城市數(shù)字治理的空間關聯(lián)關系及其驅(qū)動因素研究

關鍵詞：數(shù)字治理；詞頻統(tǒng)計；社會網(wǎng)絡分析；QAP回歸分析

一、引言

數(shù)字治理是指利用數(shù)字技術(shù)與工具，對社會、企業(yè)、政府等進行管理和決策的一種管理模式。伴隨著數(shù)字時代的來臨，基于數(shù)據(jù)、面向數(shù)據(jù)和經(jīng)由數(shù)據(jù)的數(shù)字治理正在成為全球數(shù)字化轉(zhuǎn)型的最強勁引擎。數(shù)字治理是數(shù)字時代全新的治理模式。從國家宏觀政策方面來看，黨的十八大以來，習總書記多次對數(shù)字基礎設施建設提出明確要求。2015年12月16日，在第二界世界互聯(lián)網(wǎng)大會開幕式上，習近平主席正式提出“數(shù)字中國”建設。黨的十九屆五中全會進一步提出我國要加快“數(shù)字化發(fā)展”，統(tǒng)籌數(shù)字經(jīng)濟、數(shù)字政府和數(shù)字社會協(xié)同發(fā)展。數(shù)字治理強調(diào)以數(shù)據(jù)平臺的協(xié)同和開放為基礎，以數(shù)據(jù)要素的協(xié)同與合作為導向，以數(shù)據(jù)資源的決策與服務為目標，對于打破數(shù)據(jù)孤島、革新組織架構(gòu)、深化“放管服”改革、推動智慧城市建設等都具有重要意義。

與此同時，國家十四五規(guī)劃中提出要加快數(shù)字化發(fā)展、建設數(shù)字中國的發(fā)展要求。黨的二十大作出需加快建設網(wǎng)絡強國、數(shù)字中國的重大部署。根據(jù)業(yè)界諸多分析與統(tǒng)計報告得出，數(shù)字治理是數(shù)據(jù)化轉(zhuǎn)型的核心要素，實現(xiàn)數(shù)據(jù)化轉(zhuǎn)型的前提是實現(xiàn)數(shù)字治理。數(shù)字治理包括“數(shù)字”和“治理”兩個方面，數(shù)字更強調(diào)的是它的技術(shù)屬性，而治理更能彰顯它的價值屬性。數(shù)字治理至少包含3個方面的內(nèi)涵：一是“對數(shù)據(jù)的治理”，即治理對象擴大到涵蓋數(shù)據(jù)要素。二是“運用數(shù)字技術(shù)進行治理”，即運用數(shù)字與智能技術(shù)優(yōu)化治理技術(shù)體系，進而提升治理能力。三是“對數(shù)字融合空間進行治理”。這意味著需要適應數(shù)字融合世界的治理體系，對線上的新生事物進行有效治理。

二、文獻綜述

數(shù)字治理意味著治理理念的數(shù)字化、治理主體的多元化、治理內(nèi)容的清晰化、治理媒介的平臺化與治理成果的共享化（沈費偉等，2020;胡衛(wèi)衛(wèi)等，2022）。數(shù)字治理旨在綜合管理數(shù)據(jù)資源信息，既包括對數(shù)據(jù)的收集和整理，也包括對數(shù)據(jù)進行分析、處理和存儲等方面的管理，在數(shù)字經(jīng)濟時代，數(shù)字治理已經(jīng)成為了經(jīng)濟發(fā)展中非常重要一環(huán)。

通常，對數(shù)字治理有兩種觀點：其一是“用數(shù)字進行治理”，也就是把數(shù)字技術(shù)當作一種工具：其二是“對數(shù)字進行治理”，即對數(shù)字化信息、數(shù)據(jù)和數(shù)字技術(shù)進行管理和控制，（何水等2021）。數(shù)字治理是數(shù)字經(jīng)濟的一大組成部分，包括但不限于多元治理，以“數(shù)字技術(shù)+治理”為典型特征。

學者馬懷德（2023）認為數(shù)字治理水平的高低往往能代表其信息化發(fā)展的程度。近年來，我國數(shù)字治理的腳步逐步向前邁進，數(shù)字化軟硬件的系統(tǒng)建設也日趨完善，數(shù)字治理系統(tǒng)的應用范圍普及面也越來越廣，從交通擁堵治理逐步拓展到包括城市安全、應急消防、公共衛(wèi)生、基礎設施管理等多個領域。段永彪等學者（2021）認為數(shù)字治理能夠促進社會發(fā)展的同時還能為城市的高質(zhì)量發(fā)展注入新動力。不僅如此，城市高質(zhì)量發(fā)展反過來又對數(shù)字治理提出更高的要求，倒逼政府等相關主體推進城市數(shù)字治理的進度。

