搜索，根據URL引用計算與站點鏈接的相關外部網站，以獲得與基本查詢匹配的外部網站列表，數據搜索日期為2019年1月31日。其次，使用Webometric Analyst 4.1（http：//lexiurl.wlv.ac.uk）對數據進行分析，Webometric Analyst是一個基于Windows的免費程序，用于Altmetrics、引文分析、社交網絡分析和網絡計量學分析[58]。本研究主要選擇互提及網絡分析（Inter-mentioned Network Analysis）和共提及網絡分析（Co-mention Network Analysis），關注各利益相關機構之間在網絡中的結構關系與利益相關者在網絡交流中的相似狀況。其中，互提及網絡示意圖說明了站點集合之間的互連性模式，能夠表示兩個組織之間建立的最強烈的聯系，所以用于刻畫機構之間在網絡上的結構關系。共提及網絡分析基于引用一對目標站點的外部站點數來確定，這些共同之處顯示出一些不直接相關但同等重要的節點，可以揭示利益相關者的網絡交流狀況。此外，利用UCINET測度整體網絡層面的密度、參與者與連接關系，節點層面的中心性指標，嘗試將不同的利益相關者的復雜關系網絡可視化[61]，以便更好理解和評估多種類型組織中的協作模式[15]。

3結果

3.1基本情況描述

開放數據實踐十分依賴于其所在的背景環境，并且往往會受到基本管理框架的影響[7]。與現有的分散生態系統、集中生態系統和跨境開放數據生態系統等開放數據模型不同，中國的開放數據實踐呈現出更為復雜的局面。非政府組織、企業組織、政府組織和教育研究機構通過合作，積極推進開放數據項目的準備與實施。例如，2013年2月中國加入開放知識網絡，2014年初與數據新聞、城市規劃、環境保護、數據科學等多個社區共同發起“開放數據中國”活動，以構建和培育開放數據生態系統為社區使命[62]。2014年1月22日，開放知識基金會的中國地方機構舉辦了首屆“北京開放數據日”開放數據黑客馬拉松活動[63]。2015年，由中國工業設計研究院、開放數據中國、上海交通大學、復旦大學和上海市政府共同發起的上海開放數據應用創新大賽（Shanghai Open Data Apps，SODA）正式啟動[64]。到目前為止，SODA大賽已經成功舉辦了四屆，在城市交通、城市安全、食品安全、產業發展和城市生活等諸多方面實現了從數據到價值創造的轉化。大賽高度重視國際合作與交流，多次與英國、美國、瑞士等國開展深入交流與合作。

此外，在2015年之前，中國的一些地方政府已經開始進行開放政府數據的試點試驗，這些試驗過程也為國家層面的政策制定提供了強有力的糾偏機制[65]。在2012年，上海市政府推出了全國第一個公開數據門戶，上海市政府數據服務網（datashanghai.gov.cn），正式提供一站式政府數據資源。首都北京也在同年開通了北京市政務數據資源網（bjdata.gov.cn），自此，區、市、省各級地方政府開始逐漸建立和完善開放數據門戶網站。截至2018年10月31日，已有57個地方先后推出了各自的平臺，包括8個省（自治區）、2個直轄市、9個副省級城市和38個地級市，具體的時間線分布如圖1所示。

注：▲代表省份（自治區）;●代表城市。圖1地方政府開放數據平臺建設時間表

3.2組織間互動交流的模式

首先對按照數據收集步驟得到的表1中的種子站點進行簡單描述分析。可以看出，最后選擇的與中國開放數據相關的利益相關者有46個，涵蓋了11個政府組織、13個企業組織、15個非政府組織以及7個教育研究機構。其中，政府組織主要涉及政策制定、交通氣象、知識產權等機構;企業組織里面涉及到了ICT供應商、開發者、技術公司等;非政府組織涉及到了網絡社區、國際組織、行業協會等。這些角色基本覆蓋了開放數據生態系統中的各個功能環節，在一定程度上體現了開放數據生態系統復雜性。

