政府數據服務質量影響因素與提升路徑研究

摘 要：［目的/意義］當前關于政府數據服務質量的影響因素尚未形成一致性結論，運用元分析與模糊集QCA組合分析，嘗試得出關于政府數據服務質量影響因素的普適性結論，以期為政府數據服務高質量發展提供參考。［方法/過程］通過系統性文獻篩選歸納政府數據服務質量影響因素，運用元分析方法揭示不同因素對政府數據服務質量的影響。在此基礎上選取中國已上線的22個省級政府數據開放平臺作為研究案例，借助模糊集QCA方法探明政府數據服務質量提升的3種組態路徑。［結果/結論］研究結果表明，制度支持、個性化服務、準確性、基礎設施、便利性、感知價值、用戶信任是影響政府數據服務質量的關鍵要素。制度—信任驅動型、個性化—信任驅動型、制度—個性化驅動型是服務質量提升的組態路徑。

關鍵詞：政府；數據服務；服務質量；元分析；模糊集QCA

DOI：10.3969/j.issn.1008-0821.2025.09.015

〔中圖分類號〕D63；G252 〔文獻標識碼〕A 〔文章編號〕1008-0821（2025）09-0165-12

Study on Influencing Factors and Improvement Path of

Government Data Opening Service Quality

——Based on the Combined Meta-fsQCA Analysis

Huang Pingping* Shi Leyi Wu Yingqiang

（School of Information Management，Wuhan University，Wuhan 430072，China）

Abstract：［Purpose/Significance］At present，no consistent conclusion has been reached on the influencing factors of government data service quality.The meta-analysis and fuzzy set QCA combination analysis are tried to draw the influencing factors of government data service quality，in order to provide reference for the high-quality development of government data service.［Methods/Process］Influencing factors of government data service quality were summarized through systematic literature screening，and the influence of different factors on the service quality of government data is revealed by using meta-analysis method.On this basis，22 online provincial government data open platforms were selected as research cases，and the three configuration paths of government data service quality improvement were proved with the help of fuzzy set QCA method.［Results/Conclusion］The research results show that institutional support，personalized service，accuracy，infrastructure，convenience，perceived value and user trust are the key elements that affect the quality of government data service.System-trust driven，personalized-trust driven，system-personalized driven is the configuration path of service quality improvement.

Key words：govenment;data service;service quality;meta-analysis;fuzzy set QCA

聯合國發布以“數字政府的未來”為主題的《2022年聯合國電子政務調查報告》，旨在關注數字政府如何推動一體化服務，使數字服務趨于高效和包容［1］。《構建數據基礎制度更好發揮數據要素作用的意見》提出要“培育數據要素流通和交易服務生態”“提高數據要素供給數量和質量”［2］。政府數據作為國家基礎性戰略資源，政府數據服務質量已成為政府提升決策能力、增強公眾參與度的關鍵。近年來，盡管政府數據服務得到顯著提升，但仍存在政務服務標準不統一、線上線下不協同、數據共享不充分等挑戰［3］。特別是在追求高效政務服務背景下，如何進一步提升政府數據服務質量已成為研究重點。為此，國務院相繼頒布《關于進一步優化政務服務提升行政效能推動“高效辦成一件事”的指導意見》《關于依托全國一體化政務服務平臺建立政務服務效能提升常態化工作機制的意見》《關于加快推進“一件事一次辦”打造政務服務升級版的指導意見》等政策文件，旨在構建一個泛在可及、智慧便捷、公平普惠的高效政務服務體系［4］。這一目標不僅要求政府數據資源的高效管理，更需深入探究影響政府數據服務質量的各項因素。

中國眾多學者圍繞政府數據服務質量展開研究，將其視為實現國家治理現代化、提升治理能力的重要手段。但由于研究情境、研究對象和樣本規模的差異，對于政府數據服務質量的影響因素及行動路徑的認知尚未得出統一結論。探討哪些因素影響及其如何影響政府數據服務質量，國內外學者已取得了一系列研究成果，主要聚焦于單一或若干影響因素的識別與驗證，但缺乏影響因素的整合且對多因素組合模式的探索也并未涉及。基于此，本文系統梳理政府數據服務質量影響因素現有的定量研究，并嘗試抽取符合要求的共同影響因素，首先，運用元分析方法對政府數據服務質量影響因素的關系強度進行系統分析，得出關于政府數據服務質量影響因素的普適性結論。在此基礎上，結合模糊集QCA方法，選取全國已上線的22個省級政府數據開放平臺作為典型案例組態分析，提出政府數據服務質量提升的組合路徑，以期為政府數據服務高質量發展提供參考。