三、“數(shù)字治理”相關核心詞統(tǒng)計分析

本文通過使用Python軟件收集各地級市的政府工作報告，并進行詞頻統(tǒng)計，采用我國31個?。ㄊ校┑牡胤秸ぷ鲌蟾?，從報告選取的時間上來看，本文選取的政府工作報告是從習總書記在黨的十八大提出加快建設數(shù)字中國的部署開始截止至2022年底。另一方面，地方政府工作報告中與“數(shù)字治理”相關的核心詞能夠度量地方政府對數(shù)字治理的關注度，比如：大數(shù)據(jù)、互聯(lián)網(wǎng)、數(shù)字經(jīng)濟、物聯(lián)網(wǎng)和區(qū)塊鏈等等。詞頻的高低往往能代表我國當下經(jīng)濟社會未來一年所注重發(fā)展的產(chǎn)業(yè)以及產(chǎn)業(yè)集群，對政府工作報告中與“數(shù)字治理”相關的詞匯進行統(tǒng)計分析，能夠獲取當下進行數(shù)字治理關注度較高的行業(yè)和領域，數(shù)字治理關注度的高低能反映社會運行的數(shù)字化發(fā)展進程。故以數(shù)字治理為核心選取與之密切相關的關鍵詞，本文統(tǒng)計了報告中與“數(shù)字治理”相關的關鍵詞以及詞頻（表1）。

根據(jù)表1顯示，在政府工作報告中與數(shù)字治理相關的詞頻中，共計10個高于400的關鍵詞，其中大數(shù)據(jù)、互聯(lián)網(wǎng)和數(shù)字化詞頻均高于1000，“大數(shù)據(jù)”詞頻為1440，“互聯(lián)網(wǎng)”詞頻為1338，“數(shù)字化”詞頻為1006。由此可見，目前我國數(shù)字治理更加注重以互聯(lián)網(wǎng)為基礎的大數(shù)據(jù)和數(shù)字化的應用，大數(shù)據(jù)和數(shù)字化的應用范圍也非常廣，可應用于各行各業(yè)進行分析處理數(shù)據(jù)，在一定程度上能反映出近幾年我國經(jīng)濟社會中大數(shù)據(jù)、互聯(lián)網(wǎng)、數(shù)字化的高速發(fā)展趨勢。對于數(shù)字經(jīng)濟、數(shù)據(jù)化、5G和電子商務等詞頻，其在城市治理中正處于中高速發(fā)展階段，對政府工作報告進行詞頻統(tǒng)計能夠側(cè)面反映政府在發(fā)展數(shù)字治理過程中需要重點依托和發(fā)展的行業(yè)。

四、模型構(gòu)建與數(shù)據(jù)來源

（一）引力模型與變量說明

探究空間相互作用最普遍的模型有兩種，一種是基于“場所空間”屬性的引力模型，另一種是基于“流動空間”屬性的流數(shù)據(jù)模型。引力模型最初起源于牛頓提出的萬有引力定律。起初，荷蘭的經(jīng)濟學家將這一定律應用在研究較近的兩國的貿(mào)易流量問題上，并構(gòu)建了貿(mào)易引力模型。

基于赫爾普曼（Helpman）、迪爾道夫（Dear-dorff）、安德森等人對引力模型的研究，采用31個?。ㄊ校┑臄?shù)字治理情況并引入新變量，構(gòu)建了拓展型的引力模型。如下：

（二）數(shù)據(jù)的來源和處理

2021年，我國各省市共出臺216個數(shù)字經(jīng)濟相關政策，其中89個為數(shù)字治理政策。當前，我國數(shù)字治理正處在用數(shù)字技術(shù)治理到對數(shù)字技術(shù)治理，再到構(gòu)建數(shù)字經(jīng)濟治理體系的深度變革中，成果主要體現(xiàn)在數(shù)字政府建設加速，新型智慧城市建設穩(wěn)步推進等方面。采用詞頻統(tǒng)計的方式來了解各省數(shù)字治理能力以及關注度，在引力模型中體現(xiàn)為用DJ來表示各省數(shù)字治理的情況。

