论文
【摘要】专业化是智库的本质特征和最大优势，数据中心和实验室是智库专业化的技术基础或平台。数据分析、行为实验、模拟仿真和循证检验构成当代公共决策链条的重要环节，也是全球公共政策理论与实践发展的新趋势。当前中国特色新型智库的专业发展取得了一定进展，但专业化基础还比较薄弱，数据中心和实验室建设相对滞后。必须顺应当代公共政策实践发展的新趋势，从推动政府决策流程再造，健全组织管理保障体系，加快数据中心建设和使用，加强实验室建设和利用以及推广循证决策新模式等措施入手，夯实新型智库发展的专业化基础，提高我国公共决策的科学化水平。
【关键词】智库专业化 决策科学化 行为实验 政策仿真 循证决策
一、引言
中国特色新型智库建设是推进国家治理现代化与增强国家软实力的一个重要方面。习近平总书记指出“把中国特色新型智库建设作为一项重大而紧迫的任务切实抓好”，并强调“重视专业化智库建设”(人民网，2015)。党的十九大报告重申“加强中国特色新型智库建设”。当前，中国特色社会主义进入了新时代，这是我国发展新的历史定位。新时代我国经济社会发展对中国特色新型智库建设提出了新的、更高的要求，必须夯实智库发展的专业化基础，提高我国公共决策的科学化水平。
专业化是现代智库或思想库的本质特征和最大优势，而数据中心(或数据库)和实验室则是智库专业化的技术基础或平台。作为由各种专家、学者、退休官员以及社会贤达组成的跨学科多领域的综合性决策咨询机构，智库掌握了先进的政策分析技术，对社会问题或政策问题做长期跟踪研究，所提出的政策建议以经验数据与实证分析、行为实验及循证检验等为基础，致力于改进公共政策质量，为政府和社会提供数据、信息、技术和思想观念服务(陈振明、黄元灿，2017)。
在当代，数据分析、行为实验、模拟仿真和循证检验构成公共决策链条的重要环节，这也成为当代全球公共政策理论与实践发展的新趋势。数据分析通过严密的逻辑推理和精确的计算，为行为分析、模拟仿真和循证检验奠定数据基础；行为实验和模拟仿真通过对可能的政策结果进行预测，为循证检验的证据生产提供高质量的原料；而数据分析、行为实验、模拟仿真和循证检验等科学化决策链条环节及专业化智库功能的实现，必须以数据中心与实验室作为基础平台或技术纽带。必须顺应公共政策实践发展的新趋势，推进智库专业化和决策科学化，尤其是加强数据中心与实验室的建设和利用，推动政府决策流程再造，推广循证决策新模式。
二、公共决策数据化和智能化发展的新方向
数据分析是政策分析的重要前提。现代公共决策必须建立在可靠的事实和数据以及理性分析的基础上。由于公共政策的专业性，决策者不能仅凭个人或小团体的智慧或主观设想进行经验决策；只有通过基于数据的理性分析以及严密的逻辑推理和精确的计算，才能使复杂的政策问题更容易把握，更好地界定问题、确定目标，设计、比较和选择科学的备选方案。尤其是在当前全面深化改革背景下，我国正面临极其错综复杂的国内外形势，诸多矛盾交织叠加，各种风险挑战接踵而至，国内外很多情况是改革开放以来没有碰到过的(李克强，2018)，各实质性政策领域的问题充满复杂性与不确定性，理性分析对于我国公共政策分析的必要性更是不言而喻。而理性分析不仅需要采集大量的决策所需数据，而且需要运用现代分析技术和方法(如矩阵方法、统计分析、趋势分析、建模仿真与优化逻辑/因果分析方法、情景分析方法、价值/决策辅助/经济方法、定标比超、风险评估与分析、技术评估等)(王宏广等，2018)进行计算、分析和预测，这是决策者个人做不到的，必须发挥智库的数据提供和分析优势，依靠智库对公共政策问题进行数据化、理性化和经验化分析。美国“白宫第一智囊”兰德公司又被称为“科学与死亡的研究院”或“数字理性主义研究院”，它主张“一切重要事物皆可简化为数据”“数据和理性分析先于感知和理解”；它的数据库资料浩如烟海，涉及各种领域、活动、人物和事件；它开创的系统分析工作程序是其对美国联邦政府决策最引人注目的贡献之一(阿贝拉，2009：2、5、13、66)。
“数据是决策的生命线”(World Bank，2016：244)。特别是随着全球化、信息化演进以及网络化、数据化和智能化时代的来临，公共决策的信息资源呈现动态化和系统化特征，以不间断的“流”或“片”等各种各样的数据形式存在(涂子沛，2015)，这就更需要发挥智库的信息子系统功能。大数据与智能化改变了人们的思维方式、认知方式及思想观念——一切皆可量化(主要是指量化成非结构化的大数据，而非局限于简化成结构化的小数据)，数据自己发声，总体高于样本，庞杂优于精确，相关重于因果；大数据与智能化增强了人类行为的可预测性，这有助于揭示人类管理及决策行为的规律性，提高了管理及决策的科学性；大数据与智能化改变了我们发现、分析和解决问题以及将政策方案付诸执行的方式，推动政府决策的民主化和科学化(陈振明，2015)。当代公共决策正朝着数据化和智能化方向发展，大数据分析正成为当代公共决策过程的必不可少的重要环节。数据化决策(或数据驱动决策)通过大数据分析寻找社会问题或政策问题的最佳解决方案，持续监测并反馈政策执行效果，进而决定后续的行动方案或政策措施；智能化决策(或智慧公共决策)则是以大数据分析为核心，以云计算、物联网、区块链和移动互联网等新一代信息技术为支撑的全新公共决策模式，其在技术操作上是对数据驱动决策的承接和发展(胡税根等，2015)。