1 文獻回顧與研究框架

1.1 文獻回顧

從目前已有文獻看，中國關于政府數據服務質量研究大致可概括為兩個方面：一是政府數據服務質量評價研究，通常借助SERVQUAL和E-SERVQUAL等模型對政府數據開放服務進行質量評價，依據政府數據特殊性對模型進行適當調整，如增加網站設計［5］、數據資源質量［6］、用戶信任［7］等評價指標，以全面反映政府數據開放服務的特點。二是關注政府數據服務質量的影響因素，雖然已有學者開展了一定的綜述性研究，如王琳等［8］梳理政府數據服務質量的影響因素，包括感知數據質量、數據易用性、數據安全性、互動反饋、工具利用等。但常存在研究結論不一致甚至相悖的現象，如王羽西等［9］證實了保證性與移情性對政府數據服務質量存在直接影響，而張曉娟等［10］提出保證性、移情性與政府數據服務質量無顯著相關關系。

國外學者對政府數據服務質量研究相對較早，主要聚焦政府數據開放平臺的用戶體驗，通過對平臺用戶滿意度進行深入調研，探究平臺服務功能、數據質量、個性化服務等變量對用戶滿意度的影響。如Katira V［11］對政府門戶網站服務功能進行分析，鼓勵平臺數據再利用以增強用戶滿意度。Zeithaml V A等［12］認為，數據易用性能直接反映用戶感受，數據服務的便捷性與完整性可顯著提升平臺用戶滿意度。此外，還有部分學者對政府數據開放平臺服務質量展開評估，如Yi M［13］調研英、美、韓三國政府數據開放平臺的服務質量并進行比較，指出政府應對所有公開數據進行完整度調查，以提高政府開放數據質量。Escribano L A等［14］通過評估阿拉貢開放數據平臺服務能力，提出政府可借助創新體驗視角完善政府數據開放平臺服務質量。

總體來看，政府數據服務質量相關實證研究數量豐富且研究角度眾多，但由于其研究視角、理論基礎及研究方法的差異，尚未得出關于政府數據服務質量影響因素的普適性結論。當前研究主要聚焦影響因素識別及其作用機制，忽略了政府數據服務質量所體現的是多個并發條件與結果間的相互作用，且在不同因素組合下展現出動態因果邏輯。此外，現有研究大多通過政府數據開放平臺反映服務質量，對政府數據的服務質量關注較少，政府數據服務質量是由多個相互交織的因素共同塑造的結果，并非由某一因素單獨作用所致。在研究方法方面，現有研究多采用定性或定量單一研究方法，缺乏對定性與定量混合方法的使用。傳統定性、定量研究方法在政府數據服務質量的影響因素及其作用機理探討中發揮了積極作用，但當涉及海量研究時，仍難以將多項實證研究進行量化處理，尤其面對沖突性結論，選擇過程可能受到主觀性的影響，因此，有必要引入元分析方法對政府數據服務質量影響因素做系統處理，以期形成一致性的研究結論，在此基礎上結合模糊集QCA方法驗證影響政府數據服務質量各影響因素組態效應的存在及特征，為政府數據開放服務優化提供思路。

1.2 研究框架

元分析方法依據合并統計量“P值”思想，主要目的在于整合分析結果，解決研究中懸而未決的問題［15］。在相同研究主題下，由于內外部因素的差異，所得結論往往存在不一致性。而元分析恰好彌補了這一不足，其優勢在于：①能夠對多個相同主題的研究進行定量綜合評估，通過擴大樣本量和提升平均研究效應，提高結論的準確性；②高效處理大量研究文獻，分析多研究結果間的差異，為新研究方向提供線索；③具有多種分析方法，不受研究方法和數量的限制［16］。元分析的基本流程包括：文獻檢索與篩選、文獻編碼、信度分析、異質性檢驗、偏倚性檢驗、調節效應分析。

模糊集QCA方法基于組態視角將定性定量方法相結合，試圖解釋導致最終結果發生的關鍵條件與組合，以期深化理解事件結果產生的復雜因果關系［17］。本文采用模糊集QCA方法主要基于以下考慮：①與傳統回歸分析、結構方程模型方法相比，模糊集QCA方法更注重從實際案例出發，設置變量并系統分析不同條件組合，有助于深入理解政府數據服務質量的不同提升路徑；②政府數據服務質量提升路徑存在多個影響因素組合，而傳統量化方法僅關注變量間單一影響機制。模糊集QCA方法突破了這一局限，能夠提供更系統全面的視角解釋影響政府數據服務質量的多種因素。模糊集QCA方法的基本流程包括：典型案例選取、變量測量與數據校準、必要條件分析、組態路徑分析。

為更好地說明兩種研究方法在本文中的邏輯關系，研究框架如圖1所示。借助元分析方法對國內外政府數據服務質量相關研究成果進行定量統計，歸納了17個政府數據服務質量的影響因素，通過信度檢驗、出版偏倚檢驗、異質性檢驗、調節效應分析等系列操作，詳細闡述各影響因素與政府數據服務質量之間的相關關系，并得出影響其服務質量的關鍵影響因素。在此基礎上，選取中國已上線的22個省級政府數據開放平臺作為研究案例，運用模糊集QCA方法對典型案例相關資料賦值和校準，進行必要條件分析和組態分析，得出政府數據服務質量的提升路徑。兩種分析方法功能互補、高效銜接，能夠克服單一方法確定顯著影響因素的偏差，元分析方法彌補傳統實證研究基于影響因素量化的積累性效果，為政府數據服務質量的組態分析提供高度認同的影響因素；模糊集QCA方法借助案例回溯，從量化角度解決具有不確定性的復雜結果，使提出的政府數據服務質量提升路徑更具合理性和科學性。

