基層治理指揮中心數字化運營管理影響因素及作用機理研究

0 引言

國家之強盛，源自基層之堅實；天下之太平，始于基層之安寧。黨的二十屆三中全會明確指出，要將社會治理和服務的重心向基層下移，并著重強調基層社會治理現代化在國家治理現代化中的重要戰略地位。指揮中心作為負責指揮和協調各種資源以應對緊急情況及危機事件的社會基層治理綜合樞紐，承擔著信息收集、指揮決策、資源調度和協調溝通等職責，已成為打造社會治理新格局、實現基層治理現代化的關鍵抓手。以丹東市指揮中心為例，該中心作為丹東市數字政府的基礎性項目，通過匯聚和分析數據為政府事務和公共事項提供輔助參考，不僅在防汛搶險、公共衛生、社會治安等“戰役”中“屢建奇功”，而且已逐步成為城市運行管理與應急處置指揮的實體中心，推動數字政府與社會治理相統一[1]。然而，隨著社會的持續發展，以及基層社會治理工作復雜性的日益提升，指揮中心的功能和能力也面臨著更高的要求。2022年，我國明確提出，加強數字政府建設是推進國家治理體系和治理能力現代化的重要舉措。為應對社會發展帶來的新挑戰，指揮中心亟須加快數字化轉型步伐，為基層社會治理現代化注入強勁動力。

數字化運營管理指組織機構利用數字技術和數據分析工具，對其運營活動和業務流程進行數字化轉型升級，旨在優化運營效果并提升效率。現有研究已經關注到數字化運營管理的積極作用，如區塊鏈技術能夠促進企業與客戶的信息同步、增加團隊協作的透明度[2]；人工智能技術能夠界定復雜問題、制訂工作計劃及輔助決策等[3]。聚焦到基層治理指揮中心，既有研究已從組織架構[1]、指揮體系優化[4]、數據安全[5]和人才培養[等層面對其數字化運營管理的實現與優化展開研究。例如，其日常運營管理工作涉及應對緊急事件的跨部門協調調度與統一部署[4]、組織間信息互聯互通[7]、整合社會資源并與其他社會組織建立合作[1]等。構建以數據為驅動的數字化運營平臺[8]，強化數據資源共享[9]，提高數字化決策與調度能力[10]，是指揮中心實現數字化運營管理的主要途徑。但指揮中心作為民眾感知公共服務效能和溫度的“神經末梢”場域，鏈接政府與公眾，面臨跨部門融合、公眾參與、快速反應、精準管控等區別于其他組織的特殊現實需求和問題，導致其運營管理存在根本上的特殊性。因此，亟須對其展開更具針對性的系統研究，明確其數字化運營管理的內在深層驅動路徑和影響機理。

為此，本研究運用文獻研究法、工作分解結構法、檢查清單法和專家意見法，逐步精準識別并確定指揮中心數字化運營管理的影響因素。在此基礎上，采用解釋結構模型（ISM）建立模型，探究影響因素間的層級關系與影響路徑，隨后采用交叉影響矩陣相乘法（MICMAC），從驅動力和依賴性兩個維度識別關鍵驅動因素。最后，基于上述結果開展影響路徑及作用機理分析，并為指揮中心數字化運營管理提供針對性實踐對策。

1指揮中心數字化運營管理影響因素識別

1.1指揮中心數字化運營管理影響因素初始清單識別

本研究綜合運用文獻研究法、檢查清單法、工作分解結構法和專家意見法，以層層遞進、逐步聚焦的方式識別影響因素。指揮中心數字化運營管理影響因素識別框架流程圖如圖1所示。

1.1.1識別指揮中心數字化運營管理影響因素

本研究采用文獻研究法，在中國知網中以“指揮中心”“數字化”“運營管理”“影響因素”“因素識別”等關鍵詞為檢索詞進行文獻檢索。通過閱讀標題、關鍵詞和摘要，確保主要內容與指揮中心或其他組織機構的數字化轉型及運營管理相關，并剔除不相關的文獻。隨后，通過閱讀剩余文獻的正文，并基于目前指揮中心的研究成果及其職責定位、現狀、數字化運營管理特征，結合研究團隊作者的工作經驗，從其中19篇研究文獻中歸納提煉出20個影響因素。文獻篩除原則為： ① 內容涉及指揮中心或其他組織機構的數字化轉型或數字化運營管理影響因素； ② 所提及的影響因素有客觀數據或經驗理論支撐； ③ 為保證文獻質量，優先考慮CSSCI、CSCD和北大核心的期刊文獻。