由于數(shù)字治理程度以及其治理情況往往離不開各省的經(jīng)濟發(fā)展狀況，在對各省進行詞頻統(tǒng)計時可以看出各省間對數(shù)字治理的關注度差異較大，有學者（張?zhí)祉數(shù)龋?023）對城市數(shù)字治理能力的強弱與當?shù)亟?jīng)濟發(fā)展進行了研究分析，分析結(jié)果顯示由于數(shù)字經(jīng)濟發(fā)展的不平衡性影響，導致各省市間數(shù)字治理及數(shù)字技術(shù)應用層面的“馬太效應”逐漸顯現(xiàn)。故在引力模型中加入了對各省經(jīng)濟指標的分析是非常有必要的。我們通過構(gòu)建引力模型來研究各省數(shù)字治理與其空間關聯(lián)度的情況，空間距離在這里表示的是這31個省市的省會之間的球面距離以及各省之間的空間距離，人口數(shù)量即各省市的人口數(shù)量指標。

最后，通過本文所使用的引力模型即可得出一個3lx31的矩陣，指任意兩個省市之間的數(shù)字治理的相互關系。本文采用社會網(wǎng)絡分析中的二分類（binary）網(wǎng)絡數(shù)據(jù)方法，把相互關系轉(zhuǎn)化為0-1數(shù)據(jù)，將矩陣中每一行的平均值作為閾值，大于這一閾值的數(shù)取1表示有關系，小于這一閾值的數(shù)取0表示無關系，因此可以構(gòu)成一個31x31的0-1的矩陣。

五、數(shù)字治理空間關聯(lián)性實證分析

基于拓展引力模型，我們用31個省份的政府工作報告中與數(shù)字治理有關的關鍵詞詞頻以及各省市的經(jīng)濟生產(chǎn)總值和人口數(shù)量計算得出了我國31個省市的數(shù)字治理關聯(lián)性矩陣，并運用Ucinet 6社會網(wǎng)絡分析軟件進行分析，然后再結(jié)合NetDraw軟件做出數(shù)字治理的空間網(wǎng)絡關系圖，如圖1所示：

（一）整體網(wǎng)絡特征分析

通過Network-Cohesion-Density的路徑進行分析得出該空間網(wǎng)絡的網(wǎng)絡密度為0.253，關聯(lián)系數(shù)為235，通過可達矩陣計算其網(wǎng)絡關聯(lián)度為0.85，表現(xiàn)為整體網(wǎng)絡關聯(lián)性顯著，在空間關聯(lián)網(wǎng)絡中無孤立的點，即圖中任何兩個省市之間基本具有互通性。在網(wǎng)絡關系圖之外，由此可見我國數(shù)字治理空間網(wǎng)絡有較強的關聯(lián)性。

（二）網(wǎng)絡中心度分析

點度中心度表示與一個節(jié)點直接相連的其他節(jié)點的個數(shù)，由點度中心度的特征可知，某節(jié)點的點度中心度越高，則該節(jié)點與其他節(jié)點的關聯(lián)性越強，對其他節(jié)點的控制力量就越強，在整體空間關聯(lián)網(wǎng)絡產(chǎn)生的影響也就越大。

通過對我國各省之間的數(shù)字治理空間網(wǎng)絡的網(wǎng)絡中心度分析，從表2可以看出，我國的31個省市中數(shù)字治理空間網(wǎng)絡的中心度中點人度和點出度的均值為7.581。在對31個省市中，遼寧、福建、江西、山東、河南、湖南、廣東、廣西重慶、四川、貴州、云南、陜西、甘肅、寧夏和新疆的點出度大于均值，說明這16個省市向外的影響比較大，因此這16個省市在數(shù)字治理方面具有溢出性，在點入度方面來看，河北、江蘇、浙江、安徽、山東、河南、湖北、湖南、廣東、四川和陜西這11個省的點入度大于均值。因此表明這11個省的數(shù)字治理接收性較強，而山東、河南、湖南、廣東、四川和陜西這6個省的點人度和點出度均大于均值，表明這6個省處于數(shù)字治理網(wǎng)絡空間的中心位置，對其他省市既有溢出性又有接收性。在各省的生產(chǎn)總值、地理位置以及人口數(shù)量上看，這6個省份也與其他省份有較多的人口數(shù)量以及經(jīng)濟體量，在地理位置上這6個省具有較強的連通性。與此同日寸，整體網(wǎng)絡的標準化點出度中心勢為22%，而標準化點出度中心勢為53%，這表明數(shù)字治理的空間網(wǎng)絡有很大的不對稱性。因此其不適用特征向量中心度分析。

