我国数据要素研究热点及发展趋势分析*

摘要

随着数字经济快速崛起,数据要素问题日益成为学界关注的核心议题。通过Cite_Space这一工具开展关键词分析可见,我国学界在数据要素概念界定、特征解析以及生产要素内涵等方面已取得基本研究成果;与此同时,围绕数据要素发展规律与治理模式的相关课题正逐步成为新的研究热点与方向。展望未来,应在实际背景下进一步深化对这一现实议题的关注与探讨,积极搭建跨学科协同机制,推动相关领域研究走向系统化与规范化

关键词： 数据要素; 研究热点; Cite_Space

0 引言

中国共产党第十九届中央委员会第四次全体会议提出了[1] '建立覆盖劳动、资本、土地、知识、技术、管理以及数据等生产要素按贡献进行市场化配置的机制' ,使得数据被明确划入生产要素范畴。这一决策不仅表明了数据逐步成为关键生产要素并参与市场分配的过程,同时也凸显了数字经济在中国经济发展中占据的关键地位。《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》(简称'数据二十条')也指出[2] '将数据作为新型生产要素,深刻影响着生产方式生活方式和社会治理模式,必须充分挖掘其价值并促进全民共享数字经济发展成果' 。然而随着地方政府及各行业深入探索数据要素应用实践,在概念界定与权益分配等方面的问题也随之浮现。为此亟需系统性地梳理我国data element研究领域的前沿热点问题 ,全面把握该领域研究的核心趋势 ,并据此制定切实可行的数据发展与治理策略方案

1 研究设计

1.1 数据来源

本研究基于中国知网数据库文献作为研究样本开展相关工作。具体而言,研究人员首先通过中国知网系统登录入口进入高级检索功能模块,随后将文献类型筛选为"学术期刊",并在搜索栏中输入关键词"数据要素",设置时间为从二〇〇二年一月一日开始至二。二二年十二月三十一日,最终获取匹配结果共计2 725篇学术期刊文献资料。为了确保研究科学性与严谨性要求,随后对上述初筛结果进行进一步筛选工作:即选择"北大核心期刊"与"CSSCI来源期刊"栏目进行筛选操作,最终确认符合质量标准的核心期刊文献共计1 232篇作为本研究的有效样本数据来源库。随后通过关键词共现分析与聚类技术对样本进行深入挖掘与特征提取工作,从而为后续研究提供可靠的数据支撑条件。

1.2 研究方法

引文空间（Citation Space/CiteSpace）是以Java语言为基础开发构建的动态收集与多维度整理文献信息的可视化分析平台。它主要的功能包括关键词分析和文献被引分析等模块，并能直观展示一定时期内某一学术领域的研究热点趋势及其发展脉络。本研究利用CiteSpace 6.1.R1（64位版本），围绕"数据要素"这一主题展开关键词可视化分析工作，最终获得了关键词共现关系与聚类结果的知识图谱，并以此归纳我国数据要素领域前沿的研究热点问题作为继续开展相关研究的基础[3]。

2 数据要素问题研究热点可视化分析

关键词是学术论文核心内容经过提炼和总结的结果。通过采用Cite_Space软件对相关文献中的主题词和关键词进行可视化分析，则能够全面了解该领域研究的主要热点及发展趋势。

2.1 关键词共现分析

通过采用Cite_Space软件进行关键词共现分析，并结合人工优化措施，我们获得了关键词共现图谱（如图1所示）。具体而言，在该分析过程中，节点数量N达到513个（即共有513个不同的关键词被识别），而关联性线段数量E为805条（这意味着在引用文献中每篇文献包含两个关键词即形成一条关联线段）。进一步地，在数据要素领域中这一结果具有特定的意义：具体而言，在这约1232篇文献中共存在上述提到的513个不同的关键词，并通过这些关联性连线形成了相互联系的网络结构。这表明数据要素领域的研究集中化程度较为分散（密度值为D=0.0061<0.1），研究呈现较为分散的状态（参考文献[4]）。

图 1

图1关键词共现图谱

图1中标注的大小表示关键词出现频率值大小，在该指标数值较高的情况下，则表明该关键词所代表的主题研究热度较高程度。通过图1可以看出，在围绕"数据要素"核心展开的研究领域中"数字经济"主题对应的数量达到20次以上（具体为排名靠前的前十一项关键词中），有八项与"数据要素"之间具有直接关联性（如表1所示）。由此可见，在当前关于'数据要素'主题的研究领域中与其他学科之间并未形成显著的技术融合趋势，并且整体研究架构较为单一化状态有待于进一步加强在该领域范围内的多元化发展策略构建。