在完成上述提煉工作后，進一步遵循技術-組織-環境（TOE）框架，將影響因素劃分為技術、組織與環境三個維度，并鑒于極個別因素的獨特性增設了其他影響因素維度。TOE框架強調了組織采納新技術過程中技術、組織和環境的相互作用。按照該框架將影響因素進行劃分，不僅能夠避免在因素識別過程中遺漏某一方面的因素，還能在后續的數據分析中清晰地展現不同層面影響因素在指揮中心數字化運營管理過程中的作用及內在聯系。基層治理指揮中心數字化運營管理的影響因素見表1。

1. 1. 2 建立工作分解結構

工作分解結構法旨在將項目活動逐級分解為一個個不可再分的最小工作單元。該方法的優勢在于能夠系統且全面地逐級細化工作任務，可以有效避免遺漏或錯誤分配任務的風險。工作分解結

（續）

構法在因素識別尤其是風險因素識別的研究中發揮著重要的作用。例如，黃文成等[30]通過工作結構分解法對鐵路危險品運輸的工作過程進行分解，并以此為基礎構建風險因素識別矩陣。為驗證文獻研究法所識別的影響因素在指揮中心數字化運營管理實踐中的實際存在性，本研究依托團隊作者的工作背景和經驗優勢，利用工作分解結構法，對指揮中心數字化運營管理的各項工作進行分解，結構表見表2。

1. 1. 3 指揮中心數字化運營管理初步影響因素清單

為確保所識別的影響因素與指揮中心數字化運營管理實際工作的契合度，本研究采用檢查清單法，對上文構建的影響因素分解結構和工作分解結構進行對照檢查。檢查清單法是一項通過制定詳細且系統化的清單來規范檢查流程，確保各環節都得到充分關注和管理的工具方法。該方法也被常用于影響因素的研究中。例如，聶曼影[31]在制定數字檔案館風險清單（初稿）后，采用檢查清單法法根據風險清單開展風險因素識別工作。同樣地，本研究基于上述影響因素分解結構和工作分解結構所構成的清單矩陣，使用檢查清單法開展指揮中心數字化運營管理影響因素的識別工作。本研究具體遵循以下原則進行識別：若指揮中心的數字化運營管理工作任務中存在與某一影響因素直接對應的情況，則標記為“1”；反之，若該影響因素在工作任務中并不存在，則標記為“0”并剔除。經過逐一對照檢查，本研究確定了指揮中心數字化運營管理影響因素的識別矩陣及初步清單，詳見表3。

1.2指揮中心數字化運營管理影響因素最終清單識別

鑒于初步清單的影響因素主要基于研究團隊成員的工作經驗進行識別，這可能存在潛在的主觀偏見，以致未必能完全反映指揮中心數字化運營管理的普遍現狀。因此，本研究進一步采用專家意見法進行驗證，旨在提升影響因素識別的科學客觀性。具體而言，以調查問卷的形式邀請指揮中心運營管理領域的專家及具有數字化運營管理經驗的專家，針對17個影響因素重要性進行量化評分，以確定指揮中心數字化運營管理的最終影響因素清單。本次調查共回收55份問卷，經剔除填寫時長異常、答案存在顯著規律的無效問卷，保留了52份有效問卷，涵蓋專業技術人員27人，運營管理人員22人，監管人員3人。

在此基礎上，遵循朱煜明等[32]的觀點，若某因素的平均分低于3.75，則視為可排除項。統計結果顯示，指揮中心基礎環境 E₁₁ （平均分3.654）的平均分低于臨界值而被排除。經過這一步驟的篩選，確定了指揮中心數字化運營管理的16個影響因素及最終清單，影響因素問卷的基本統計情況見表4。因部分因素被剔除，則重新對各因素進行編號，指揮中心數字化運營管理的最終影響因素清單見表5。

（續）

2 指揮中心數字化運營管理影響因素的ISM-MICMAC模型

解釋結構模型（ISM）是由美國Warfield教授于1973年提出的一種系統結構模型，它能夠通過構造層次模型來處理本研究中指揮中心數字化運營管理影響因素系統的復雜關系，并揭示各影響因素間的內在邏輯關系。交叉影響矩陣相乘法（MICMAC）是一種利用矩陣相乘原理的研究方法，它通過計算各影響因素的驅動力和依賴性值，進而分析系統中各因素間相互影響程度，并利用聚類分析準確識別影響指揮中心數字化運營管理的關鍵因素，為提出針對性的策略建議提供支持。