借助Webometric Analyst 4.1得到中國開放數據關鍵利益相關者的互提及網絡，如圖2所示，以及共提及網絡，如圖3所示。一般用網絡密度指標對網絡整體結構情況進行判斷，通過計算網絡密度判斷網絡對節點的影響程度。網絡密度是實際連接關系數量除以成員之間的最大連接數，代表了成員之間的平均連接數和個體成員與其他成員的親密程度[66]。圖2所代表的有向（非對稱）互提及網絡的密度值為0.1942，圖3所代表的無向共提及網絡的密度值為0.8213，這表明整體看來共提及網絡對其結構中的個體影響較大，相互提及網絡節點間相對分散，關系更加集中。為了更加深入細致了解各利益相關者的互動交流行為，接下來將對互提及網絡和共提及網絡進行科學量化的分析。

3.2.1互提及網絡分析

互提及網絡是基于一對網站之間的非對稱（定向）相互提及數的表示形式，該圖指示了站點集合之間的相互連接模式，可以反映機構之間在網絡上的結構關系。網絡圖中的顏色和形狀代表不同的組織類型，綠色三角形代表非政府組織（NGOs），紅色正方形代表政府組織（GOs），黃色圓圈代表企業組織（EOs），藍色菱形代表教育研究機構（EIRs），箭頭表示URL的方向。直觀上看，www.baidu.com、www.github.com、www.oschina.net、www.uestc.edu.cn和www.mof.gov.cn占據了整個網絡的中心位置。這幾個節點分別屬于企業組織、政府組織（國際組織）、非政府組織、教育研究機構和政府組織。這些不同類型的組織之間基于各自的功能性分工又相互緊密聯系。在非政府組織中，如www.weibo.com、www.github.com、www.oschina.net等網站與其他節點，尤其是國際非政府組織如www.github.com、www.okfn.org等網站有著密切的聯系。www.miit.gov.cn、www.cac.gov.cn、www.stats.gov.cn、www.sic.gov.cn等政府組織與其他類型的組織聯系密切，涉及到了整個網絡中較為集中的聯系。

度中心性（Degree Centrality）是度量每個節點組織在交流網絡中重要性的最直接指標。其通過計算一個節點與網絡中所有其他節點直接接觸的次數，來反映該節點在網絡中的重要性和影響力分布，一個節點的節點度越大就意味著這個節點的度中心性越高，該節點在網絡中就越重要[67]。具體而言，入度（Indegree Centrality）顯示來自網絡中節點到節點的傳入連接的數量，而出度（Outdegree Centrality）則顯示了自節點的外部連接的數量。在整個互動溝通的網絡中，與其他行動者聯系較多的組織更能夠有效地控制和影響處于核心地位的網絡。表3分別列出了入度和出度最高的前20個網站。企業組織中百度在兩個測量值上都有較高的結果（Indegree Centrality=189 997，Outdegree Centrality=390 316），非政府組織中的國際組織Github也有相對高的數值（Indegree Centrality=189 427，Outdegree Centrality=178 698），這都較為直接地反映出他們在整個網絡中的重要性。在前20個節點中，新浪微博、百度、Github、Pivotal中國、開源中國社區和中華人民共和國財政部的入度值排名靠前，也就是說這些節點組織受到了其他節點組織的高度關注，其他節點組織對這些節點組織在網絡中的重要程度和聲望是比較認同的，因此這些節點更可能引導整個網絡交流的視角和內容。在出度排名前20的站點中，有6個政府組織，約占政府組織總數的54.5%;5個企業組織，約占企業組織總數的38.5%;8個非政府組織，約占非政府組織總數的53.3%;1個教育研究機構，約占教育研究機構總數的14.3%。這些節點在整個互動網絡中十分努力地與其他節點取得關聯，能夠從其他成員那里獲得很多信息知識。

中介中心性（Between Centrality）是以經過某個節點的最短路徑數目來刻畫節點重要性的指標，主要衡量網絡中的橋接關系。經過一個點的最短路徑的數量越多，就說明它的中介中心度越高，對網絡中信息流動的影響越大[68]。表4列出了中介中心性最高的前20個網站。www.baidu.com中介中心性最高（740.417），其次是www.github.com，中介中心性值達到504.534。就每種不同類型的組織而言，在所有的教育研究機構中，中介中心性最高的是電子科技大學。中華人民共和國互聯網信息辦公室在政府組織里面中介中心性值最高（180.571）。這些節點處在與其他點相互之間聯系的捷徑上，是其他組織之間的橋梁，可以幫助那些沒有直接聯系到其他組織的參與者取得關鍵信息和資源，縮小了不同小協作團體之間的信息差距。