近20年来，认知科学、神经科学、脑科学等学科的迅速发展，使深入理解人类行为过程的生物学基础成为可能，也为行为科学打开了一个新的发展视野(陈振明等，2017)。例如，认知神经科学研究表明，社会决策受神经机制约束，人类纹状体等大脑区域的激活状态与个体在社会决策过程中的奖惩处理机制、复杂情绪反应以及策略推理能力等密切相关，甚至直接影响个体的选择行为(Sanfey，2007；Rilling et al.，2002；Dalgleish，2004；Gallagher & Frith，2003)，这可为社会决策的行为分析及因果关系检验等提供神经生物学研究途径。若能汲取人类社会行为研究的最新成果，对政策执行人员、目标团体或利益相关者的行为驱动因素进行全面诊断分析，在政策设计阶段开展前期实验(如行为实验等)，预测政策执行效果并创建政策反馈循环，从而持续不断地完善干预措施，则可使公共政策的制定和执行更为有效(World Bank，2015)。例如，行为科学提出了新的公共决策途径即“行为公共政策”，它运用行为科学的见解为决策者提供明确的选择，使其了解何种工具或行动方案可能带来更好的社会结果(John，2016)；它通过“测试-学习-调适”的随机对照实验测试公共政策工具是否有效。其中，测试是指明确政策工具(方式、范围、单位以及支出的成本)，学习是指对政策干预的结果进行分析和评估，调适是指根据评估结果重新调整政策工具(朱德米、李兵华，2018)。这就是基于行为实验的公共决策新途径。目前，已有美国、英国、澳大利亚等经合组织国家和欧盟等开展了“行为洞察”(Behavioural Insights)、行为经济学或“助推理论”(Nudge Theory)的应用工作，涵盖消费者保护、教育、能源、环境、金融、健康与安全、劳动力市场、公共服务提供、税收和电信等政策领域(OECD，2017)。
当前中国特色新型智库建设方兴未艾，智库的专业发展包括数据中心和实验室建设取得了一定的进展。在数据中心建设方面，具有“功能完备的信息采集分析系统”成为中国特色新型智库的建设标准以及首批国家高端智库建设试点单位的入选条件之一(中共中央办公厅、国务院办公厅，2015；中共中央宣传部，2015)；地方智库主管部门通过加强社情民意调查中心建设推进地方新型智库建设。例如，以“云上贵州”为代表的各级各类大数据中心发展势头迅猛。在实验室建设方面，我国已有少数高校智库建立了公共政策实验室。例如，本文作者所在的厦门大学公共政策研究院已建立国内一流的公共政策实验室，拥有高性能计算集群与存储系统、电子决策剧场系统、政策仿真与支撑系统和云计算平台等先进设备，可为各级党委政府提供舆情调查、数据分析、政策仿真、行为实验、结果预测、循证检验等专业化的决策咨询服务。在决策咨询技术应用方面，政策仿真方法已在公共决策过程中发挥了一定的作用，政策仿真分析工具已经开始引起各级政府的关注(娄成武、田旭，2013)。
三、公共政策研究中的行为、模拟、实验和预测的新路径
行为实验、模拟仿真和预测研究是政策分析的基本内容。政策环境是复杂自适应的、动态演化的社会技术系统或社会生态系统(即公共政策与社会系统、技术系统或生态系统相互嵌套耦合的复杂性系统)(Schlager & Cox，2018；Ostrom，2009)；政策过程的行为主体(包括政策活动者和政策对象)是异质的智能体或适应性主体，他们根据自身认知、策略、利益和目标采取行动，并在与环境和其他主体交流的过程中学习，进而改变自身结构和行为方式，造就其行为方式的适应性和多样性(李大宇等，2011)；基于有限理性和信息的不完全性，政策系统的整体行为或政策过程由众多微观行为主体或利益相关者之间的局部交互构成(罗杭、孟庆国，2013)，是众多微观行为主体相互影响、相互依赖和相互制约的博弈过程，呈现出非线性、不确定性、多态均衡等复杂性特征；政策执行由于受到政策问题本身的可办性、政策本身的规制能力以及政策以外的变数等多重约束因素的制约和影响(Sabatier & Mazmanian，1980)，往往无法达到预期效果，甚至相去甚远。考虑到政策环境、行为主体和政策过程的复杂性，为了在实际的政策执行过程中排除干扰，消除不利因素，保证政策得到有效执行，必须全面理解行为主体的行为过程，开展复杂性公共政策的行为、模拟、实验和预测研究。
从表2 中可以看出，2017 级比2016 级学生，理工类成绩提高6.04 个百分点，文科类成绩提高3.4 个百分点，艺术体育类提高3.53 个百分点。由此可见，从2017 级分类教学开始，由于重视了计算思维的培养，针对不同学科的学生，讲授不同的内容，同时培养学生利用计算机来解决本学科问题的能力，已取得初步效果，学生成绩已明显提高。
