基于PMC指数模型的机器人产业政策量化评价——以8项机器人产业政策情报为例

[目的/意义]机器人产业政策是保障机器人产业高质量发展的战略指南。对机器人产业政策进行量化评价可以为政策的制定、调整、完善提供重要的理论支撑和决策依据。[方法/过程]从情报需求识别、规划、搜集、加工、分析、演示的过程视角对机器人产业政策文本进行量化评价。通过PMC指数模型,结合文本挖掘,计算出8项机器人产业政策的PMC指数,提出政策改进路径,并绘制PMC曲面图。[结果/结论]机器人产业政策总体设计较为合理,其中4项政策等级为优秀,4项为可接受。但同时,政策仍存在一些亟待改善的问题:一是政策缺少监管性和诊断性;二是具有长期时效的政策空缺;三是政策工具运用失衡。并针对上述问题,提出对策建议。

对于我国房地产政策中单一项政策的量化评价研究——基于PMC指数模型

为更加客观地、合理地对我国房地产政策进行评价,加强政府宏观调控的有效性,文章对我国房地产政策中单一项政策进行评价研究,直接对单项政策进行量化分析并能够直观地呈现单项政策中每一个变量的具体情况。文章基于2003—2016年我国政府颁布的283项房地产政策文本,通过ROSTCM以及UCINET工具进行文本挖掘,根据所挖掘出高频词和关键词网络确定评价体系并建立PMC指数模型,以2016年6项房地产政策为例进行实证分析,得到单一项政策PMC曲面。研究可知,政策2和政策5为优秀水平,其余4项政策均为可接受级别,尚存较大的提升空间。基于PMC指数模型对我国房地产政策中单一项政策进行评价,为我国房地产政策评价研究提供了一种新的思维模式和新的方法,为我国政府制定、修正具有可行性、科学性的房地产政策存在一定的借鉴意义。

基于Topsis-PMC指数模型的开发区创新发展政策评价

良好的开发区政策对开发区未来发展方向,解决开发区发展的瓶颈问题有着重要的指导意义。选取39项开发区政策文本,通过文本挖掘技术进行变量分类,确定"完美政策"的标准,结合Topsis-PMC指数模型对9项政策进行评价,并绘制PMC曲面进行可视化分析。研究结果发现,国家级政策和发展较好的开发区政策得分普遍较高,表明政策的完善程度对开发区发展具有指导作用,多数地方政策在产权保护和人才引进方面还需加以改进。

基于PMC指数模型的文化产业政策量化评价与优化

文化产业政策既是推动文化产业发展的举措,也是为满足人民日益增长的美好生活需要、完善公共文化服务的保障。定性和定量是评价文化产业政策实施效果的两种方式。为了避免定性分析带来的主观性、不确定性等弊端,文化产业政策研究越来越重视量化评价。PMC指数模型是一种定量的政策评价方法,其具体过程为:首先建立10个一级变量,根据文化产业政策文本高频词确定二级变量,然后运用ROSTCM6文本挖掘对每项政策二级变量进行赋值,通过一级变量代入公式完成一级变量的计算,再通过一级变量结果代入式计算各项文化产业政策的PMC指数得分,最后根据得分确定政策等级。在此基础上,我们运用PMC曲面的方式进行对比,以直观地显示出多维坐标空间中待评价政策的优势和劣势,从而提出文化产业政策优化路径。

贵州省级大数据政策量化评价研究

大数据政策是保障大数据高质量发展的重要指南,对大数据政策进行量化评价可以为新一轮政策精准制定提供决策支撑。基于贵州省发布的26项大数据政策文本,通过ROSTCM6提取关键词频,综合已有评价指标设定大数据政策量化评价体系,优化已有PMC指数模型建立流程,构建大数据政策PMC指数模型,量化评价其单项政策的优劣情况,根据PMC指数值绘制PMC曲面图,并针对性提出可参考的改进路径。研究结果表明:待评价大数据政策总体等级为优秀,其中P1政策为完美等级,但P5政策干预手段组合失衡,P7政策激励机制不完善,P8政策中长期规划不合理。大数据政策应注重中长期规划,加强需求侧政策工具使用,完善政策激励机制,拓宽大数据应用场景。