接近中心度，又稱整體中心度，表示網(wǎng)絡空間中一個節(jié)點與其他節(jié)點的最短路徑之和，其可分為人接近中心度和出接近中心度。如表2所示，在入接近中心度方面，可知西藏和新疆的人接中心度最大，而河南的人接近中心度最小，這表明河南受到其他省市的間接影響小，而西藏和新疆受到其他省市的間接影響大。在出接中心度方面，上海的出接中心度最大，而遼寧的出接中心度最小。這表明上海對其他省市的影響較大，而遼寧對其他省市的影響較小。

中間中心度表示在網(wǎng)絡中一個節(jié)點在多大程度上控制其他點對關系的能力。其中，該31省市數(shù)字治理網(wǎng)絡空間的中間中心勢指數(shù)為15.75%，這說明，整個網(wǎng)絡的中心度一般。雖然整體網(wǎng)絡的中間中心勢一般，但如表2所示，其中陜西、河南和廣東的中間中心度較大，表明這幾個省在整體網(wǎng)絡中對其他省的控制能力較強，起著比較關鍵的連接和紐帶的作用，其他省的數(shù)字治理程度在一定程度上會受到這幾個省的影響。

（三）塊模型分析

塊模型，是一種研究網(wǎng)絡位置模型的方法。就是把一個網(wǎng)絡中各個行動者按照一定的標準劃分成幾個離散的子集。對該整體網(wǎng)絡進行了塊模型分析，經(jīng)調(diào)試當選取最大分割深度為3時，其擬合度在較好的水平上，因此將整體網(wǎng)絡劃分為8個板塊，其分別對應我國31個省市。本文將從各板塊的構(gòu)成、各板塊內(nèi)部的關系以及板塊之間的關系等方面來解釋數(shù)字治理的空間關聯(lián)關系。我國各省市之間的數(shù)字治理空間網(wǎng)絡塊模型分析如下圖所示：

1．板塊的空間分布分析

板塊1和板塊3分別由是由北京、天津、河北和山東四省以及山西、內(nèi)蒙古和河南組成，主要位于我國的華北地區(qū)。板塊2是由遼寧、吉林和黑龍江這三個省組成，主要位于我國的東北地區(qū)。板塊4和板塊8中涵蓋的城市主要位于我國西北地區(qū)，如：陜西、甘肅、青海、寧夏和新疆。板塊5和板塊6中包括的城市主要在華東地區(qū)，如上海、江蘇、安徽、福建和江西等，板塊7則主要分布在中南和西南地區(qū)，由廣東、廣西、重慶、四川和云南等組成。綜合來看，經(jīng)濟發(fā)達地區(qū)省份主要分布在第一、五板塊，而經(jīng)濟相對落后地區(qū)的省份則更多分布在第四和第八板塊。

如表3所示，在所研究的31個省市中，共有222個關聯(lián)關系。其中，板塊內(nèi)部的關系數(shù)為84，各板塊之間的關系數(shù)為138，占整體網(wǎng)絡傳導關系總量的62.16%，因此該31個省市的數(shù)字治理溢出效應較為明顯。

2．板塊價格關聯(lián)的溢出一接收關系分析

本文根據(jù)各板塊內(nèi)外部之間關系的多少將8個板塊歸類為四種類，第一類為凈受益類，該類表現(xiàn)為接收關系數(shù)明顯多于溢出關系數(shù)，且接收外部關系數(shù)較多，包括板塊一和板塊五。第二類為凈溢出類，該類接收關系數(shù)明顯少于溢出關系數(shù)，且類內(nèi)部關系數(shù)較少，包括板塊二、板塊四和板塊八。第三類I類經(jīng)紀人，該類從其他聚類接收關系和向其他聚類成員發(fā)出關系均較多，但總體上接收數(shù)大于發(fā)出數(shù)，主要包塊板塊三和版塊六。最后是Ⅱ類經(jīng)紀人，同樣接收和發(fā)出較多來自板塊外的溢出關系，但總體上發(fā)出數(shù)大于接收數(shù)，主要包括板塊七。