2 數據準備

2.1 文獻檢索與篩選

對于中文文獻的收集，主要利用知網、維普和萬方等數據庫進行精確檢索，將“政府數據”或“政府數據開放”或“政務數據”或“政府信息公開”并含“服務質量”等關鍵詞進行組配檢索，為保證分析結果的可靠性與準確性，期刊來源只選定核心期刊和CSSCI，如：《圖書情報工作》《行政論壇》《現代情報》《情報理論與實踐》《情報科學》等。對于外文文獻的收集，主要選取Web of Science、Elsevier、Springer等英文權威數據庫，使用英文主題詞“Government Information Disclosure”“Government Data Open”“Government Data”“Open Data”并含“Quality of Service”“Service”“Service Quality”等進行組配檢索。此外，為保證收集文獻的查全率，利用谷歌學術和百度學術對已獲得文獻進行回溯檢索。截至2024年4月12日，共獲取中文文獻3 245篇，英文文獻2 537篇。

依照元分析方法要求納入文獻，為確保所選文獻質量和研究內容的一致性，篩選標準如下：①研究對象必須聚焦政府數據服務質量，文中至少得出一個影響因素；②所選研究文獻必須使用定量方法，文獻綜述、理論性研究、案例研究被排除在外；③所選取文獻中必須包含詳細的統計數據，明確相關系數、回歸系數、自由度和樣本量等。經文獻篩選，共得到中文文獻37篇，英文文獻22篇。

2.2 數據編碼

元分析的數據編碼主要是對文獻的樣本、方法、設計、來源特征進行編碼。依據Card N A等［18］編碼建議，編碼內容包括：①文獻基本信息（題名、作者、發表時間、期刊名稱）；②樣本特征（研究對象、樣本量、影響因素）；③效應值統計數據（皮爾森相關系數r以及能轉化成皮爾森相關系數的統計量，如t值、F值）。為確保編碼的可靠性，由兩名信息資源管理博士生編碼，針對編碼不一致的情況，由筆者和編碼者一起協商解決。由于存在某些影響因素命名不同，需參考已有研究關于影響因素的分類標準，將相似因素合并歸類，得到86個含義不同的自變量。

在本研究中，識別的自變量效應值出現頻次最大為22，Rosenthal R［19］認為，1個自變量只需2個效應值即可進行元分析，為滿足后續元分析的發表偏倚檢驗與調節效應檢驗樣本要求，揭示政府數據服務質量的關鍵影響因素，最終選擇出現頻次大于等于4的17個自變量，將其劃分為服務環境、服務過程、數據質量、服務體驗4個維度，如表1所示。

3 政府數據服務質量影響因素元分析

3.1 信度分析

信度是衡量測量結果穩定性和一致性的重要指標，通常使用Cronbachs α進行評估［20］。對歸納總結出的17個影響因素信度值進行α編碼，文中未給出α值的用復合信度CR值代替，各影響因素信度分析結果如表2所示，17個影響因素的平均信度均高于0.8，表明各因素具有較高的一致性和穩定性，適用于政府數據服務質量元分析。

3.2 異質性檢驗

納入元分析的研究樣本在研究背景、樣本規模等方面存在差異，因此需進行異質性檢驗，通常使用Q統計量與I2值進行衡量。其中，Q統計量反映了總離散程度，I2值解釋了效應總方差中異質性的比例［21］。當異質性檢驗Q值達到顯著性水平（p＜0.05）或I2值大于75%時［22］，說明研究樣本間異質性顯著，采用隨機效應模型計算效應量，反之應采用固定效應模型。本研究異質性檢驗結果如表3所示，所有變量異質性檢驗均達到顯著性水平，且I2最小值為87.769%，遠大于75%，各變量間存在高度異質性。

3.3 偏倚性檢驗

納入元分析的文獻過度依賴已發表的研究，易受檢索策略和外部因素的影響，導致發表偏倚。為減少元分析潛在的發表偏倚問題，需進行偏倚性檢驗。采用漏斗圖與失效安全系數Fail-safe N進行偏倚性檢驗。漏斗圖試驗結果如圖2所示，大部分研究的效應量都集中在漏斗的中上部，沒有研究點落在漏斗底部，且多數效應值聚集在綜合效應量周圍呈均勻分布，表明本研究不存在較大的發表偏倚。繼續使用失效安全系數Fail-safe N檢驗，失效安全系數越大，元分析結論越穩定，從表3可知，除系統運維、用戶支持外，其他影響因素的Fail-safe N均遠大于5K+10［23］，表明整體研究不存在明顯的發表偏倚。而系統運維、用戶支持兩個影響因素在校正后效應量估計值的變化幅度較小，說明受發表偏倚的影響較小，納入元分析對結果影響不大。