2.1 ISM模型構建

2. 1. 1 確定影響因素集合

首先，將最終清單中的16個影響因素 S_ν～S_ν 構建為影響因素集合 s ，即

2. 1.2 建立鄰接矩陣

為進一步探討篩選得到的16個影響因素的內在關系，本研究參考Thakkar等[33]和劉慧等[34的研究，邀請5名負責指揮中心數字化運營管理工作的專家對各因素的直接影響關系進行三輪討論，最終確定了指揮中心數字化運營管理影響因素的直接關聯關系。在此基礎上，進一步對影響因素間的直接影響關系進行梳理，并據此構建鄰接矩陣 ，詳見表6。其中， S_i 為 i 行 j 列的元素，并有以下關系，即

2.1. 3 計算可達矩陣

鄰接矩陣表示各影響因素是否存在聯系，可達矩陣則直觀反映各因素間的直接或間接關系，它是運用MATLAB軟件對鄰接矩陣進行計算得出的。本研究的可達矩陣 詳見表7。

2.1.4 層級分解

根據可達矩陣 M ，求出可達集 、先行集 、交集 R （ S"i） ∩Q×S"i）" = C （ S"i"）" ，若滿足 ，則記為第一層因素 L₁ 。

然后剔除識別出的 L₁ 并繼續檢驗該條件，若滿足則記為 L₂ ，如此類推。指揮中心數字化運營管理影響因素ISM層次結構模型如圖2所示，影響因素分級表見表8。

2.2 MICMAC模型構建

根據可達矩陣 M ，每一行求和得到各影響因素的驅動力值，每一列求和得到各影響因素的依賴性值（表7）。然后根據各影響因素的驅動力和依賴性確立MICMAC分析坐標體系，并構建指揮中心數字化運營管理影響因素的MICMAC模型，如圖3所示。

3 結果討論與對策建議

3.1 ISM模型結果討論

根據ISM層次結構模型（圖2）可知，指揮中心數字化運營管理的影響因素呈現出層級結構多、影響傳播路徑復雜及各影響因素間相互作用明顯等特點。這些因素被分為3組（表層因素組、中間層因素組和深層因素組），并構成了7個層級。其中，若某一低層級因素對高層級因素存在直接的因果關系，則兩者之間通過箭頭進行連接。表層因素組主要包括 L₁ 層的運營績效管理（ 、運營組織架構（ （S₉ ）和數據共享調度（ S₆ ）和 L₂ 層的數據效能監控（ ）、運營管理制度（ S₁₂ ）和數據決策輔助 （S₇） ，它們會對指揮中心的數字化運營管理造成直接影響。中間層因素組主要涵蓋 L₃ 層的政策環境（ S₁₄ ）、數字化感知預警（S₅） ， L₄ 層的政府監管（ S₁₅ ）、數據綜合治理0 ?S₄ ）和 L₅ 層的數字資源整合（ σ_S3 ），這些因素通過直接因素對指揮中心數字化運營管理產生間接影響。深層因素組則有 L₆ 層的數字化運營管理平臺 （S₂） 、數字化硬件設施（ S₁ ）和 L₇ 層的數字化人才（ S₁₀ ）、運營管理流程（ S₁₃ ）和運營資金（2 （S₁₆） ，它們位于系統的最深層次，對指揮中心數字化運營管理起決定性作用。具體的影響路徑分析如下：

（1） S₁₀/S₁₃/S₁₆?S₂?S₈?S₁₁ 和 S₁₆?S₁₅?S₈ S₁₁ 在這兩條路徑中，與其他數字化研究結果相似[35-36]，數字化人才、運營管理流程和運營資金是指揮中心數字化運營管理平臺的基礎，關乎平臺的效能、流程優化及功能質量等。同時，運營資金主要源于政府財政撥款，這也直接影響到政府監管的力度。在此基礎上，運營管理平臺作為內部數據監控核心，與政府外部監管相輔相成，共同監控數據效能，進而影響關鍵數據效能指標的跟蹤、評估與管理，最終作用于運營績效管理。最后，運營績效管理作為評價環節，直接影響指揮中心數字化運營管理的效能、形式、重點。