從圖二中這四大類的溢出關系可以看出，凈受益類主要由經(jīng)濟發(fā)達的城市組成，吸收我國中西部和南部的數(shù)字資源，而經(jīng)濟人類主在其中起中介、橋梁以及在內(nèi)外部起雙向引導的作用。

基于塊分析將這31個省市劃分為8個板塊，進一步得出這八個板塊的密度矩陣。再根據(jù)整體網(wǎng)絡的密度即0.253為標準，將密度矩陣化為像矩陣，從而揭示各板塊之間以及板塊內(nèi)部的關系。像矩陣對角線上的元素幾乎均為1，說明各板塊內(nèi)部數(shù)字治理具有較為明顯的溢出關系。像矩陣如表5所示：

根據(jù)像矩陣可知，可以看出，每個子群內(nèi)部幾乎都有密切的互動關系，特別是板塊4內(nèi)部之間的聯(lián)系更為密切，而板塊5、板塊7和板塊8內(nèi)部互動較弱。同時，板塊4對板塊1和板塊3的影響較明顯。板塊4是由陜西、甘肅、青海和寧夏組成，且位于我國的西北地區(qū)。而板塊1是一個容易受影響的地域，主要包括北京、天津、河北和山東四個省市，其主要受到來自板塊2和板塊3和板塊4的影響。

那么是什么因素導致各省市間數(shù)字治理的溢出效應不同呢？本文將通過QAP相關分析和QAP回歸分析方法進行研究。

六、基于QAP的空間網(wǎng)絡結(jié)構(gòu)驅(qū)動因素

（一）QAP相關分析

為進一步研究我國31個省市數(shù)字治理水平及其關系，引入了QAP相關分析進行研究，QAP相關性分析是為了檢驗兩個矩陣間是否具有相關關系以及關系的強弱，本文利用Ucinet軟件，通過5000次隨機矩陣置換檢驗了我國各省市間數(shù)字治理強弱關系矩陣及其影響因素之間的關系。同時我們也引入了四個變量作為影響各省市數(shù)字治理強弱的主要因素，對其進行相關性分析。

為了方便表述，我們將其描述為Y=F（X1、X2、X3、X4），其中Y表示我國31個省市數(shù)字治理關系矩陣。X1表示各地區(qū)地理距離差異，X2表示各地區(qū)互聯(lián)網(wǎng)用戶數(shù)差異，X3表示地區(qū)數(shù)字普惠金融差異，X4表示地區(qū)SG基站數(shù)差異，根據(jù)QAP相關分析結(jié)果發(fā)現(xiàn)：X1、X2、X3、X4的相關系數(shù)分別：-0.4963、0.3958、0.2332、0.3862，顯著性水平分別為：0.0002、0.0002、0.0040、0.0002。結(jié)果表明，數(shù)字治理空間關聯(lián)關系矩陣Y與所有解釋變量X的相關關系均通過了5%顯著性水平檢驗，為本文后續(xù)實證分析提供了理論支持。

（二）QAP回歸分析

本文在相關分析的基礎上，再對這31個省市數(shù)字治理的空間關聯(lián)關系進行QAP回歸分析。

表6為回歸分析擬合度的情況，結(jié)果所示，R2為0.343和調(diào)整后的R2為0.340，當發(fā)現(xiàn)“各地區(qū)地理距離差異”“各地區(qū)互聯(lián)網(wǎng)用戶數(shù)差異”“數(shù)字普惠金融差異”和“5G基站數(shù)差異”這四個因素與數(shù)字治理程度存在一定的線性關系時，可以用上述四個矩陣數(shù)據(jù)解釋掉“數(shù)字治理關系”的34%的方差。顯然該結(jié)果數(shù)值較高，因此具有較好的可解釋性。

QAP回歸分析結(jié)果如表7所示，概率1是指隨機置換后計算出的相關系數(shù)大于或者等于實際給出的矩陣相關系數(shù)的概率。概率2是表示小于或者等于實際相關系數(shù)的概率。

其中各地區(qū)地理距離差異矩陣X1在1%顯著性水平下通過了檢驗，其標準化回歸系數(shù)為-0.41799，表明地理距離制約了城市間數(shù)字治理的空間關聯(lián)性，所以加強各城市間的交通網(wǎng)絡是十分必要的。各地區(qū)互社會聯(lián)網(wǎng)用戶數(shù)差異X。同樣也在1%顯著性水平下通過了檢驗，其標準化回歸系數(shù)為0.21804。地區(qū)5G基站數(shù)差異在10%的顯著性水平下通過了檢驗，其標準化回歸系數(shù)分別為0.09932，表示5G基站數(shù)會對數(shù)字治理空間關聯(lián)在一定程度上產(chǎn)生積極影響。反之，數(shù)字普惠金融指數(shù)相比于其他三個自變量而言，并無較強的解釋力度?？傊?，地理距離因素、地區(qū)互聯(lián)網(wǎng)用戶數(shù)、以及地區(qū)5G基站數(shù)量對各個地區(qū)的數(shù)字治理水平均具有正向影響。