3.4 關系強度

關系強度是指各影響因素與政府數據服務質量之間相關系數的大?。?4］。依據Cohen L等［25］判斷標準，r值在［0，0.1）區間為無相關；r值在［0.1，0.3）區間為弱相關；r值在［0.30，0.5）區間為中度相關；r值在［0.5，1］區間為強相關。對比表2數據，經過異質性檢驗后，17個影響因素結果均顯著，制度支持、個性化服務、準確性、基礎設施、便利性、感知價值、用戶信任r值均大于0.5，與政府數據服務質量呈強相關關系，是政府數據服務質量提升的關鍵要素；系統質量、完整性、互動反饋、隱私安全、可訪問性、用戶關懷r值均在0.30～0.5之間，與政府數據服務質量呈中度相關關系；而用戶支持、系統運維r值小于0.3，與政府數據服務質量呈弱相關關系，說明在以往研究中，用戶支持、系統運維可能不是影響政府數據服務質量的主要因素。透明性、感知風險與政府數據服務質量呈中度負相關關系，這是因為政府部門在提供服務時可能存在不透明性，會降低用戶對政府數據服務的信任和滿意度，而過度的透明性可能導致用戶信息泄露，使用戶感知到的風險增加，引發用戶對隱私安全的擔憂。因此，政府部門需要在確保服務質量的同時，還要加強對用戶個人隱私信息的保護以消除用戶的疑慮和不滿。

3.5 調節效應檢驗

異質性檢驗發現，研究樣本間存在較高的異質性，會有顯著調節變量存在。從納入元分析的文獻中可知，目前政府數據服務領域主要將國內外文化背景［26］、服務類別［27］、受教育程度［28］、數字政務經歷［29］等作為調節因素。受文獻數據限制，有些調節因素無法進行實驗，本研究將選取國內外文化背景和服務類別作為調節變量進行檢驗。另外，由于樣本均采用同一種方法收集，可考慮共同方法變異帶來的影響［30］。因此，本研究針對上述影響因素進行調節效應檢驗，以期能夠科學合理解釋異質性較高的原因，具體結果如表4所示，表中僅列出了亞組分析調節變量作用顯著的結果。

3.5.1 國內外文化背景對政府數據服務質量的調節效應

不同國家的文化背景會導致用戶對政府數據服務質量的側重點不同。表4結果顯示，中國文化背景下的可訪問性、用戶支持對政府數據服務質量的影響要高于國外文化背景，這是因為中國社會文化環境強調集體主義，注重社會整體和諧與共同利益。政府數據服務可訪問性高、公眾支持，意味著政府數據開放服務的普遍性與包容性，與中國文化大同思想不謀而合。國外文化背景下的隱私安全對政府數據服務質量的影響要高于國內文化背景，這是因為國外學者在系統性隱私安全保障及網絡安全防御等領域起步較早，隱私保護法律制度更為健全，在數據發展的背景下獲得了極大的研究投入，進一步提升了政府數據服務隱私安全的保障能力。

3.5.2 服務類別對政府數據服務質量的調節效應

基于用戶視角將政府數據開放服務劃分為核心服務和支持性服務，核心服務是用戶最需要的數字服務，支持性服務本質上是促進傳統服務的使用或完成商品購買，能夠提升整體服務的感知質量和價值。表4結果顯示，不同的服務類型對于交互便利性、個性化服務與政府數據服務質量之間的調節作用也不一致。個性化服務方面，核心服務的效應值大于支持性服務，這是因為核心服務核心價值在于直接迅速地滿足用戶特定需求，在設計和提供服務過程中更注重與用戶進行互動，能夠精確地根據用戶需求來定制服務內容，提供真正符合用戶期望的解決方案。在交互性方面，支持性服務的效應值要大于核心服務，這是因為支持性服務其持續的用戶支持與互動特性，更注重提供便捷的溝通渠道和快速響應機制，使得用戶在遇到問題時能夠迅速獲得解答，提升了交互的便利性。

3.5.3 研究方法對政府數據服務質量的調節效應

本文將研究方法分為對比試驗和問卷調查兩種類型。表4結果顯示，不同研究方法的效應量均為正值且顯著，由于共同方法變異的影響，對于用戶感知價值因素來說，采用問卷調查比采用對比實驗更能顯著影響政府數據服務質量。