3.2.2共提及網絡分析

共提及網絡分析是基于引用一對目標站點的外部站點數來確定的，可以顯示出一些不直接相關但是同等重要的節點，反映不同利益相關者在網絡交流中的相似度。網絡圖中的顏色和形狀代表不同的組織類型，綠色三角形代表非政府組織（NGOs），紅色正方形代表政府組織（GOs），黃色圓圈代表企業組織（EOs），藍色菱形代表教育研究機構（EIRs）。由于幾乎所有的節點都被共同提及，原始的共提及網絡關系十分稠密。為了更加清楚直觀地觀察各個組織的互動交流模式，因而選擇共同提及次數大于400和共同提及次數大于800的共提及網絡圖，來展示他們之間的關系，如圖3和圖4所示。

非政府組織中的okfn.org和dca.org.cn、政府機構中的cac.gov.cn、sic.gov.cn和stats.gov.cn是最常被共提及的網站。站點為bigdata-research.org的教育研究機構也在網絡中占據了關鍵位置。例如，okfn.org和www.cybersac.cn共被提及917次;www.bigdata-research.org和www.oschina.net共被提及917次;www.bigdata-research.org和www.cac.gov.cn共被提及889次;www.bigdata-research.org和www.mof.gov.cn共被提及856次。此外，針對每種類型組織內部而言，非政府組織之間經常會被共提及，okfn.org和www.opendatacenter.cn被共提及次數多達1 051次;okfn.org和opensourcecloud.cn的共提及次數達到1 033次;OKFN中國辦事處cn.okfn.org和okfn.org共提及更是達到15 573次。

大多數時候，同一群有著相同目的的利益相關者會被一起提及，因為他們分享了一些同等重要的東西。從圖3和圖4可以看出，外部網站對中國開放政府數據相關提及引用時，一般提到了政府組織，基本上很大程度也會一起提到相關的非政府組織。同時，政府機構與特定的一些企業機構關系也是十分緊密。教育研究機構www.opendatacenter.cn與政府組織、非政府組織、企業組織會經常被共同提及，但是，其他教育研究機構卻并不活躍。不同領域的聯系也在一定程度表明了多種類型組織在中國開放數據實踐上的合作互動。就每種組織類型內部的這些機構而言，大部分的企業組織其實并沒有被頻繁地共同提及，政府組織內部可能由于不同的側重，共同提及的也比較少。非政府組織之間的目標或者角色明顯會更加集中統一，經常互相支撐而被共同提及。

3.3地方政府官方平臺的互動

同樣，借助網絡計量學對中國地方政府官方平臺在開放數據實踐中的互動情況進行分析。表2已經列出了地方政府官方數據開放平臺的基本情況。《中國地方政府數據開放報告（2018下半年）》評估了57個地方政府平臺，其中包含8個省級（自治區）政府平臺、2個直轄市、9個副省級城市和38個地級市。圖5顯示了地方政府官方數據開放平臺的互提及網絡。整體看來，每一對站點之間的鏈接很少，網絡十分稀疏。貴州省和上海市的平臺處于網絡的核心位置，與其他節點連接較為緊密。依然可以看到4種類型的連接關系，即第一種是省級政府平臺與省級政府平臺之間的聯系，即廣東省（www.gddata.gov.cn）和貴州省（www.gzdata.gov.cn）;第二種是具有隸屬關系的行政上下級平臺之間的聯系，即廣東省（www.gddata.gov.cn）和惠州市（data.huizhou.gov.cn）;第三種是不具有隸屬關系的省市之間的聯系，如貴州省（www.gzdata.gov.cn）和廣州市（www.datagz.gov.cn）;第四種則是不同城市之間的聯系，如上海市（www.datashanghai.gov.cn）和貴陽市（www.gyopendata.gov.cn）。