与传统的公共决策模式相比，数据化智能化的公共决策数据的收集、管理和应用的深度广度及规模已不可同日而语，传统的舆情中心和专题数据库的数据采集和分析方式已无法满足数据化智能化公共决策的发展要求，必须转向以大数据和智能化为中心的新的数据收集、挖掘、分析和利用方式。例如，传统的基于随机调查和浅层语义分析等碎片化的舆情调查、监测和挖掘方法，难以对社情民意大数据进行有效收集和分析，而必须依靠智库数据中心的数据挖掘、关联分析、数据整合及可视化等数据技术(李梅等，2015)；传统的专题数据分析只针对结构化数据(样本数据、面板数据或时间序列数据)，难以对价值和伦理等非结构化问题进行精确测量和建模分析，必须借助大数据技术，将非结构化问题转化成非结构化数据(如图片、视频、文本等)，通过数据重组和算法揭示相关性，进而有效处理非结构化问题(范如国，2018)。在数据化与智能化时代，每个人都不知不觉地融入数据采集过程，数据获取从调查统计转变为感知记录，预测成为大数据分析的核心，公共决策需要通过智能终端、物联网、云计算、区块链等可拓展人类感知能力的技术来追踪数据足迹，通过“机器学习”(Machine Learning)、模式识别等方法进行探索式数据挖掘，通过相关关系分析法等进行海量的全样本分析(米加宁等，2018)，进而发现社会规律和预测人的行为；与此同时，还需将数据挖掘、关联分析、数据整合与传统政策分析的政治学、经济学方法等相结合，使其更直接地服务于公共决策。例如，基于文本语义挖掘的政策文本环境建构研究，基于大数据的政策效果预测与分析，基于用户创作内容分析的政策过程公众反馈态度研究等(徐宗本等，2014)。因此，大数据与智能化时代的公共决策必须重视专业化智库数据中心的建设和利用。
设计意图：教师通过指导学生阅读相关信息，使其了解当时科学家所处的社会环境和掌握的信息，引导学生提出假说——蛋白质是遗传物质。
循证检验是政策分析的必要环节。决策者通过将高质量的证据置于政策制定的核心位置(Davies，1999)，使公共决策更加科学和理性，进而确保政策执行的效果，这就是所谓的循证决策。它源自循证医学，即通过实验研究和系统评价等途径衡量临床干预措施的有效性，从而确定有效的治疗方法；在过去50年间它取得了非凡的进步(Parkhurst，2017)。可以说，正是循证医学的成功诱导了当代“循证决策运动”的兴起——西方政府改革者试图重塑或再造决策流程以提高政策有效性而倡导的“新行动”(相对于20世纪旷日持久的“政策科学运动”而言)，他们致力于通过提供更多的政策相关信息和以理论为指导的实证分析，使决策者优先考虑“基于证据或数据”的决策标准，更好地从经验中学习，从而避免或最大限度地减少因政府期望与现实条件不符而导致的决策失误(Howlett，2009)。经过近20年的发展，循证检验逐渐在OECD国家的政府改革与治理实践中占据重要地位，成为当代全球公共决策的一个新趋势。例如，作为循证决策的主要倡导者，英国政府通过颁布相关政策法规(《现代化政府白皮书》和《21世纪的专业化决策》)和设置相关机构(管理与政策研究中心)等举措推行循证决策模式，将循证原则贯穿于英国社会政策的整个生命周期(李乐、周志忍，2016)；英国政府赞助的“行为洞察团队”(Behavioural Insights Team,BIT)虽以“助推小组”(Nudge Unit)闻名，但本质是政策实验室和改革推动者，它通过科学地测试政策选择实际如何影响社会问题来为政府提供决策支持，它倡导的社会实验方法成为循证决策运动的核心(Smith & Larimer，2018)。
综上所述，为了最大限度地改进公共政策质量，复杂性政策方案在付诸抉择和实施之前，必须经过行为实验、模拟仿真和结果预测等科学化决策环节，而这些都属于智库及其实验室的专业化功能。一方面，行为实验、政策仿真和预测研究必须立足学科交叉融合，结合脑科学、认知科学、神经心理学、社会计算学、复杂性理论、控制论、信息论、系统动力学、人工智能、知识工程等理论与技术，这就需要专业化智库提供学理支撑和方法论支持；另一方面，由于政策环境、行为和过程的复杂性，开展政策实验需要计算环境、平台和技术支持，包括仿真支撑系统、电子决策剧场、云计算平台以及各种分析、应用和集成工具等。因此，必须重视智库实验室的建设和利用，依靠专业化智库运用行为分析、实验研究、政策仿真、结果预测等方法和技术，检验政策方案、评估政策执行效果，提升政策分析水平。
北京知识产权法院的上述判决对程序模块构架类产品权利要求的性质予以明确：一旦将基于计算机程序实现的医疗方案撰写为产品权利要求就不再适用《专利法》第25条第1款第（三）项。但是，这一结论是否得到业界的普遍共识，尚有待观望。此外，同样由于尚未出现相关专利侵权诉讼，因此，关于程序模块构架方式撰写的产品权利要求在专利维权阶段将被如何认定和解释，也暂不明确。