（2） S₁₀/S₁₃/S₁₆?S₂?S₃?S₄?S₅?S₇?S₆ 和 在這兩條路徑中，除資金、人才和流程直接影響運營管理平臺，資金還決定了數據機房、服務器等硬件設施的條件與質量[37]，兩者共同影響數據資源整合的成效。作為數字化管理的基礎，數據資源整合對數據綜合治理、數字化感知預警、數據決策輔助與數據共享調度具有直接或間接影響，最終作用于指揮中心數字化運營管理[1]

（3） S₁₆?S₁₅?S₁₄?S₁₂?S₉ 和 S₁₀S₉ 在這兩條路徑中，受運營資金影響的政府監管塑造了指揮中心運營管理的政策環境，如政策法規、標準規范等，進而影響其數字化管理制度、監督管理等運營管理制度。運營管理制度又決定了人員配置與崗位安排，即運營組織架構[38]，最終影響數字化運營管理的效能。此外，具有高水平數字化能力的數字化人才能夠利用數字技術促進組織架構優化，進而直接影響組織架構[35，39]。

3.2 MICMAC模型結果分析

根據MICMAC模型（圖3）可知，指揮中心數字化運營管理影響因素可被劃分為三類：自發因素、依賴因素及獨立因素。

（1）自發因素分析。自發因素包括：數據效能監控（ S₈ ）、運營管理制度（ S₁₂ ）、政策環境0 ）、政府監管（ S₁₅ ）、數據綜合治理 （S₄） 、數字資源整合（ σ_S3 ）、數字化運營管理平臺（ ）、數字化硬件設施（ S_ν ）、運營績效管理（ S₁₁ ）和運營組織 （S₉） 。此類影響因素因依賴性和驅動力較弱而展現出較強自主和自發能力，在ISM模型結構中主要占據中間層。其中， S₁ 、 S₂ 、 S₁₄ 和 S₁₅ 驅動力較高而依賴性較低，表明它們受其他因素的影響程度較小，但對上層因素有較大影響。此外，S₃ 、 S₄ 、 S₁₁ 的依賴性較高，起到承上啟下的作用，這些因素的異常可能預示著下層因素存在問題。

（2）依賴因素分析。依賴因素群包括：數字化感知預警 （ ）、數據共享調度 （S₆） 、數據決策輔助 （S₇） 。它們的依賴性較強而驅動力較弱，其中， S₆ 依賴性最高，原因是它位于影響路徑的末端，受前、中端因素如 S₇ ！ S₅ ！ S₄ 等的逐級累積影響。有效管理其前置影響因素是減輕這些因素對指揮中心數字化運營管理負面影響的必要途徑。

（3）獨立因素分析。獨立因素涵蓋數字化人才（ S₁₀ ）、運營管理流程（ S₁₃ ）和運營資金（2號 （S₁₆） ），它們在ISM模型中屬于深層次因素，驅動力強且依賴性低，對指揮中心數字化運營管理至關重要。其中，運營資金的驅動力最強，是最為關鍵的因素。如路徑分析結果所示，它直接影響數字化運營管理平臺、數字化硬件設施和政府監控，進而間接作用于表層因素組。

3.3 對策建議

為實現基層治理現代化，本研究針對數字化人才、運營管理流程及運營資金三大根本性影響因素，為指揮中心數字化運營管理提出針對性應對建議。

在數字化人才方面，指揮中心的數字化人才工作應做到引育并舉。一方面，對外引進專業人才并將人才分配在重要崗位鍛煉，使其發揮專業優勢并實現自我價值；另一方面，針對內部原有的干部人才，應開展數字化專業培訓并重塑其數據驅動思維及創新精神，使其能夠勝任數字化時代的基層治理工作。

在運營流程方面，指揮中心需全面梳理現有的運營業務流程，整合各類基層治理平臺，優化業務流程，提升基層治理效能。在此基礎上，構建由網格員、群眾“吹哨預警”，各類社會治理主體共同協作，實現發現、上報、處置、評估、問責“閉環鏈條”的基層共治數字化平臺。

在運營資金方面，指揮中心應積極爭取資金支持，統籌國家政策扶持資金和地方財政專項撥款，落實多級資金保障。此外，確保資金向基層治理工作傾斜，重點保障基層治理數字化轉型、基層工作者薪酬等方面的資金保障，實現資金有效下沉。