為了便于在同一層次上進行深入比較，避免省政府對各省所轄城市的壓力，接下來選取49個城市政府官方數據開放平臺進行共提及分析，這49個節點幾乎都存在共提及關系，為了更加清晰直觀地觀察，呈現了共提及次數超過250次的網絡圖，如圖6所示。其中，紅色圓圈代表省級行政級別的直轄市，黃色圓圈代表副省級城市，藍色圓圈代表地級市。很明顯，共提及圖比互提及的密度大，說明外界站點對這些站點一般都是同時提及。在這個網絡中，上海、北京和南京3個城市相對比較活躍，也更加容易被外部站點提及。

圖7顯示了《中國地方政府數據開放報告（2018下半年）》中49個地方政府官方數據開放平臺的評估結果。其中，貴陽排名第一，佛山、哈爾濱、上海和廣州緊隨其后。正如圖7所示，積極參與政府開放數據的城市基本上位于中國東部和南部，但表現最好的是位于中國西南部的貴陽。這可能是因為阿里、騰訊等許多知名企業組織在貴陽建立大數據中心，進一步帶動了地區整體數字化發展。此外，為了進一步了解哪些因素可能影響地方政府官方數據開放平臺開放數據績效，本研究嘗試考慮城市的行政級別、經濟發展水平和城市規模3個基本屬性與開放數據指數的相關關系。具體操作：城市行政級別分為3級，省級、副省級和地級市;使用地區人均國內生產總值來衡量經濟發展水平，數據來自各城市統計年鑒;按照國務院2014年發布的《國務院關于調整城市規模劃分標準的通知》，將城市按照城區常住人口劃分為超大城市（超過1 000萬），特大城市（500萬～1 000萬），Ⅰ型大城市（300萬～500萬），Ⅱ型大城市（100萬～300萬），中等城市（50萬～100萬），Ⅰ型小城市（20萬～50萬），Ⅱ型小城市（20萬以下），具體數據來源于《中國城市建設統計年鑒》。

表5顯示了開放數據指數、行政級別、經濟發展水平和城市規模之間的Spearman相關系數。總體而言，城市規模和行政級別與開放數據指數呈顯著正相關，經濟發展水平影響不顯著。可以發現，城市的行政級別與城市政府數據開放績效在0.01的顯著水平下呈正相關，也就是說，行政級別越高，該政府平臺數據開放的總體表現越好。這在中國語境下也不難解釋，地方政府創新實踐或者對于國家政策意愿的執行，一定程度上需要整體政治資源、經濟資源和基礎設施資源較好的地區，城市行政級別越高，相關的資源支持機會就會越多，有利于這些實踐的實施。此外，城市規模越大，其政府數據的積累體量就越大，政府利用信息技術進行社會管理與公共服務的動機就越強，越有利于激勵地方政府進行整體的數字化建設。而經濟發展水平沒有顯示出顯著的相關性，可能是因為開放政府活動的整體支出其實并不是很大部分，對于地方經濟情況要求不高。

4結論與討論

越來越多的數據被開放使用，給公眾和社會各個主體賦予了更多的能力和權力。依托信息技術發展，推進多主體協作互動，充分發揮公眾智慧，成為數字時代優化治理結構，解決復雜社會問題的一種更為明智的方法。本文以開放數據生態系統中利益相關者互動為切入視角，運用網絡計量分析的方法，研究中國開放數據實踐中關鍵組織之間的互動行為。本研究的創新和貢獻主要有三點，一是對發展中國家開放數據生態系統中利益相關者的互動協作情況進行直觀化的實證說明。二是選擇組織間的網絡鏈接關系捕捉組織在現實中的互動軌跡，既是對運用網絡計量學評估多類型組織協作模式等研究的補充，同時又增加了全球關于發展中國家開放數據研究的成果。三是希望通過本研究對開放數據實踐中各個利益相關者互動協作提供意見和建議，解決現實障礙并激發期望收益。