4 政府數據服務質量提升路徑識別

4.1 典型案例選取

基于前文分析，選取制度支持、基礎設施、個性化服務、準確性、便利性、感知價值、用戶信任7項政府數據服務質量關鍵影響要素作為探究政府數據服務質量提升路徑的前因變量，選取全國已上線的22個省級政府數據開放平臺作為研究案例，各關鍵影響因素為實現服務質量提升的共同目標，通過差異化組配形成不同組態路徑。案例選取理由如下：①各省級政府數據開放平臺能夠代表該省份整體數據開放水平，可真實反映中國當前各省域政府數據服務成效；②模糊集QCA方法要求10～60個小樣本研究案例，城市平臺數量過多且相互之間差距較大，而22個省級平臺符合該研究方法的樣本要求，能夠代表我國不同省域政府數據服務發展水平。

4.2 變量測量與校準

4.2.1 變量測量

1）結果變量。本文采用復旦大學數字與移動治理實驗室發布的《中國地方公共數據開放利用報告（2023）》（省域）中的“綜合指數”值作為評估政府數據服務質量的依據。該報告的省級開放數林綜合指數排名近年相對穩定，能在較大程度上體現不同省域政府數據服務質量。

2）前因變量。本文前因變量的賦值主要依據《中國地方公共數據開放利用報告（2023）》（省域）《2022省級數字政府發展指數報告》《中國政府網絡透明度指數評估報告（2022—2023）》。具體指標說明如表5所示。

4.2.2 變量校準

按照模糊集QCA方法要求，在進行模糊集定性比較分析前，需將選取的樣本數據進行校準，即將原始量表數據轉化為［0，1］的隸屬集合［31］，以提高結果的可解釋性。借鑒Ragin C C［32］構建的校準錨點設置完全隸屬值（0.95）、交叉點臨界值（0.50）和完全不隸屬值（0.05），利用Percentile函數計算各項變量的錨點并結合實際情況進行調整，如表5所示。

4.3 結果分析

4.3.1 必要性條件分析

必要性條件分析可提前判斷各前因變量是否屬于政府數據服務質量提升的必要充分條件，以便進一步分析前因變量的條件組合。借助模糊集QCA軟件中的一致性值進行驗證，當導致該結果變量發生的某一前因變量一致性值大于0.90時，可將該變量視作必要條件［33］。結果如表6所示，所有前因變量一致性均小于0.9，說明這7個前因變量在單獨情況下均不是促成政府數據服務質量提升的必要條件。

4.3.2 組態分析

在必要條件分析基礎上，借助模糊集QCA軟件進行條件組態分析，設定案例頻數閾值為1［31］，考慮數據在一致性上的自然斷裂，將一致性閾值設置為0.85，并將一致性值大于閾值的組合在結果變量列標記為1，反之則標記為0［34］。以低準備度至高準備度為導向共得到復雜解、簡單解和中間解3種表現結果，本文采用中間解分析組態影響因素，以既出現在簡單解又出現在中間解中的變量作為核心條件，以只出現在中間解中的變量作為輔助條件。借鑒Morgan S L［35］的組態標準化法呈現政府數據服務質量提升的前因變量條件，如表7所示。

由表7可知，政府數據服務質量的提升路徑共有4種，總體解的覆蓋度為65.7%，表明該組態結果能解釋超過半數的政府數據服務質量提升路徑。組態一致性值分別為0.935、0.913、0.895、0.853，且總體解的一致性值為0.915，均超過最小閾值0.85［35］，說明這4種條件組合是政府數據服務質量提升的充分性條件，可靠性良好。4種組態路徑解釋如下：

1）制度—信任驅動型，對應組態路徑1。組態路徑1表示在制度體系健全、數字基礎設施完善、數據準確度高及用戶信任情況下，即使用戶感知數據價值較低，政府數據服務質量仍能得到有效提升。這種組態路徑可以解釋28.3%的政府數據服務質量提升的運作案例。以浙江省為例，浙江省在政府數據服務質量提升過程中注重制度體系的完善，出臺《浙江省政務公開五年行動計劃（2021—2025年）》《關于推進政務服務增值化改革的實施意見》《浙江省人民政府辦公廳關于印發浙江省公共服務“十四五”規劃的通知》等一系列政策文件，有效增進公眾對政府的信任度，推動政府服務的供給質效，確保公民全生命周期內的公共服務需求得到滿足。

2）個性化—信任驅動型，對應組態路徑2。組態路徑2表示即使數據準確度有待提升，用戶感知價值不夠理想，但只要基礎設施穩固、個性化服務到位、數據使用便利、用戶信任度強，政府數據開放服務的質量就可以得到顯著提升。能夠解釋20.7%的政府數據服務質量提升的運作案例。以山東省“魯通碼”為例，使用身份證作為個人身份信任源點，根據用戶需求習慣對服務進行精細化、個性化定制，使得用戶通過魯通碼就可享受政務辦事、酒店入住、門禁通行等多項個性化服務，建立公眾對魯通碼的強烈信任感，以提升用戶使用體驗。