4結語

本研究通過借鑒技術-組織-環境（TOE）框架，運用文獻研究法、工作分解結構法、檢查清單法和專家意見法逐步識別并提煉出指揮中心數字化運營管理的16個影響因素。然后，基于解釋結構模型和交叉影響矩陣相乘法進行量化研究，最終影響因素被劃分為7個層級6條路徑，并確定了運營資金、數字化人才和運營管理流程三個最為關鍵的影響因素。

本研究在一定程度上豐富了現有指揮中心數字化運營管理的相關理論體系，揭示了影響因素間的內在邏輯關系及作用機理，并為實現指揮中心數字化運營管理優化提供了更具針對性的理論依據和對策建議。然而，本研究亦存在一定的局限性。由于影響因素識別與分析主要基于現有文獻及指揮中心運營管理現狀，隨著指揮中心及其運營模式的持續發展與創新，未來可能會涌現新的影響因素。因此，后續研究應緊跟指揮中心及其數字化運營管理的發展情況，不斷優化和完善研究框架，以擴大研究成果的適用范圍。

參考文獻

[1］劉海軍．技術嵌入型治理：框架、邏輯與進路——以丹東市大數據指揮中心賦能市域治理為例［J]．電子政務，2024（8）：68-80.

[2]COLE R， STEVENSON M，AITKEN J. Blockchain technology ：implications for operations and supply chain management [J].SupplyChainManagement：An International Journal，2O19，24（4）：469-483.

[3]MIOZZA M，BRUNETTAF，APPIO FP.Digital transformationof the pharmaceutical industry：a future research agenda for man-agement studies [J］.Technological Forecastingand SocialChange，2024（207）：123580.

[4］王磊，王小芳．復雜任務情境中技術如何促進部門協同-基于S市市域社會治理現代化指揮中心的案例研究［J].公共行政評論，2024，17（1）：158-177，199-200.

[5］方鑫，李香，魏姝．場景驅動的政府數字化轉型：數字技術何以回應復雜治理需求——以江蘇南通市為例［J]．電子政務，2024（6）：14-27.

[6］陳桂生，徐銘辰．數字技術與城市社區互嵌治理——以“兩津聯動”的天津實踐為例［J]．上海行政學院學報，2022，23 （2）：66-77.

[7]SEDERHOLM T，EKMAN S，PAAKKONEN H，et al. Inter-or-ganisational communication and situational awareness in an emer-gency operation centre during major incidents [J]. InternationalJournal of Emergency Management，2021，17（1）：47.

[8]GAOQ，WANGQ，WUC.Construction of enterprise digitalservice and operation platform based oninternet of things technol-ogy[J].Journal of Innovationamp; Knowledge，2023，8（4）：100433.

[9]NIU B，DONG J，DAI Z，et al.Sales data sharing to improveproduct development efficiency in cross-border e-commerce [J].Electronic Commerce Research and Applications，2022（51）：101112.

[10]AI-SURMI A，BASHIRI M，KOLIOUSISL.AI based decisionmaking： combining strategies to improve operational performance[J]．International Journal of Production Research，2O22，60（14）： 4464-4486.

[11］周峻嶺，夏海山，吳堯．地下空間智能化運營管理平臺研究［J]．建筑經濟，2021，42（2）：114-117.

［12］呂祥，路馳，楊水利．數字賦能制造業智能化水平的影響研究——技術創新能力的中介效應［J]．科學學與科學技術管理，2024，45（7）：149-166.

［13］焦豪，楊季楓，王培暖，等．數據驅動的企業動態能力作用機制研究—基于數據全生命周期管理的數字化轉型過程分析［J]．中國工業經濟，2021（11）：174-192.

[14］李志剛，王敬儒，劉杰，等．城市軌道交通運營安全管理智慧平臺建設研究［J]．都市快軌交通，2024，37（5）：130-135.

［15］布吉紅，強旭冉．大型水務公司數字化運管平臺實踐［J].給水排水，2023，59（S1）：904-907.

[16］郭鵬，陳川，任紅波．數據倉庫在軌道交通數據資源整合中的應用［J]．城市軌道交通研究，2010，13（10）：48-52.

［17］劉鵬．大數據背景下流通企業管理模式創新研究［J]．商業經濟研究，2024（23）：125-127.