開放數據生態系統中利益相關者之間的互動對于實現開放數據計劃的成功和可持續發展至關重要。總的來說，前人文獻研究中提到的開放數據生態系統中的主要利益相關者類型在中國的開放數據實踐中都有出現，根據研究的結果，也可以發現各利益相關者互動模式的一些特點。中國的開放數據計劃正在以政府主導的方式向前推進。政府組織的度中心性不高，但是卻有更高的中介中心性。也就意味著，政府組織雖然和其他組織節點的直接互動不是最多的，但是在整個互動網絡中有更大的信息傳播優勢，充當了信息整合聯系的角色。政府部門致力于將企業組織、教育研究機構、非政府組織和國際組織等多方力量整合到整個數據開放使用的生態系統中去。這種整合不僅僅是從法律政策規制等管理的環境角度，更多的是將自身納入到數據生產、開放、使用與創新的整個流程中去，引導數據的流通與價值創造。

企業組織與政府組織的積極緊密互動合作也是十分重要的特征。在共提及網絡中，政府機構與特定的一些企業機構關系十分緊密。企業作為許多數據處理過程的中介，主動與政府部門建立合作關系，利用自身的技術優勢、行業標準和產業優勢，更主動地參與到社會公共服務與管理中。非政府組織的度中心性較高，中介中心性相對不是那么高，整體上與其他類型組織的合作互動相對較少，主要是同類型組織內部的培訓交流學習，通過組織開展一系列的宣傳活動，推動開放數據發展。教育研究機構在開放數據實踐中的互動交流也有待進一步加強。整體的利益相關者互動網絡還需要更多努力去優化提升。

地方政府官方數據開放平臺的合作互動存在著碎片化的現象，地方政府之間的互動網絡相對稀疏。這可能是因為在國家層面沒有統一的開放數據平臺之前，地方政府的數據平臺就相當于是一種自下而上的政策實驗創新，主要目的在于為全國范圍內的創新和推廣積累地方經驗和知識。在互提及網絡中，根據行政級別與隸屬關系可以觀察到平臺之間的互動連接也存在4種形式，但是因為整體網絡太稀疏，所以很難具體判斷出哪種形式最為典型。同時，還發現城市規模和行政級別與地方政府開放數據指數呈顯著正相關，經濟發展水平影響不顯著。

總體而言，通過考察中國開放數據生態中各利益相關者之間的互動，得出的結論是，中國的開放數據計劃總體上是以政府組織主導的方式向前發展。在不同類型的組織溝通交流中，企業組織與政府組織的互動最為密切;在同一類型內部，非政府組織網絡內部聯系更為緊密，教育科研機構在開放數據網絡中的參與互動還需要更加積極。此外，盡管部分地方政府在數據開放創新方面做出嘗試，地方政府機構之間的協作互動網絡依然相對稀疏。在具體的開放數據實踐中，各利益相關者都需要進一步努力，優化合作網絡。政府部門要開放除了食品安全、交通、公安和環境等領域之外更多的數據，吸引各類主體參與開放數據創新挑戰。尤其是，要鼓勵非政府組織和教育研究機構參與到開放數據的使用、深度挖掘、轉化增值的過程中，增強社會公眾與政府組織之間的參與互動，借助數據開放實踐塑造更為透明的社會管理，更為精準化、個性化的公民服務。通過優勢互補、資源協作，最大程度挖掘數據價值，共同解決社會問題，以順應世界潮流，實現更好的數字治理。

由于技術手段的限制，該研究也存在一定的局限性。首先，種子站點的選擇是基于經驗判斷的，未來還需要更加科學的方式開展研究。其次，考慮到鏈接分析本身的局限性，發生鏈接關系的原因往往是復雜多樣的，這就導致有些節點的連接程度可能被夸大。最后，雖然現存的研究已經支持網絡計量方法研究組織協作，但是仍然需要更多的實證研究來解釋不同利益相關者的互動交流行為。

參考文獻

[1]Styrin E，Luna-Reyes L，Harrison T.Open Data Ecosystems：An International Comparison[J].Transforming Government：People，Process and Policy，2017，（11）：132-156.

[2]Davies T，Perini F.Researching the Emerging Impacts of Open Data：Revisiting the ODDC Conceptual Framework[J].Journal of Community Informatics，2016，12（2）：148-178.

[3]Canares M，Shekhar S.Open Data and Subnational Governments：Lessons from Developing Countries[J].The Journal of Community Informatics，2016，12（2）.