行为实验突破了社会科学无法开展实验的限制，使决策者可以设计更加有效的政策，但是由于政策环境、行为和过程的复杂性与不确定性，行为实验的可重复性及其结果的普适性或多或少存在一定的限制，还需通过进一步的计算实验或政策仿真，对政治、经济、社会和文化政策等复杂性政策的备选方案进行检验、评估和结果预测。政策仿真是社会仿真方法在政策分析领域的应用，类似于自然科学的实验方法，可通过建立仿真模型实现可重复性，并可通过改变运行条件探索不同变量的影响。目前，影响较大的社会仿真方法主要包括系统动力学仿真、微观仿真、离散事件仿真、多层级仿真、元胞自动机、多智能体仿真等(Gilbert & Troitzsch，2005)。其中，“多智能体仿真”(Multi-Agent Simulation，MAS)以复杂适应性系统(Complex Adaptive System，CAS)理论为基础，属于自下而上的建模方法，考虑了众多人工智能体的分布演化及宏观涌现(Emerging)，可进行微观宏观一体化的社会仿真，是目前最具活力的仿真方法之一。在MAS模型中，每个智能体(Agent)具有自主性、交互性、反应性、主动性，可以学习知识、积累经验、进行推理、智能计算和适应复杂、动态且不可预期的外部环境(王飞跃等，2012；罗卫东、程奇奇，2009)，因此可用于模拟政策执行的真实情境，模拟异质性行为主体的交互、适应、学习、博弈或选择过程，对备选方案的可能结果进行预测，为决策者提供有关方案抉择或改进的建议。
四、基于证据或数据的“循证决策”新范式
与此同时，随着人工智能领域的“机器学习”或“深度学习”(Deep Learning)技术的不断发展，计算机程序已可通过经验学习来增加它们的知识和程序技能。例如，“人工神经网络”(Artificial Neural Networks)和“进化计算”(Evolutionary Computation)等具备机器学习能力的仿真模型，不仅可用于模拟行为个体的认知过程或社会群体对新环境的适应过程，而且可用于寻找复杂问题的最佳解决方案(Gilbert & Troitzsch，2005)。若将学习仿真方法应用于政策分析，并将其与现有的政策仿真方法(如多智能体仿真等)相融合，使政策仿真模型通过机器学习不断调整自身的运行参数，甚至改变模型自身以响应外部环境变化，不断逼近政策执行的“真实情境”，从而提高政策仿真与预测研究的有效性，为决策者提供最佳备选方案。
无论是证据生产，还是证据使用，都离不开专业化智库的有效参与。只有发挥智库数据中心与实验室的证据生产功能，通过政策评估、数据收集、数据分析、行为实验、仿真模拟、预测研究、系统评价和元分析等决策支持技术，将政策相关信息转化为“决策证据”，才能建立可经受时间和实践检验的高质量证据库，随时随地提供各种实质性政策有效执行的行为证据和制度证据，并以通俗易懂的方式呈递给决策者；只有通过构建由智库数据中心与实验室、相关政府部门、政策法规、实践规范和技术设施共同组成的证据咨询系统，形成并推广循证决策模式，才能促进高质量证据的有效使用，实现良好的公共治理或循证治理。
循证决策的关键在于“从社会研究和评价中获取的证据的性质或质量”以及“实践者或专业人员在决策过程中使用证据的方式”(Sanderson，2002：62)。前者涉及证据生产的科学性，后者涉及证据使用的有效性。就证据生产的科学性而言，高质量的证据一般具有科学和真实、系统和量化、动态和更新、共享和实用、分类和分级等共同特征(李幼平等，2008)；但不应将“证据等级”或“随机对照实验”等单一方法作为衡量证据质量的唯一标准，还应综合考虑可信度(技术证据的充分性)、显著性(评估与决策者需求的相关性)、公正性(证据生产过程是否公平对待不同利益相关者)等标准(Parkhurst，2017)。就证据使用的有效性而言，要建立知识转移机制以促进证据使用，使决策者可用、能用和善用证据。不仅要发挥智库专家作为信息中介、知识提供者或知识经纪人的作用，培训研究人员如何更有效地提供决策证据，培训决策者如何查找、了解和使用证据；而且还要通过制度化途径改进证据使用或促进知识向政策转化。比如，建立关于各政策领域备选方案有效性的“证据库”，形成循证决策实践指南，完善智库作为结构化知识经纪人的作用，建立由相关机构、规则和实践规范组成的专门服务于循证决策的“证据咨询系统”(Parkhurst，2017：30-32)。
作为当代科学决策的一种“新范式”或“新模式”，循证决策超越了传统的理性主义模式：(1)强调“信息”向“证据”的转换。传统理性主义模式所倚重的信息只是证据的原始成分，信息需要向证据的转化，从而为决策提供更有效的支持(周志忍、李乐，2013)。(2)强调政策评估对正确决策的重要作用，将政策制定和政策评估紧密相连，而非就决策而论决策(郭巍青，2003)。(3)强调证据来源的多样性。高质量的证据不仅应从传统的社会研究和政策评估中获取，还应从行为实验、模拟仿真和预测研究中获取，特别是“曾经模糊的证据术语，如随机对照实验(Randomized Controlled Trial,RCT)、系统评价和元分析(Meta-Analysis)等变得司空见惯，甚至成为证据的黄金标准或最高等级”(Parkhurst，2017：17)。(4)突破了传统理性模式的技术局限性。西蒙认为，完全理性决策的障碍因素包括决策者的选择和认识能力的限制、政策后果的不可预测性以及区分有利与不利后果的困难(郭巍青，2003)。而随着人工智能、社会计算、大数据等新技术的发展以及科学研究的“第四范式”(即数据科学)(Hey等，2012)的出现，通过综合应用大数据分析、行为实验和政策仿真技术，公共决策将突破人类的认知、计算和预测能力的局限性，使完全理性由不可能变为可能。(5)重视决策支持的制度建设(包括建立相关法规、机构、设施和流程等)，而非简单地回归传统的理性模式。