3）制度—個性化驅動型，對應組態路徑3和組態路徑4。組態路徑3表示在制度支持、個性化服務周到，數據準確度高，且用戶對數據的感知價值顯著，即便在便利性上稍顯不足，但政府數據服務質量仍然能夠實現穩步提升，這是因為眾多積極因素共同發揮作用有效彌補便利性方面的不足，確保用戶能夠得到高品質的政府數據服務。組態路徑3能夠解釋17.8%的政府數據服務質量提升的運作案例。組態路徑4表示在制度支持、基礎設施健全、個性化服務優質、數據準確及良好的用戶感知價值的基礎上，無論服務的便利性或用戶信任度如何，政府數據服務質量都有望得到提升。這些因素共同構成了服務質量的堅實基礎，即便在便利性或用戶信任方面存在挑戰，也能保證服務質量的穩步提升。能夠解釋19.5%的政府數據服務質量提升的運作案例。

5 結論與啟示

5.1 研究結論

本文結合元分析與模糊集QCA方法探討中國政府數據服務質量影響因素并提出服務質量提升路徑，對進一步實現政府數據服務高質量發展具有重要參考意義。研究結論如下：

1）對政府數據服務質量的59篇實證研究文獻進行元分析檢驗，識別了服務環境、服務過程、數據質量、服務體驗4個維度共17個影響因素，通過異質性檢驗發現，除透明性、感知風險因素外，其余因素皆對政府數據服務質量產生正向影響。其中，制度支持、個性化服務、準確性、基礎設施、便利性、感知價值、用戶信任與政府數據服務質量呈強相關關系，是影響政府數據服務質量的關鍵要素。調節效應分析顯示，國內外不同的文化背景、服務類別、研究方法對政府數據服務質量影響起到調節作用。

2）政府數據服務質量是由多重因素共同作用的結果。運用模糊集QCA方法對7個關鍵影響要素進行條件組態分析，發現制度支持、個性化服務、用戶信任是政府數據服務質量的核心影響要素。制度—信任驅動型、個性化—信任驅動型、制度—個性化驅動型是政府數據服務質量提升的條件組合，未來數據開放服務質量需從制度、個性化服務、用戶信任等方面入手繼續優化。

5.2 研究啟示

制度支持方面，目前已建立相對完善的政府數據服務政策體系，但在服務質量提升過程中還面臨一定的合規性風險，需建立相應的政府數據服務標準，明晰政府數據服務的內容與邊界，挖掘用戶潛在需求，提供供需精準匹配的政府數據服務體系。同時，應建立長效的服務質量績效評估機制，構建包含準確性、完整性、便利性、響應性等維度的政府數據服務評估指標體系，系統科學地評估服務效果。政府部門還應加強對政府數據服務各環節的監管，確保服務流程規范、服務質量達標，實現政府數據服務的公平普惠。

個性化服務方面，以用戶需求為導向，利用用戶畫像與智能技術，構建基于個性化推薦系統，以提高信息精準推送能力，迅速生成優質信息資源。同時，加強平臺引導功能，開發更為人性化的場景式引導，針對復雜數據集和高級功能提供詳盡的使用指南，提升用戶體驗。

用戶信任方面，信任度作為涵蓋用戶對政府、互聯網環境、平臺技術可靠性及個人隱私安全性感知的復合概念，是對政府數據服務質量的最直觀表達。政府數據開放應以公眾需求為導向，優化信息服務，確保平臺技術的安全性和可靠性，以降低用戶感知風險，增強用戶對平臺的信任和依賴，激發用戶持續使用和推薦政府數據開放平臺的意愿。

在基礎設施方面，深化線上平臺的建設。平臺運營方應利用數據挖掘和智能分析等技術手段，優化元數據高效檢索、標簽過濾導航及不同類型格式數據的批量下載功能。為確保政府數據開放平臺與用戶間的信息交流順暢，應積極推動用戶參與數據討論與評估，推動數據的開放共享和有效利用。

隱私安全方面，應運用安全多方計算、聯合分析、智能合約等前沿技術完善政府數據開放現有安全技術體系，確保個人隱私信息在數據開放源頭得到保護，結合現有的安全技術及時識別并防范未經授權的訪問、披露或可能導致用戶信息泄露的行為，通過制定合理有效的平臺規范與標準提升政府數據開放平臺的隱私管理水平。

數據質量方面，參考美國《美國開放政府行動計劃》，政府應詳細羅列數據來源，使用戶能夠追溯到原始發布網站并核實數據內容，從而確保數據的可信度。在數據完整性方面，努力拓展數據的地域覆蓋和內容范圍，以提供完整詳細的數據信息，滿足用戶的多樣化需求。在數據使用便利性方面，應為用戶提供直觀的平臺操作手冊，對數據的發布和使用提供全程指導。在可訪問性方面，確保用戶能夠隨時隨地無障礙地訪問政府數據開放服務，政府可采取優化網站設計、提升服務器響應速度、增強移動設備兼容性等措施以提升用戶滿意度。

參考文獻

［1］United Nations.E-Government Survey 2022［EB/OL］.［2024-08-15］.https：//publicadministration.un.org/egovkb/en-us/Reports/UN-E-Government-Survey-2022.