表****1****高频关键词及出现频次表

序号	关键词	频次**/**次
1	数据要素	172
2	数字经济	159
3	数据治理	44
4	生产要素	32
5	技术进步	30
6	大数据	29
7	经济增长	27
8	技术效率	27
9	数据	27
10	数据交易	25
11	数据资产	21

新窗口打开**|下载CSV**

除了关注关键词出现频率之外，中心性指标（Centrality）同样在关键词共现分析中扮演着重要角色。它衡量的是多个关键词之间的相互关联程度。具体而言，在网络分析中，一个节点（即一个关键词）的中心性数值越大，则表明该节点与其他节点之间建立联系的能力越强。根据表2的数据统计结果可知，在本研究范围内（注：本研究仅选取中心性数值≥0.03的11个关键词），具有显著中心性的只有三个领域：即‘数字经济’、‘数据要素’和‘经济增长’这三个领域。其余绝大多数领域的相关节点均呈现较低甚至为零的中心性数值（注：本研究仅选取中心性数值≥0.03的11个关键词）。通过深入分析发现，在数据要素领域中，研究主题的多样性确实较为丰富（注：本研究仅选取中心性数值≥0.03的11个关键词），然而不同学科之间的交叉融合研究相对不足。为此，在当前的研究背景下迫切需要加强各相关领域的交叉融合发展工作

表****2****中心性数值****≥0.03****的关键词表

序号	关键词	中心性数值
1	数字经济	0.20
2	数据要素	0.19
3	经济增长	0.12
4	大数据	0.07
5	技术进步	0.06
6	人力资本	0.06
7	面板数据	0.04
8	制造业	0.04
9	技术效率	0.03
10	要素配置	0.03
11	数据赋能	0.03

新窗口打开**|下载CSV**

2.2 关键词聚类分析

为了深入探讨数据要素相关问题的研究热点与重点,本研究对聚类分析进行了人工干预,并运用对数似然比(Log-Likelihood Ratio,LLR)算法为聚类结果命名,从关键词数量的角度选取关键词数量最多的8个类别集合#0~#7(数字越小,表示其对应的聚类包含的关键词数量越多),生成关键词聚类图谱(如图2所示)。该研究得出模块性Q=0.6296 (>0.3),表明数据要素问题研究领域的聚类结构具有显著特征;同时加权平均聚类轮廓值S=0.899 (超过0.7),表明该聚类结构具有极高的可靠性

图 2

图2关键词聚类图谱

对聚类结果进行更深入的分类和整理后,从而得出当前数据要素问题研究的三大核心领域:包括数据要素概念、数据要素发展与数据要素治理（见表3）。

表****3****关键词聚类分析表

聚类关键词	研究领域	聚类**/**类

| #5 生产要素体系
#6 制造业 | 数据要素概念 | Ⅰ |
| #1 数字经济时代
#2 技术创新驱动
#3 大数据面板技术
#7 创新效率提升 | 数据要素发展 | Ⅱ |
| #0 数据治理框架
#4 反垄断机制完善 | 数据要素治理 | Ⅲ |

新窗口打开**|下载CSV**

2.2.1 Ⅰ类——数据要素概念研究

当前,国内学者对于数据要素概念的研究主要为以下三个方面。

依据马克思理论框架,探讨数据作为生产要素的本质内涵。宋冬林等[5]认为,将数据视为生产要素并未偏离马克思主义关于生产要素的传统认识。在农业经济时代,受限于自然地理条件的制约,土地要素具有显著的竞争性特征。然而,随着人口规模持续增长,土地资源在促进生产力发展方面的作用逐渐受到瓶颈效应的影响。工业经济时代的到来,资本力量突破了传统自然条件束缚,其作为关键生产要素在推动社会再生产方面发挥了决定性作用。知识经济时代背景下,知识性因素成为提升生产效率的核心驱动力。越来越多的技术、管理和人才得以普及,使劳动者能够更高效地配置资源和技术能力。进入数字经济时代后,随着数字技术与网络化经济模式的发展,数据元素呈现出前所未有的丰富性与复杂性特征;各类商品供给呈现出明显的数字化属性特征;个性化与碎片化需求成为主导导向方向;在此背景下,资本、知识等传统关键生产要素已难以满足现代生产力发展的需求;而具有非竞争性的数据要素则能够在资源损耗可控范围内实现更广泛的共享利用优势;这不仅显著提升了劳动者的资源配置效率水平;而且使社会整体经济发展能够实现更加稳定健康增长

