数字政府建设顶层设计的底层逻辑体系构筑与运行特征研究／褚尔康

　　（二）算力是算法治理效率的重要保障

　　数字政府的建设过程，通过算法成功地将难以处理的真实世界转换为可掌控的操作对象。从算法本身的特征来看，数字政府系统不仅可以被理解为一个规范语句和规范诠释的文本，同时也是一套调整现实社会关系的行动规则。因此，必须通过行政管理规范算法的自身结构与复杂功能，才能适应社会现实状况的高度复杂性；并且通过算法自身逻辑结构的设定，在对外部数据的处理和分析过程中，实现对数据结构的调整和重构，从而达到数据信息有效规制的目的。在数字政府系统设计过程中，算法设计本身需要建立评价指标体系，坚持目标导向与问题导向相结合、指标度量与数据内容相关联。这个过程对于数字政府系统而言，必然带来大量的计算任务。同时，为了反映社会的高度复杂性，也需要增强算法设计自身的复杂性，只有通过自身内部逻辑结构的体系化和模型化，才能正确描述外部世界的基本特征，通过规范化的结构来反映外部社会行为。可以看出，算法的规制作用发挥的程度越高，越要求管理对象与数据运算之间的因果关系更加具有规范性和体系化。由于信息获取、储存、传播及适用成本越来越高，行政组织需要决定应该如何充分利用资源来高效获取并分配这些信息知识，从而实现在更高的维度发现数据运行过程中隐含的逻辑特征和规律。这对于数据信息的存储分析能力即算力的增长进一步提出了更高要求。

　　（三）算力是突破数据挖掘深度的重要因素

　　政策信息学理论认为，大数据的影响贯穿公共管理和公共政策运行全过程。面对数据激增及数据分析能力不断提升的新环境，公共管理与公共政策学科的研究范式和方法论体系也在经历转型和扩展。一种现实社会关系的调整可能不止一种算法路径，执行算法的过程就是一个筛选最优路径的过程。在传统行政管理模式中，行政活动的规律性探索往往采取自上而下的方式，运用行政管理理论体系指导行政活动和行政政策的制定。但是，随着信息技术的发展和行政活动数字化水平的不断提升，大数据时代主要采用的是自下而上的数据挖掘方式，是从大量实际活动所产生的数据中通过数据挖掘技术找到数据之间的关系并建立模型。这种以数据为先导的方式颠覆了传统的自上而下的数据统计研究范式，往往不预先设定具体的研究目的或方法，也没有选择关联关系和假设前提，而是直接从大量实际活动所产生的数据中，通过算力支撑下的生成性算法进行数据挖掘，从而找到数据之间的关系并建立行政管理活动的算法模型，进而通过数据抽取形成新的认知模式和技术发展路径。因此，在大数据分析范式下，数字政府的建设与发展不仅仅是实现计算的某种具体函数，而且要发现其中的算法。构建行政管理活动模型及其运行机制的目的，是通过原型模型设计和具体的计算机软件实现对输入系统的信息的算法能力的提升。因此，实现行政管理活动目标的过程与算力提升是密不可分的。

　　四、以数字孪生互构性研究为目标，凸显数字场景的再入机制

　　通过上述论证可以看出，数据来源于场景，又在场景中得到应用。在数字政府建设的底层逻辑体系中，数据