[4]Mutuku L，Mahihu C.Understanding the Impacts of Kenya Open Data Applications and Services[OL].http：//www.opendataresearch.org/content/2014/731/understanding-impacts-kenya-open-data-applications-and-services.html，2020-11-11.

[5]Gonzalezzapata F，Heeks R.The Multiple Meanings of Open Government Data：Understanding Different Stakeholders and Their Perspectives[J].Government Information Quarterly，2015，32（4）：441-452.

[6]Van Schalkwyk F，Willmers M，Mcnaughton M.Viscous Open Data：The Roles of Intermediaries in an Open Data Ecosystem[J].Information Technology for Development，2016，22：68-83.

[7]Kassen M.Open Data and Its Institutional Ecosystems：A Comparative Cross-jurisdictional Analysis of Open Data Platforms[J].Canadian Public Administration，2018，61（1）：109-129.

[8]Sayogo D，Yuli S B.Critical Success Factors of Open Government and Open Data at Local Government Level in Indonesia[J].International Journal of Electronic Government Research，2018，14：28-43.

[9]Dawes S S，Vidiasova L，Parkhimovich O.Planning and Designing Open Government Data Programs：An Ecosystem Approach[J].Government Information Quarterly，2016，33（1）：15-27.

[10]Hellgren D，Nilsson C.Managing Factors that Affect Utilizations of Open Government Data：A Case Study of a Municipality[D].Department of Informatics，2018.

[11]Shkabatur J，Peled A.Sustaining the Open Government Data Movement Worldwide：Insights from Developing Countries[C]//Conference for E-Democracy and Open Government（CeDEM）.IEEE，2016：172-179.

[12]Craveiro G，Albano C.Open Data Intermediaries：Coproduction in Budget Transparency[J].Transforming Government：People，Process and Policy，2017，（11）：119-131.

[13]Jung K，Park H W.Tracing Interorganizational Information Networks During Emergency Response Period：A Webometric Approach to the 2012 Gumi Chemical Spill in South Korea[J].Government Information Quarterly，2016，33（1）：133-141.

[14]Xu W W，Park J Y，Park H W.The Networked Cultural Diffusion of Korean Wave[J].Online Information Review，2015，39（1）：43-60.

[15]Fonseca B P F，Fernandes E，Fonseca M V A.Collaboration in Science and Technology Organizations of the Public Sector：A Network Perspective[J].Science and Public Policy，2016，44（1）：37-49.

[16]Van Schalkwyk F.Notes on Open Data Ecosystems[OL].http：//www.opendataresearch.org/content/2014/719/notes-open-data-ecosystems，2020-11-11.

[17]Maximilian H，Fredric S，Tom H.From Toddler to Teen：Growth of an Open Data Ecosystem[J].JeDEM-eJournal of eDemocracy and Open Government，2014，6（2）.

[18]Harrison T M，Pardo T A，Cook M.Creating Open Government Ecosystems：A Research and Development Agenda[J].Future Internet，2012，4（4）：900-928.

[19]Gupta A，Panagiotopoulos P，Bowen F.An Orchestration Approach to Smart City Data Ecosystems[J].Technological Forecasting and Social Change，2020，153：119929.

[20]Przeybilovicz E，Cunha M A.Open Government Data Programs：The Political System Matters？Revisiting the Dawes Ecosystem Model[C]//Proceedings of the 19th Annual International Conference on Digital Government Research：Governance in the Data Age.New York，NY，USA：ACM，2018：113.

[21]Oliveira M I S，Lóscio B F.What is a Data Ecosystem？[C]//Proceedings of the 19th Annual International Conference on Digital Government Research：Governance in the Data Age.New York，NY，USA：ACM，2018：74：1-74：9.

[22]Lnenicka M，Komarkova J.Big and Open Linked Data Analytics Ecosystem：Theoretical Background and Essential Elements[J].Government Information Quarterly，2019，36（1）：129-144.

[23]Welle Donker F，Van Loenen B.How to Assess the Success of the Open Data Ecosystem？[J].International Journal of Digital Earth，2017，10（3）：284-306.

[24]Freeman R E.Freeman Strategic Management：A Stakeholder Approach[M].Boston：Pitman，1984.

[25]Bryson J M.What to Do When Stakeholders Matter[J].Public Management Review，2004，6（1）：21-53.