(2)基于个人研究心得,对数据要素这一概念进行了界定。中国信息通信研究院[7]指出,在大数据时代,数据被定义为"一种以二进制编码为基础,按照预先设定规则进行汇聚的现象记录"。王传智[8]则认为,数据可以被界定为"人类互联网行为产生的、在特定条件下可被人类用于再生产的、由电子设备客观记录的具有丰富内涵的符号"。白永秀等[9]主张,数据要素是其在生产过程中作为基本投入而被使用的元素之一,是实现产品和服务生产所必需的关键要素之一。李勇坚[10]从经济学的角度出发,将数据要素界定为具有规模收益不固定且需与其他资源协同运作的生产要素。吴志刚[11]则从本体论角度提出,数据要素是指人类在意识世界中刻画并描述客观世界的基本单元,即现实世界实体对象的数字投影。郭琎等[12]根据数据、信息与知识三者之间的关系分析指出,数据要素主要包含三个层面:原始的数据对象、经加工处理后的拓展信息以及智能化的知识产品和服务等内容。

(3)基于自身研究,就数据要素的特性展开论述。李海舰等[13]将其特征概括为智能即时性、虚拟替代性、多元共享性和跨界融合性。王传智[14]认为,数据要素具有"作为特殊经济资源的有用性"、"所有权、控制权与使用权相分离性"以及"同主体隐私存在矛盾性"。李勇坚[10]从经济学视角出发,将其特征归纳为非竞争性、强协同性、部分可排他性以及外部性。吴志刚[11]指出,数据要素具有获得的非竞争性、使用的非排他性、价值的非耗竭性和非衡价性的六项特征,此外还强调其源头的非稀缺性和对象的社会多元性共六方面特征。戴双兴[6]将其与传统生产要素对比指出,其具有非排他性、强渗透性和可再生性的特点,同时具备规模经济性的优势。白永秀等[9]认为,数据要素兼具多元性和依赖性的技术特征,以及规模经济性、准公共物品性质和马歇尔外部性的经济属性。郭琎等[12]从技术与经济两个维度对其特性进行阐述:技术层面包含大数据形态、网络设施媒介及拓展聚合利用方式;经济层面则体现为其准公共物品属性、规模经济性和范围经济性的特点。王谦等[14]通过技术-经济联合分析发现,数据要素除具备虚拟替代性、依赖性和渗透性的特质外,还表现在动态精准性的提升水平上,并强调其自组织能力和低成本共享的优势

2.2.2 Ⅱ类——数据要素发展研究

当前,国内学者对于数据要素发展的研究主要为以下两个方面。

(1)关于促进数据要素自身发展的研究

对数据要素价值释放进行深入探讨。唐要家等[15]研究表明,应基于开放共享机制、创新数据驱动动力以及多元利益协调机制等基础条件展开研究,并在此基础上进一步提出实现路径:即通过实施分类治理与多轨并进的数据开放共享政策,以及推动多源驱动下的数据商业创新模式。孙克[16]则持认为观点:支持数据要素价值有助于提升治理效能并促进人民生活水平改善;同时强调需加速资源化、资产化及资本化进程

研究数据要素市场的建设。吴志刚[11]主张，在推动数据要素市场发展时应着重丰富生产要素基础、优化平台服务功能，并持续创新经营模式与商业模式设计。王建冬等[17]强调，在构建数据要素市场过程中需以国家发展大局为导向，在坚持中国特色社会主义道路指引下实施问题导向策略，并通过综合改革创新提升市场竞争力与活力。邓胜利等[18]指出，在推进数据要素市场建设的过程中最终目标应定位于实现资源价值的最大化配置与自由流动机制的确立。为此建议，在数字经济时代背景下科学完善相关制度安排并为其提供政策支持方案是十分必要的。姜奇平[19]提醒应当清醒认识到"市场"在资源配置中的决定性作用，并据此针对性地构建能够充分激活数据要素的市场化运行机制。赵鑫[20]提出，在开展数据要素市场培育工作时应当以实现资源确权为关键前提条件，并在此基础上建立完善的交易流转体系以保障资源流通效率与公平性。刘小鲁等[21]研究表明，在完善资源配置机制方面起决定性作用的是建立有效的市场机制体系，并从行业垄断现状、外部性效应以及信息不对称问题等方面深入剖析当前面临的主要制约因素及失灵现象。施羽暇[23]分析指出，在当前阶段我国已经形成了一套较为完善的制度政策体系但仍然存在理论研究滞后、供给能力不足等问题亟待解决为此应在完善供给保障的基础上推进相关制度创新以推动我国数字经济健康可持续发展