［2］中華人民共和國中央人民政府.中共中央 國務院關于構建數據基礎制度更好發揮數據要素作用的意見［EB/OL］.［2024-08-15］.https：//www.gov.cn/zhengce/2022-12/19/content_5732695.htm.

［3］中華人民共和國中央人民政府.國務院關于加快推進政務服務標準化規范化便利化的指導意見［EB/OL］.［2024-08-15］.https：//www.gov.cn/zhengce/zhengceku/2022-03/01/content_5676259.htm.

［4］中華人民共和國中央人民政府.國務院關于進一步優化政務服務提升行政效能推動“高效辦成一件事”的指導意見［EB/OL］.［2024-08-15］.https：//www.gov.cn/zhengce/content/202401/content.

［5］馬海群，唐守利.基于結構方程的政府開放數據網站服務質量評價研究［J］.現代情報，2016，36（9）：10-15，33.

［6］黃如花，王春迎，范冰玥，等.加拿大圖書館開放政府數據服務實踐調查分析及對我國的啟示［J］.圖書館學研究，2018（13）：97-101.

［7］楊菲，高潔.政府電子信息服務質量與公眾持續使用意愿關系實證研究［J］.圖書情報工作，2017，61（17）：99-107.

［8］王琳，楊瑩，邱均平.基于公眾感知的政府數據開放平臺信息服務質量評價體系研究［J］.情報科學，2022，40（11）：12-19.

［9］王羽西，于興尚，徐中陽.基于公眾感知的政府應急網站信息服務質量可拓性評價研究［J］.情報科學，2024，42（9）：155-164，177.

［10］張曉娟，劉亞茹，鄧福成.基于用戶滿意度的政務微信服務質量評價模型及其實證研究［J］.圖書與情報，2017（2）：41-47，83.

［11］Katira V.Understand and Extend the Compare Years Feature-From an Open Government Data Users Perspective［D］.University of Baltimore ProQuest Dissertations amp; Theses，2020.

［12］Zeithaml V A，Parasuraman A P，Malhotra A.A Conceptual Framework for Understanding E-Service Quality：Implications for Future Research and Managerial Practice［R］.MSI，Cambridge，MA，Working Paper Series，2005：100-109.

［13］Yi M.Exploring the Quality of Government Open Data：Comparison Study of the UK，the USA and Korea［J］.The Electronic Library，2019，37（1）：35-48.

［14］Escribano L A，Collado J M.Contar Historias Con Los Datos：Aragón Open Data Focus，Una Experiencia Innovadora De Reutilización De Los Datos Del Sector Público［J］.Scire：Representación y Organización Del Conocimiento，2021，27（1）：31-43.

［15］Glass G V.Primary，Secondary，and Meta-Analysis of Research［J］.Educational Researcher，1976，5（10）：3-8.

［16］任志洪，賴麗足.心理學元分析方法：理論、案例與操作［M］.北京：中國人民大學出版社，2023：4-8.

［17］Gullickson T，Pamela R.Meta-Analytic Procedures for Social Research［J］.PsycCRITIQUES，1993（38）：1000-1001.

［18］Card N A，Little T D.Proactive and Reactive Aggression in Childhood and Adolescence：A Meta-Analysis of Differential Relations with Psychosocial Adjustment［J］.International Journal of Behavioral Development，2006，30（5）：466-480.

［19］Rosenthal R.Meta-Analytic Procedures for Social Research［M］.Sage，1991：43-46.

［20］Liu H F，Ke W L，Wei K K，et al.The Role of Institutional Pressures and Organizational Culture in the Firms Intention to Adopt Internet-Enabled Supply Chain Management Systems［J］.Journal of Operations Management，2010，28（5）：372-384.

［21］Anzures-Cabrera J，Higgins J P T.Graphical Displays for Meta-Analysis：An Overview with Suggestions for Practice［J］.Research Synthesis Methods，2010，1（1）：66-80.

［22］Borenstein M，Hedges L V，Higgins J P T，et al.Introduction to Mate-Analysis［M］.John Wiley amp; Sons，2021：102.

［23］彭國超，程曉，劉彩華.基于元分析的網絡用戶個人信息披露意愿影響因素研究［J］.現代情報，2022，42（11）：111-120.

［24］朱玲玲，茆意宏.在線社區用戶承諾影響因素研究：一項元分析［J］.圖書情報工作，2023，67（3）：106-118.

［25］Cohen L，Manion L，Morrison K.Research Methods in Education［M］.Sage Publications，2011：32-41.

［26］李燕，朱春奎，李文娟.國外電子政務公眾使用行為研究述評［J］.公共行政評論，2016，9（6）：4-22，196.

［27］Roy M C，Chartier A，Crête J，et al.Factors Influencing E-Government Use in Non-Urban Areas［J］.Electronic Commerce Research，2015，15（3）：349-363.