图5为稀土开采新增图斑。从图中可看到，2017年2月份的卫星影像上，只可见断头小路，而2017年8月份的无人机影像上新出现了稀土沉淀池，并可见水管，因此解译该图斑为新增图斑。
五、中国特色新型智库专业化发展的评价
1.4 统计学处理 采用IBM SPSS 20.0统计软件进行分析。连续变量以表示，分类变量以n(%)表示。采用内部一致性系数(Cronbach’s 系数)、适当性数值(KMO值)及Bartlett球形检验进行问卷评价，组间比较采用Kruskal-Wallis秩和检验。受试者职称、学历、医院级别与认知或应用部分总分之间的相关性采用Spearman相关分析。检验水准(α)为0.05。
“A到VP”中的“到”和“A得VP”中的“得”性质不一样，“得”是结构助词，不表实在意义，而这里的“到”的词汇意义并没有完全消失。“A得VP”是我们在以往各类媒体语言中常见的表达格式，它在汉语中从古至今一直占据着绝对优势，可表示形容词所达到的状态和程度。现在随着网络新媒体语言中“A到VP”用法的增加，该格式的使用频率大大超过了“A得VP”。从发展趋势上看，它正在分担现代汉语“A得VP”中表程度的部分功能，由于“到”表示“趋向终点”，和用“得”的“A得VP”的不同就在于，能突出A性状的动态程度。
但是，从总体上看，中国特色新型智库的专业化基础还比较薄弱，数据中心和实验室建设相对滞后。在数据中心建设及应用方面，党委政府对智库数据中心建设的支持力度不够大，已成规模的数据中心和实验室的持续建设与发展也还离不开政府部门的大力扶持；国内智库数据中心建设主要局限在传统的社情民意和经济数据等专题数据库，对于大数据以及政策评估结果等系统性数据的投资不足；国内智库数据中心建设存在重硬件轻软件的倾向，以致数据中心的软件建设普遍滞后于硬件建设(罗智超，2011)；新型智库如何与国家大数据中心及地方大数据中心实现数据交换共享，以便更好地服务数据驱动的公共决策方面尚处实践探索阶段。
摘 要：“多元互动”式合作学习以其活跃性的课堂互动和多样化的合作形式而被教育界所推广，被教师所熟知。它逐渐地缩短了当今教育与素质教育之间的距离，对学生的合作意识、协助能力等语文核心素养的培养也起到了十分重要的作用。
在实验室建设和利用方面，虽然国内已有的公共政策实验室对推动我国政策模拟研究特别是宏观经济政策仿真起到了积极作用(吴建新，2012)，但是由于政策仿真方法的学术研究与应用实践脱节(李大宇等，2011)以及政府部门重视不够，公共政策实验室难以全面地为党委政府提供有效的行为实验、模拟仿真和结果预测等决策咨询服务；政策仿真的理论机理研究基础薄弱，学科交叉深度不够，特别是政策仿真研究与作为其主要学理支撑的政策科学理论脱节，缺乏政策过程理论、政策网络分析和政策系统动力学等基础理论的指导，导致仿真模型的设计构造存在诸多局限性(赵德余，2015)；政策仿真研究应用主要集中在宏观经济政策层面，而对于微观政策层面和其他非经济政策领域的研究应用不足，适用于政治、社会等非线性的复杂公共政策领域的先进仿真方法(尤其是多智能体建模仿真)的研究成果，明显少于系统动力学仿真的研究成果(娄成武、田旭，2013)。
在循证检验方面，由于循证决策的重要性尚未被人们所真正认识，因而目前尚无严格意义上的政府循证决策实践。虽然已有一些决策证据库(例如，公共卫生领域的“中国循证决策和政策证据库”)，但其较笼统，主要局限于推广循证决策方法在宏观决策中的应用(童峰等，2015)；又如，厦门大学公共政策研究院已建立较完备的公共服务质量管理与合约制治理证据库，但由于智库与政府之间的联系机制不畅以及政府部门尚未建立循证决策支持程序、知识转移平台或证据咨询系统，智库的决策证据库无法为相关部门提供循证决策支持。
六、以数据中心与实验室建设为重点推进智库的专业化
推进智库专业化和决策科学化必须高度重视并切实加强数据中心与实验室建设。一方面，新型智库要加强自身软硬件建设特别是软件建设，借鉴国外著名智库的数据中心与实验室建设经验，学习和掌握世界著名公共政策实验室(如MIT媒体实验室人类动力学组、新墨西哥州圣塔·菲研究所、哈佛大学决策科学实验室、英国“行为洞察团队”实验室等)的数据分析、决策模拟、行为实验、结果预测技术，提升智库的数据提供与决策咨询服务能力。另一方面，党委政府要出台相关政策措施，推进决策体制机制创新与流程再造，加强智库数据中心与实验室的建设和利用，建立政府与智库的常态化联系机制。以国家层面的智库数据中心与实验室建设为例，可由全国社科规划办牵头和财政部支持，以发展较成熟的智库数据中心和实验室为基础，重点建设一批各有侧重和特色的国家级智库数据中心与实验室，全国社科规划办承担各中心与实验室的组织协调工作。可以采取如下几个具体措施：