通过多维度视角探讨数据要素的自身发展情况。白永秀等[9]的研究重点在于推动数据要素高质量发展，并着重于效率、公平与可持续这三个关键维度。另有学者指出，在技术应用层面推动数据要素的发展时应充分整合人工智能、大规模图谱计算以及区块链等多种数字技术支持手段。

(2)关于数据要素促进数字经济发展的研究

戴双兴先生[6]主张,数据要素在优化企业产品供给能力的同时,能够促进产业的转型升级,并且显著提升了宏观经济调控的精准度,从而在推动数字经济发展中发挥了关键作用。他进一步提出了运用数据要素发展数字经济的具体路径:即实现对产权的有效激励机制建设;通过促进要素的自由流动来形成健康的市场竞争环境;确保价格反应机制具有灵活性;充分挖掘数据资源的价值潜力;以及建立和完善竞争公平机制以实现优胜劣汰机制的有效运行。
王谦等人[14]则主张要使数据要素成为经济发展的助力,必须首先加快建设完善的数字基础设施体系;其次应当努力构建统一开放的数据要素市场;最后必须建立健全的数据治理规范体系才能确保资源的有效配置。

2.2.3 Ⅲ类——数据要素治理研究

国内关于数据要素治理的研究可以归纳为以下两个方面。

(1)数据要素自身治理研究

张莉等[23]认为,数据要素治理是基于数据存储与管理的关键体系,其核心要素包括数据获取权限机制与价值评估标准,以及相应的责任界定与应用规范。当前阶段,数据要素治理面临的主要障碍体现在以下五个方面:一是数据体量与质量难以统一衡量;二是跨领域开放共享面临体制障碍;三是权属认定缺乏明确依据;四是交易机制尚不完善;五是安全防护体系有待健全。林伟等[24]对现有研究成果进行了系统梳理,将其划分为法律维度的技术层面与管理层面两大类:法律维度涵盖了政府性数据开放平台建设与企业权属权益保障机制;技术维度则聚焦于大数据处理技术发展现状及应用场景;管理维度则着重于数据生命周期全链条管理策略的构建与实施。基于此理论基础,要实现数据要素治理效能的有效提升,必须着重推进三个方面的深化研究:一是加强数据安全治理理论创新;二是完善多主体协同治理机制;三是构建智能化的数据中台支撑平台。张莉等[23]认为

(2)数据要素参与分配过程的治理研究

王颂吉等[28]从初次分配与再分配两个维度分析数据要素参与收入分配的机制,主张在初次分配阶段,市场应对其对数据要素贡献进行评价,并要求政府加强对数据要素市场的监管;而在再分配环节,则应采取税收调节的方式,以促进数据要素的相对公平配置。范卫红等[29]则认为,建立规范的数据要素参与社会分配机制需要在逐步推进其纳入社会资源配置的过程中,最大限度地保障数字劳动者的权益,并建议构建"统一开放、竞争有序"的数据流通市场环境,同时完善劳动者数据采集利用体系以推动生产力发展。李标等[30]强调,完善数据要素参与收入分配必须健全其安全保护法律体系及流通治理机制,从而形成统一有序的数据市场格局。吴宏洛等[31]指出,治理数据要素参与收入分配过程可以从实现层面与保障层面入手:实现方面要大力发展数字经济作为物质基础支撑体系,建立健全市场评价机制、定价体系以及交易信任制度;保障方面则需妥善平衡效率与公平的关系,促进资源合理配置的同时维护公平性利用权,并建立兼顾安全与发展的综合保障体制。李爱君等[32]进一步提出观点认为:完善数据要素参与收入分配过程的治理首先要明确数据产权归属问题并实施严格保护措施;在此基础上确立清晰的数据资产所有权概念;并通过立法、监管及司法层面提出完善数据财产权制度体系的具体建议