[26]Lee D.Building an Open Data Ecosystem-An Irish Experience[J].ACM International Conference Proceeding Series，2014：351-360.

[27]Attard J，Orlandi F，Auer S.Data Value Networks：Enabling a New Data Ecosystem[C]//IEEE/WIC/ACM International Conference on Web Intelligence（WI），2016：453-456.

[28]Jetzek T.Innovation in the Open Data Ecosystem：Exploring the Role of Real Options Thinking and Multi-sided Platforms for Sustainable Value Generation through Open Data[M].Carayannis E G，Sindakis S.Analytics，Innovation，and Excellence-Driven Enterprise Sustainability.New York：Palgrave Macmillan US，2017：137-168.

[29]Robinson P J，Johnson P A.Civic Hackathons：New Terrain for Local Government-Citizen Interaction？[J].Urban Planning，2016，1（2）：65.

[30]Almind T C，Ingwersen P.Informetric Analyses on the World Wide Web：Methodological Approaches to‘Webometrics[J].Journal of Documentation，1997，53（4）：404-426.

[31]鮑玉芳，馬建霞.科學論文被引頻次預測的現狀分析與研究[J].情報雜志，2015，34（5）：66-71.

[32]趙丹群.網絡信息計量學研究與發展評述[J].情報理論與實踐，2019，42（6）：154-158，143.

[33]Park H W，Yoon J，Leydesdorff L.The Normalization of Co-authorship Networks in the Bibliometric Evaluation：The Government Stimulation Programs of China and Korea[J].Scientometrics，2016，109（2）：1017-1036.

[34]Shapiro M A，Park H W.Climate Change and Youtube：Deliberation Potential in Post-video Discussions[J].Environmental Communication，2018，12（1）：115-131.

[35]Mas-Bleda A，Thelwall M，Kousha K，et al.Do Highly Cited Researchers Successfully Use the Social web？[J].Scientometrics，2014，101（1）：337-356.

[36]Lutz C，Hoffmann C P.Making Academic Social Capital Visible：Relating SNS-Based，Alternative and Traditional Metrics of Scientific Impact[J].Social Science Computer Review，2018：0894439317721181.

[37]郭道勝，匡婷婷.網絡計量學國內研究的發展軌跡分析[J].情報探索，2018，（12）：121-127.

[38]Kim J H，Park H W.Food Policy in Cyberspace：A Webometric Analysis of National Food Clusters in South Korea[J].Government Information Quarterly，2014，31（3）：443-453.

[39]吳愛芝.信息技術進步與文獻計量學發展[J].現代情報，2016，36（2）：32-37.

[40]Ortega L，Ordua-Malea E，Aguillo F I.Are Web Mentions Accurate Substitutes for Inlinks for Spanish Universities？[J].Online Information Review，2014，（1）：59-77.

[41]Thelwall M，Sud P，Wilkinson D.Link and Co-inlink Network Diagrams with URL Citations or Title Mentions[J].Journal of the American Society for Information Science and Technology，2012，63（4）：805-816.

[42]Thelwall M，Sud P.Webometric Research with the Bing Search API 2.0[J].Journal of Informetrics，2012，6（1）：44-52.

[43]國務院.中華人民共和國國務院令第711號：修訂后的《中華人民共和國政府信息公開條例》[OL].http：//www.gov.cn/zhengce/content/2019-04/15/content_5382991.htm，2019-12-05.

[44]國務院.國務院關于印發促進大數據發展行動綱要的通知[OL].http：//www.gov.cn/zhengce/content/2015-09/05/content_10137.htm，2019-12-05.

[45]中國互聯網信息中心.第46次中國互聯網絡發展狀況統計報告[OL].http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/202009/P020200929546215182514.pdf，2020-11-11.

[46]Wang F.Understanding the Dynamic Mechanism of Interagency Government Data Sharing[J].Government Information Quarterly，2018，35（4）：536-546.

[47]Zhao Y，Fan B.Exploring Open Government Data Capacity of Government Agency：Based on the Resource-based Theory[J].Government Information Quarterly，2018，35（1）：1-12.

[48]徐曉林，李海波，馬敏.區塊鏈+旅游服務：創新前景與潛在挑戰[J].中國行政管理，2019，（4）：53-57，78.