补救措施：解决卡锤现象最直接方法就是爆破，但是由于地区或者政策原因无法进行爆破操作的时候，可以采用冲锤冲击卡锤处的办法解决。
一是推动政府决策流程再造。顺应新时代中国特色社会主义建设的现实需要和当代公共决策实践发展的新变化新趋势，推动各级党委政府将数据分析、行为实验、循证检验和模拟仿真等决策咨询环节，纳入重大战略以及政治、经济、社会和文化等政策领域的政府决策流程，建立由智库数据中心与实验室、相关政府部门、政策法规、实践规范和技术设施共同组成的证据咨询系统，形成循证决策支持制度和循证的问题界定、方案规划与抉择程序。
二是健全组织管理保障体系。国家主管部门设立国家级智库数据中心和实验室建设专项经费，建立竞争性经费和稳定支持经费相协调的投入机制；中央和国家机关所属政策研究机构围绕中心任务和重点工作，定期发布一批重大决策咨询课题，使相关成果成为党中央和国务院决策的重要信息来源；建立协作会议机制，以月、季度、年度为周期，定期召开中央和国家机关所属政策研究机构与各个智库数据中心和实验室之间的协作会议，党政部门通过协作会议提供需求信息，智库通过协作会议提供决策咨询服务；实行政府购买数据和决策咨询服务制度；建立智库数据中心和实验室成果报送制度。
三是加快数据中心建设和使用。完善政府数据资源共享格局，加快政府数据开放平台建设，推动智库数据中心与国家及地方大数据中心实现数据交换共享，支持智库建设以大数据和政策评估结果等系统性数据为导向的专业化数据中心；充分利用智库数据中心的数据资源，建立国家宏观经济政策以及政治、社会和文化等政策领域的决策支持、风险预警和执行监督的大数据应用体系，积极探索数据化与智能化的公共决策新模式。
四是加强实验室建设和利用。立足学科交叉融合，重视中国特色政策过程理论和前沿学科(如脑科学、认知科学、神经心理学等)基础研究，为行为实验和模拟仿真等专业化的决策咨询提供学理支撑和方法论支持；关注国际公共政策研究的方法与技术前沿，鼓励引进具有丰富的行为实验与政策仿真经验的海外高层次人才，为实验研究提供技术支持；以研究项目为载体，鼓励政策仿真方法和技术手段创新，支持实验室自主开发适合中国情境的政策仿真模型，建立系统动力学建模与多智能体建模互补的政策仿真方法体系，使政策仿真学术研究和实践应用从宏观经济政策领域拓展到政治、社会和文化等非线性的复杂政策领域。
五是推广循证检验或循证决策新模式。推进各领域复杂性政策的第三方评估，以第三方政策评估结果作为证据生产的重要信息来源；以研究项目为载体，广泛建立各种实质性政策领域的循证决策证据库，搭建互联互通的循证决策服务网络，促进不同政策领域的最佳证据以及部门之间的信息和数据分享；形成循证决策实践指南，助力循证决策新模式推广；加强干部培训教育，使其牢固树立循证决策意识，熟练掌握使用高质量证据进行循证决策的能力，将循证决策程序与干部绩效考核办法挂钩，落实决策失误责任追究制度。
七、结论
随着网络化、数据化和智能化时代的来临，大数据分析正成为当代公共决策的必不可少的重要环节，以云计算、物联网、移动互联网等信息通信技术及智能化平台为基础的数据化与智能化决策成为当代公共决策发展的新方向；脑科学、认知科学、神经心理学、社会物理学、人工智能等前沿学科的突破，行为实验、社会计算、政策仿真、虚拟现实、机器学习等技术方法的应用，为复杂性公共政策的行为、模拟、实验和预测研究提供了新路径；基于证据或数据的循证决策超越了传统的理性模式，成为当代公共决策的一种新范式或新模式。
数据分析或基于数据的理性分析是政策分析的重要前提，现代公共决策尤其是数据化智能化时代的公共决策必须发挥专业化智库的数据收集、挖掘整合及分析功能；行为实验、模拟仿真和结果预测是政策分析的基本内容，政治、经济、社会和文化等领域的非线性复杂公共政策的科学制定与有效执行必须依靠专业化智库开展行为、模拟、实验和预测研究；循证检验是政策分析的必要环节，它所倚重的高质量证据的生产和使用离不开专业化智库的参与。
总之，数据分析、行为实验、模拟仿真和循证检验等科学化决策链条环节及专业化智库功能的实现，需要以智库数据中心与实验室作为基础平台或技术纽带。必须顺应新时代中国特色新型智库建设的新要求以及全球公共政策实践发展的新趋势，以数据中心与实验室建设为重点推进智库专业化和决策科学化，推动政府决策流程再造，将数据分析、行为实验、模拟仿真、预测研究以及循证检验等决策咨询环节纳入重大或复杂性政策的制定与执行过程，构建以智库数据中心与实验室为核心的证据咨询系统，探索数据化与智能化公共决策新途径，形成并推广循证检验或循证决策新模式，提高我国公共决策的科学化水平。
参考文献
中共中央办公厅、国务院办公厅(2015). 关于加强中国特色新型智库建设的意见(中办发〔2014〕65号).