［28］Rana N P，Dwivedi Y K，Williams M D.A Meta-Analysis of Existing Research on Citizen Adoption of E-Government［J］.Information Systems Frontiers，2015，17（3）：547-563.

［29］Wilson C，Mergel I.Overcoming Barriers to Digital Government：Mapping the Strategies of Digital Champions［J］.Government Information Quarterly，2022，39（2）：101681.

［30］蒲青云，黃體楊.信息素養自我效能感影響因素元分析［J］.圖書情報工作，2023，67（17）：77-87.

［31］Estrada M A R，Yap S F，Nagaraj S.Beyond the Ceteris Paribus Assumption：Modeling Demand and Supply Assuming Omnia Mobilis［J］.International Journal of Economics Research，2008（2）：185-194.

［32］Ragin C C.Set Relations in Social Research：Evaluating Their Consistency and Coverage［J］.Political Analysis，2006，14（3）：291-310.

［33］黃如花，吳應強，李白楊.中國省級政府數據開放平臺利用水平的組態效應研究——基于NCA與fsQCA的實證分析［J］.圖書情報工作，2024，68（10）：66-80.

［34］Mendel J M，Korjani M M.Charles Ragins Fuzzy Set Qualitative Comparative Analysis（fsQCA）Used for Linguistic Summarizations［J］.Information Sciences，2012，202：1-23.

［35］Morgan S L.Redesigning Social Inquiry：Fuzzy Sets and Beyond by Charles C.Ragin［J］.Social Forces，2010，88（4）：1934-1936.

（責任編輯：王 維）

（上接第164頁）

［28］Open Science Task Force.National Plan for Open Science［EB/OL］.［2024-01-12］.https：//www.iit.demokritos.gr/wp-content/uploads/2022/04/OSP-v1.0-pub_EN.pdf.

［29］張東鑫，張敏.圖情領域LDA主題模型應用研究進展述評［J］.圖書情報知識，2022，39（6）：143-157.

［30］Rothwell R，Zegveld W.An Assessment of Government Innovation Policies［J］.Review of Policy Research，1984，3（3-4）：436-444.

［31］Estrada R.Policy Modeling：Definition，Classification and Evaluation［J］.Journal of Policy Modeling，2011，33（4）：523-536.

［32］Estrada R，Yap S F，Nagaraj S.Beyond the Ceteris Paribus Assumption：Modeling Demand and Supply Assuming Omnia Mobilis［J］.International Journal of Economics Research，2008（2）：185-194.

［33］孫瑞英，陳宜泓.基于PMC指數模型的我國公共數據開放政策評價研究［J］.情報理論與實踐，2023，46（8）：33-42.

［34］杜荷花，周環.我國政府數據開放政策量化評價與優化——基于PMC指數模型的分析［J］.圖書館建設，2023（3）：70-81.

［35］王丹丹，董金金.基于PMC-AE指數模型的中美科學數據管理政策量化評價［J］.現代情報，2023，43（12）：111-121.

［36］宋大成，焦鳳枝，范升.我國科學數據開放共享政策量化評價——基于PMC指數模型的分析［J］.情報雜志，2021，40（8）：119-126.

［37］王蕊，謝倩，段堯清.融合特征詞與PMC指數模型的中美信息安全政策比較研究［J］.情報理論與實踐，2023，46（6）：195-202.

［38］張倩，馬海群，牛曉宏.基于PMC指數模型的我國數據安全政策評價研究［J］.現代情報，2024，44（8）：13-27.

［39］彭朝霞.開放科學的發展必須加強現有科研評價的變革——基于UNESCO《開放科學展望：全球現狀與趨勢》報告［EB/OL］.［2024-07-05］.https：//mp.weixin.qq.com/s/hO21QWH2 mzmkGnVMTbQ8 Ww.

［40］白光祖，曹曉陽.關于強化國家戰略科技力量體系化布局的思考［J］.中國科學院院刊，2021，36（5）：524-532.

［41］盛小平，張瑩.與時俱進：我國國家層面開放科學政策分析［J］.圖書館論壇，2024，44（8）：143-152.

［42］黃金霞，汪煊，楊恒，等.來自多方的聲音：構建中國開放科學創新生態——第十屆中國開放獲取推介周（China OA Week）會議綜述［J］.農業圖書情報學報，2022，34（1）：49-61.

［43］中國科學院，科學數據銀行，Digital Science，等.中國開放數據白皮書2023［EB/OL］.［2024-08-15］.https：//digital science.figshare.com/articles/report/_2023/24638301？file=43333278.

［44］中國科學技術協會，STM.中國開放獲取出版發展報告2022［EB/OL］.［2024-08-12］.https：//www.cast.org.cn/cms_files/filemanager/583933374/attach/20235/17c3bb51f66b45e5a204402d 6cd73026.pdf.

（責任編輯：王 維）