3 研究结论与展望

3.1 研究结论

本研究基于我国2002至2022年间有关数据要素领域的核心期刊文献资料共计1 232篇的研究数据集，并运用Cite_Space6.1.R1(64 bit)软件中的关键词分析功能，成功生成了一幅展现相关知识图谱的研究成果，并对这一领域的发展现状进行了系统性总结。整体而言，我国在开展数据要素系统的理论研究方面起步相对滞后，并且这一领域的研究成果与国家制定的相关政策之间存在较为紧密的关联性。在理论层面，学者们对数据要素的概念、特征以及生产要素的本质内涵均进行了深入探讨；而在实践层面，则着重提出了若干行之有效的治理策略，并不断涌现出了高质量的研究成果。具体而言，在这一领域的研究成果呈现出以下显著特点：

该方向持续深化,各学科领域呈现多元化分布特征.就数据要素问题而言,其研究成果已展现出由单一向多元发展的趋势.然而这一领域仍面临诸多挑战:一方面受到政策因素的显著影响,缺乏关键性研究机构支撑,整体科研力量较为分散零散,尚未发展成为高质量的学术共同体;另一方面由于跨学科协同较少,亟需进一步构建能够促进高密度科研协作的学术共同体.

(2)通过关键词共现性分析可以看出,"数据要素"、"数字经济"以及"数字治理"已成为当前研究领域的热点议题；从研究主体的分布情况来看,呈现出较高的集中度；因此,应进一步加强具有关联性的多元交叉研究。基于关键词分类的结果显示,两类与三类的数量较为显著；这表明当前关于"数据要素"概念与内涵的研究已较为完善,"如何发展与治理好数据要素"则逐渐成为这一领域的主要研究方向。

基于趋势分析可知,数据要素问题正逐步凸显为学界关注的重要议题。确保数据要素按照时代发展的规律以及数字经济演进的方向稳步推进,从而促进数据要素与数字经济之间的良性互动,这将成为未来研究的重点方向和核心议题。

3.2 研究展望

基于现有的研究成果,深化国内数据要素研究还需要把握以下几个方面。

构建高水平的学术共同体体系，以提升数据要素研究的关键突破能力。近年来，在国内学界中关于数据要素问题的研究已经形成了较为系统化的框架。然而，在这一过程中仍存在一些亟待改进的问题：一部分学者在研究思路上仍显模糊，在方法论选择上缺乏系统的规划与考量。这就要求我们立足于科研院所在基础研究方面的优势地位，在发挥其引领作用的同时，整合各领域优势资源与智慧力量，在协同创新中推动相关领域的持续发展与理论突破。

(2)促进不同领域的深度融合以推动数据分析与应用层面的发展在互联网时代背景下数据要素具有跨领域的固有特征当前数据分析与应用层面的研究仍主要局限于单一维度缺乏对多维度信息的有效整合为了突破这一局限性需要主动探索新的切入点与突破方向通过系统化协作模式实现各领域优势的有效结合从而推动形成具有核心竞争力的数据应用体系

(3)深入探究数据要素问题的现实考察基础之上,促进其研究的科学化发展。在关注理论研究的同时,也应立足于现实基础并根植于实践经验。具体而言,要从生产、生活以及生存等各个方面入手,明确其规律及特点;基于理论与实践相结合的方式进行科学化及全面化的探究。

4 结束语

当前我国的数据要素问题研究逐步发展出从单一到多元的趋势，并呈现出三个重点研究方向即围绕着：（1）数据分析的基本概念；（2）数据分析的发展路径；以及（3）数据分析的治理机制展开。在分析（1）时主要体现为以下几个方面：一是基于马克思主义理论框架解析其关键生产性特征；二是依据自身的研究成果明确界定并结合相关理论展开探讨；三是系统阐述其核心特征与内涵。（2）方面的研究表明，则主要呈现为两种思路：一种是推动数据分析本身的发展优化；另一种则是探索其在数字经济中的应用前景。（3）方面的研究表明，则集中体现在两个维度上：一是如何实现数据分析自身的规范化管理；二是如何通过数据分析参与收入分配机制的构建和完善

未来我国的数据要素研究将聚焦于数字经济发展与数字经济协同发展路径的研究重点，并通过构建多学科协同创新平台以推动数据要素优化配置与合理利用；同时促进多学科深度融合以实现数字化转型中的创新发展；强化实际应用场景的数据要素应用研究并探索系统性治理模式；确保其发展路径既符合国家数字化发展战略又契合数字经济高质量发展需求。