中共中央宣传部(2015). 国家高端智库建设试点工作方案(中宣发〔2015〕36号)．
陈振明(2015). 政府治理变革的技术基础：大数据与智能化时代的政府改革述评. 行政论坛，6：1-9．
陈振明等(2017). 公共服务质量管理：理论、方法与应用. 北京：科学出版社．
陈振明、黄元灿(2017). 推进地方新型智库建设的思考. 中国行政管理，11：43-49．
范如国(2018). 公共管理研究基于大数据与社会计算的方法论革命. 中国社会科学，9：74-91．
郭巍青(2003). 政策制定的方法论：理性主义与反理性主义. 中山大学学报(社会科学版)，2：39-45．
胡税根、单立栋、徐靖芮(2015). 基于大数据的智慧公共决策特征研究. 浙江大学学报(人文社会科学版)，3：5-15．
李大宇、米加宁、徐磊(2011). 公共政策仿真方法：原理、应用与前景. 公共管理学报，4：8-20．
李乐、周志忍(2016). 英国社会政策循证决策的理论与实践：对中国的启示. 中国公共政策评论，2：117-131．
李克强(2018). 政府工作报告. 北京：人民出版社．
李梅、张毅、陈瑞学(2015). 面向决策支持的社会舆情大数据服务机制研究. 理论月刊，9：142-145．
李幼平、王莉、文进、杨晓妍、陈耀龙(2008). 注重证据，循证决策. 中国循证医学杂志，1：1-3．
娄成武、田旭(2013). 中国公共政策仿真研究：现状、问题与展望. 中国行政管理，3：24-29．
罗杭、孟庆国(2013). 安理会改革与大国博弈的多智能体模拟. 世界经济与政治，6：136-155．
罗卫东、程奇奇(2009). 社会仿真研究：中国社会科学跨越式发展的可能路径. 浙江社会科学，2：2-7．
罗智超(2011). 德国洪堡大学经济风险研究数据中心考察及启示. 实验技术与管理，5：173-175．
米加宁、章昌平、李大宇、林涛(2018). 第四研究范式：大数据驱动的社会科学研究转型. 学海，2：11-27．
人民网(2015). 习近平谈建设新型智库：改革发展任务越重越需要智力支持.人民网-中国共产党新闻网：http://cpc.people.com.cn/xuexi/n/2015/0121/c385475-26422432.html. 2019年6月11日访问．
王飞跃、李晓晨、毛文吉、王涛(2012). 社会计算的基本方法与应用. 浙江：浙江大学出版社．
王宏广、王革、韦东远、许晔、李修全、袁立科、谢飞、尹志欣(2018). 高端科技智库建设要力争做到“九有”：兰德公司智库建设及其对我国科技智库建设的启示. 科技中国，5：1-4．
童峰、林移刚、张冲(2015). 循证决策：一种忠于证据的公共卫生决策模式. 医学与哲学，5B：4-7．
Tony Hey、Stewart Tansley、Kristin Tolle(2012).第四范式：数据密集型科学发现. 潘教峰、张晓林等译. 北京：科学出版社．
吴建新(2012). 面向区域开发开放的社会科学实验室建设探究. 实验室研究与探索，11：170-174．
涂子沛(2015). 大数据推动精细决策. 人民日报，4月9日，第14版．
徐宗本、冯芷艳、郭迅华、曾大军、陈国青(2014). 大数据驱动的管理与决策前沿课题. 管理世界，11：158-163．
亚历克斯·阿贝拉(2009). 白宫第一智囊：兰德公司与美国的崛起. 梁筱芸、张小燕译.北京：新华出版社．
赵德余主编(2015).政策模拟与实验. 上海：上海人民出版社．
周志忍、李乐(2013). 循证决策：国际实践、理论渊源与学术定位. 中国行政管理，12：23-27．
朱德米、李兵华(2018). 行为科学与公共政策：对政策有效性的追求. 中国行政管理，8：59-64．
Dalgleish， T. (2004). The Emotional Brain. NatureReviewsNeuroscience， 5(7)：582-589．
Davies，P. (1999). What Is Evidence-Based Education？. BritishJournalofEducationalStudies， 47(2)：108-121．
Gallagher，H. L. & Frith，C. D.(2003). Functional Imaging of “Theory of Mind”. TrendsinCognitiveSciences， 7(2)：77-83．
Gilbert， N. & Troitzsch， K. G. (2005). SimulationfortheSocialScientist. Berkshire: Open University Press.
