科研管理 ›› 2025, Vol. 46 ›› Issue (1): 1-11.DOI: 10.19571/j.cnki.1000-2995.2025.01.001
• 论文 • 下一篇
曹萍,陈由彬
Cao Ping, Chen Youbin
摘要: 数据要素已成为促进数字经济发展的重要的生产要素,研究数据要素利用水平对于促进数字经济的发展具有重要意义。本文基于技术、组织、环境(TOE)理论框架,结合模糊集定性比较分析方法(fsQCA)与人工神经网络(ANN)方法,并引入可解释机器学习模型SHAP,对数据要素利用水平的影响因素进行研究。基于我国30个省(自治区、直辖市)的数据,实证分析数据要素利用水平的影响因素。研究发现,技术、组织和环境因素三者之间协同联动形成了3种能够产生高数据要素利用水平的组态路径:创新-组织-开放综合型、技术-组织-环境综合型、基建-机构-环境综合型。其中科技创新水平与数据资源开放程度对于高数据要素利用水平影响最为显著,并且如果单一的追求数据资源的开放度,反而会对数据要素的利用产生负面影响。研究结论在理论层面明晰了数据要素利用水平的影响因素及组态路径,丰富了数据要素的相关研究,提出的混合fsQCA-ANN方法为解决类似的复杂组态问题研究提供了新的思路。在实践层面为我国优化数据要素利用政策、提升数据要素利用水平提供理论依据和管理启示。