[49]張聰叢，郜潁潁，趙暢，等.開放政府數據共享與使用中的隱私保護問題研究——基于開放政府數據生命周期理論[J].電子政務，2018，（9）：24-36.

[50]Zhang N，Zhao X，Zhang Z，et al.What Factors Drive Open Innovation in Chinas Public Sector？A Case Study of Official Document Exchange Via Microblogging（ODEM）in Haining[J].Government Information Quarterly，2017，34（1）：126-133.

[51]Zhou Y，Long Y.SinoGrids：A Practice for Open Urban Data in China[J].Cartography and Geographic Information Science，2016，43（5）：379-392.

[52]Wang C，Medaglia R，Zheng L.Towards a Typology of Adaptive Governance in the Digital Government Context：The Role of Decision-making and Accountability[J].Government Information Quarterly，2018，35（2）：306-322.

[53]Zhao B.A Privacy Perspective of Open Government：Sex，Wealth，and Transparency in China[C]//Censorship，Surveillance，and Privacy：Concepts，Methodologies，Tools，and Applications.Hershey，PA，USA：IGI Global，2019：1294-1308.

[54]Kharrazi A，Qin H，Zhang Y.Urban Big Data and Sustainable Development Goals：Challenges and Opportunities[M].2016.

[55]萬維網基金會.開放數據晴雨表（第4版）[OL].https：//opendatabarometer.org/doc/4thEdition/ODB-4thEdition-GlobalReport.pdf，2019-12-05.

[56]張曉娟，孫成，向錦鵬.基于開放數據晴雨表的我國政府數據開放提升路徑分析[J].圖書情報知識，2017，（6）：60-72.

[57]Jalali S M，Park H.Conversations About Open Data on Twitter[J].International Journal of Contents，2017，13：31.

[58]Jung K，Park H W.Citizens Social Media Use and Homeland Security Information Policy：Some Evidences from Twitter Users During the 2013 North Korea Nuclear Test[J].Government Information Quarterly，2014，31（4SI）：563-573.

[59]Acharya S，Park H W.Open Data in Nepal：A Webometric Network Analysis[J].Quality and Quantity，2017，51（3SI）：1027-1043.

[60]復旦大學數字與移動治理實驗室.2018中國開放數林指數（下半年）[OL].http：//ifopendata.fudan.edu.cn/static/papers/2018%E4%B8%8B%E5%8D%8A%E5%B9%B4%E4%B8%AD%E5%9B%BD%E5%BC%80%E6%94%BE%E6%95%B0%E6%9E%97%E6%8C%87%E6%95%B0.pdf，2019-12-05.

[61]Robinson-Garcia N，Van Leeuwen T N，Ràfols I.Using Altmetrics for Contextualised Mapping of Societal Impact：From Hits to Networks[J].Science and Public Policy，2018，45（6）：815-826.

[62]開放知識基金會中國組織.中國大陸開放數據運動時間線[OL].http：//timemapper.okfnlabs.org/okfncn/open-data-china-timeline-cn#0，2019-12-05.

[63]開放知識基金會中國組織.2014開放數據日中國區活動[OL].https：//planet.okfn.org/category/%E5%BC%80%E6%94%BE%E6%95%B0%E6%8D%AE%E6%97%A5/，2019-12-05.

[64]SODA.上海開放數據創新應用大賽[OL].http：//soda.data.sh.gov.cn/reports.html，2019-12-05.

[65]Heilmann S.Policy Experimentation in Chinas Economic Rise[J].Studies in Comparative International Development，2008，43（1）：1-26.

[66]Yoon J，Park H W.Triple Helix Dynamics of South Koreas Innovation System：A Network Analysis of Inter-regional Technological Collaborations[J].Quality and Quantity，2017，51（3）：989-1007.

[67]Park H W，Kluver R.Trends in Online Networking Among South Korean Politicians—A Mixed-method Approach[J].Government Information Quarterly，2009，26（3）：505-515.

[68]Wasserman S，Faust K.Social Network Analysis：Methods and Applications（Structural Analysis in the Social Sciences）[M].Cambridge University Press，1994.

（責任編輯：陳媛）