[18］馬文璇，溫馨，徐劍．數據共享視域下應急物流體系信息化協調發展的生成邏輯與對策探析［J/OL]．情報科學，2025：1-17.[2025-03-27]. http：//kns.cnki.net/kcms/de-tail/22.1264.G2.20240830.1724.002.html.

［19］何沙，胡堯，王林元，等．基于大數據技術的應急決策指揮體系構建——以中國國際石油合作突發事件為例［J]．科技管理研究，2017，37（3）：163-168.

[20］劉榮杰，鄧軍，崔昭，等．能源企業信息化運營監控平臺建設研究與實踐［J]．中國煤炭，2024，50（7）：43-51.

［21］云樂鑫，徐海卿，范雅楠，等．企業如何通過數字化轉型實現顛覆性創新？—基于濰柴集團的案例研究［J]．技術經濟，2024，43（3）：77-93.

[22］王永貴，汪淋淋，李霞．從數字化搜尋到數字化生態的迭代轉型研究——基于施耐德電氣數字化轉型的案例分析[J].管理世界，2023，39（8）：91-114.

[23］李盡法，扶紹琦，張珂．數字化轉型驅動制造企業顛覆性創新的路徑［J]．科技管理研究，2024，44（19）：24-32.

[24］邱立新，李筱翔．大數據思維對構建能源-經濟-環境（3E）大數據平臺的啟示［J]．科技管理研究，2018，38（16）：205-211.

［25］胡元聰，龔家鋒．政府數據授權運營制度：理論躍升、問題檢視與躍遷進路［J]．電子政務，2024（4）：78-89.

［26］李軍．地鐵運營多層級應急指揮系統的研發與實現［J].都市快軌交通，2013，26（1）：29-32.

[27］門鈺璐，孟天廣．數字治理生態視角下公共數據授權運營結構與機制分析——對杭州市的案例研究［J］．電子政務，2025（3）：62-75.

［28］寧琪，譚家超．數字政府建設的地方實踐與完善策略［J].改革，2023（1）：144-155.

[29］李源，劉承良，毛煒圣，等．全球數據中心擴張的空間特征與區位選擇［J]．地理學報，2023，78（8）：1936-1954.

[30］黃文成，帥斌，張光亞．基于改進的WBS-RBS識別鐵路危險品運輸風險［J]．中國安全科學學報，2018，28（8）：93-99.

[31］聶曼影．數字檔案館項目風險因素的識別——數字檔案館項目建設風險管理研究之一［J]．檔案學研究，2017（S1） ：49-56.

［32］朱煜明，閆文琪，郭鵬．基于實證方法的航空產業升級效果評價指標體系構建研究［J］．運籌與管理，2018，27（2） ： 94-105.

[33]THAKKAR J，KANDA A，DESHMUKH S G. Interpretive struc-tural modeling（ISM）of IT-enablers for Indian manufacturingSMEs[J]. InformationManagement amp; Computer Security，2008，16（2）： 113-136.

[34］劉慧，王孟鈞，J.SKIBNIEWSKIM.基于解釋結構模型的建設工程創新關鍵成功因素分析［J]．科技管理研究，2016，36（3）：20-26.

[35］張群洪，莊偉卿，施志嶠，等．中小企業數字化轉型關鍵因素作用機制研究——基于對福建長樂紡織工業互聯網平臺企業的調研分析［J].價格理論與實踐，2024（12）：61-66.

[36］李新升，魏松，張志華．網絡安全數字化管理平臺建設研究[J]．水利水電技術（中英文），2023，54（S2）：332-336.

［37］李勇，薛曉琦，魏婕．增長目標約束如何影響數字基礎設施建設？［J]．財貿研究，2024，35（08）：1-15.

［38］汪波，蔣君卓．數字政府變革的理論形態變遷與實踐模式演進——基于“技術—制度—組織”框架的分析［J]．城市問題，2024（3）：21-33.

[39］吳磊，周玲，唐書清．適應性編排：數字技術何以提升社會組織效能？一—基于社會組織數字化轉型的多案例研究[J]．經濟社會體制比較，2024（6）：134-145.PMT

收稿日期：2025-01-21

作者簡介：

宋向南（1989—），女，博士，副教授，研究方向：大數據與城市可持續發展、工程項目管理。

梁振銘（1998一），男，研究方向：建設工程管理。

袁紅平（通信作者）（1983一），男，博士，教授，研究方向：可持續發展、工程項目管理。

黃振杰（1992—），男，研究方向：大數據與城市管理。