七、結(jié)論與建議

（一）結(jié)論

本文從網(wǎng)絡結(jié)構(gòu)視角分析所選最具代表性的31個省市的數(shù)字治理的空間關聯(lián)關系，再結(jié)合QAP回歸分析，分析自變量對其空間關聯(lián)關系的影響程度，結(jié)論如下：

1．從個體網(wǎng)絡結(jié)構(gòu)特征看，山東、江蘇、河南等省份位于我國東部地區(qū)，其中心度排名靠前，位于數(shù)字治理空間網(wǎng)絡的中心位置，而同時青海、寧夏和新疆等省份位于我國西部地區(qū)，其中心度較低，處于數(shù)字治理空間網(wǎng)絡的邊緣位置。相對而言，我國東部地區(qū)的數(shù)字治理水平比西部地區(qū)更高。

2．從塊模型分析來看，北京、上海、江蘇和山東等經(jīng)濟發(fā)達的地區(qū)為凈受益類，而陜西、甘肅、青海、寧夏和新疆等中西部地區(qū)以及東三省地區(qū)為凈溢出類，因此可以得出結(jié)論，我國經(jīng)濟發(fā)達地區(qū)以中部地區(qū)為橋梁吸取西地區(qū)的數(shù)字資源。

3．我國南部地區(qū)經(jīng)濟次發(fā)達地區(qū)起雙向引導作用，雖然也吸收中西部地區(qū)資源，但整體上表現(xiàn)為向中部及北部溢出，進一步加劇了我國東西部地區(qū)尤其是經(jīng)濟發(fā)達地區(qū)與不發(fā)達地區(qū)的數(shù)字治理差異。

4．通過AQP回歸分析得出，影響數(shù)字治理空間聯(lián)系的主要因素有各地區(qū)互聯(lián)網(wǎng)用戶數(shù)、地理距離以及SG基站數(shù)等因素相關，而此類因素與各地域的數(shù)字基礎設施、數(shù)據(jù)資源、技術(shù)應用和數(shù)字人才水平差異密切相關。

（二）對策建議

根據(jù)本文的研究結(jié)論，提出以下對策建議：

1．加強西部地區(qū)的數(shù)字基礎建設，推動區(qū)域間數(shù)據(jù)資源的開放與共享。加大對其數(shù)字平臺建設的扶持力度，如提高經(jīng)濟不發(fā)達地區(qū)的互聯(lián)網(wǎng)普及率，這是數(shù)字治理的物質(zhì)基礎。另外，可以建立統(tǒng)一的數(shù)據(jù)共享交互平臺，促進數(shù)據(jù)要素的流通應用，從而推動區(qū)域間的數(shù)字協(xié)同發(fā)展，借助數(shù)據(jù)交互平臺還可以助力東西部之間的產(chǎn)業(yè)協(xié)同和技術(shù)協(xié)同。

2．加大數(shù)字人才培養(yǎng)和數(shù)字鄉(xiāng)村建設。加大對我國經(jīng)濟不發(fā)達地區(qū)的數(shù)字教育和培訓，尤其是西部地區(qū)和東三省地區(qū)，將人才培養(yǎng)與數(shù)字鄉(xiāng)村建設相互協(xié)調(diào)，共同提高全民數(shù)字素養(yǎng)與數(shù)字技能。

3．優(yōu)化經(jīng)濟不發(fā)達地區(qū)的資源配置。提升數(shù)字治理質(zhì)量水平與各地區(qū)的經(jīng)濟建設密切相關，因此若要從根本上解決我國地區(qū)間數(shù)字治理水平發(fā)展不平衡的現(xiàn)象，應進一步優(yōu)化經(jīng)濟不發(fā)達地區(qū)的資源配置，加大該地區(qū)的技術(shù)應用與創(chuàng)新能力，從而推動縮小各區(qū)域間的數(shù)字治理鴻溝現(xiàn)象。