Howlett， M. (2009). Policy Analytical Capacity and Evidence-Based Policy-Making: Lessons from Canada. CanadianPublicAdministration， 52(2)：153-175.
John， P. (2016). Behavioral Approaches: How Nudges Lead to More Intelligent Policy Design. In Peters， B. G. & Zittoun， P. Eds. ContemporaryApproachestoPublicPolicy. London: Palgrave Macmillan.
OECD. (2017). BehaviouralInsightsandPublicPolicy:LessonsfromaroundtheWorld. Paris: Organisation for Economic Co-Operation and Development.
Ostrom， E. (2009). A General Framework for Analyzing Sustainability of Social-Ecological Systems. Science， 325(5939)：419-422.
Parkhurst， J. (2017). ThePoliticsofEvidencefromEvidence-BasedPolicytotheGoodGovernanceofEvidence. New York: Routledge.
Rilling， J. K.， Gutman， D. A.， Zeh， T. R.， Pagnoni， G.， Berns， G. S. & Kilts， C. D. (2002). A Neural Basis for Social Cooperation. Neuron， 35(2)：395-405.
Sabatier， P. & Mazmanian， D. (1980). The Implementation of Public Policy: A Framework of Analysis. PolicyStudiesJournal， 8(4)：538-560.
Sanderson， I. (2002). Making Sense of “What Works”:Evidence Based Policy Making as Instrumental Rationality？. PublicPolicyandAdministration， 17(3)：61-75.
Sanfey， A. G. (2007). Social Decision-Making: Insights from Game Theory and Neuroscience. Science， 318(5850)：598-602.
Schlager， E. & Cox， M. (2018).The IAD Framework and the SES Framework: An Introduction and Assessment of the Ostrom Workshop Frameworks. In Weible， C. & Sabatier， P. Eds. TheoriesofthePolicyProcess. New York: Routledge.
Smith， K. B. & Larimer， C. W. (2018). ThePublicPolicyTheoryPrimer. New York: Routledge.
World Bank(2015). WorldDevelopmentReport2015:Mind，Society，andBehavior. Washington， DC: World Bank Group.
World Bank(2016). WorldDevelopmentReport2016:DigitalDividends. Washington， DC: World Bank Group.
*陈振明，厦门大学公共政策研究院，教授；教育部“长江学者”特聘教授；黄元灿，厦门大学公共政策研究院，博士研究生。感谢匿名评审人的意见。基金项目：国家社会科学基金“十八大以来党中央治国理政新理念新思想新战略研究专项工程”之“十八大以来党中央治国理政的政治思想与实践创新研究”(16ZZD042)。
【中图分类号】D63
【文献标识码】A
【文章编号】1674-2486(2019)03-0104-14
责任编辑：岳经纶
标签：政策论文; 数据论文; 证据论文; 公共政策论文; 数据中心论文; 政治论文; 法律论文; 政治理论论文; 国家理论论文; 国家行政管理论文; 《公共行政评论》2019年第3期论文; 国家社会科学基金“十八大以来党中央治国理政新理念新思想新战略研究专项工程”之“十八大以来党中央治国理政的政治思想与实践创新研究”(16ZZD042)论文; 厦门大学公共政策研究院论文;