数字赋权背景下民众诉求与政府回应的互动逻辑.pdf

2 0 2 3年7月河南师范大学学报(哲学社会科学版)J u l.2 0 2 3 第5 0卷 第4期 J o u r n a l o fH e n a nN o r m a lU n i v e r s i t y(P h i l o s o p h ya n dS o c i a lS c i e n c e s)V o l.5 0N o.4 D O I:1 0.1 6 3 6 6/j.c n k i.1 0 0 0-2 3 5 9.2 0 2 3.0 4.0 4数字赋权背景下民众诉求与政府回应的互动逻辑周恩毅,张文培(西安建筑科技大学 马克思主义学院,陕西 西安7 1 0 0 5 5)摘 要:互联网时代信息技术革命带来了数字技术的升级迭代,而数字赋权理念的提出,对政府治理现代化提出了日益精准的要求,地方政府的市长信箱等网络问政平台作为民众表达诉求的重要渠道备受关注。本文以上海、长沙、成都三市市长信箱中1 0 3 7 3 5条诉求数据为研究对象,运用大数据文本挖掘、情感分析与机器学习等方法,探讨民众诉求的话语表达、议题领域以及问政类型与政府回应效度的相关性。研究结果表明,民众诉求中的集体行动倾向和热点诉求等议题将显著提高政府的回应效度,民众诉求具有负面倾向、媒体关注度高会降低政府的回应效度,民众诉求的类型与议题均对政府回应效度存在显著影响。因此地方政府应该深化市长信箱等网络问政平台的行政管理改革,从而实现高效回应民众诉求的目标。关键词:民众诉求;政府回应;市长信箱;大数据作者简介:周恩毅(1 9 6 3),男,山东威海人,西安建筑科技大学马克思主义学院教授、博士生导师,主要从事公共政策与社会治理等相关研究。基金项目:教育部人文社会科学研究项目(2 0 X J A 6 3 0 0 0 4);陕西省社会科学基金项目(2 0 1 9 S 0 2 8)中图分类号:C 9 3 1.1 文献标识码:A 文章编号:1 0 0 0-2 3 5 9(2 0 2 3)0 4-0 0 2 2-0 6 收稿日期:2 0 2 2-0 5-0 5互联网时代对政府治理现代化提出了日益精准的要求,数字赋权理念与民众多元化利益的叠加,使得民众的利益诉求强度呈现大幅增长态势。民众通过微博、微信等表达利益诉求,为此各级政府纷纷搭建网络问政平台,以此了解、回应与解决民众诉求。“回应意味着政府对公众接纳政策和公众提出诉求要作出及时的反应,并采取积极措施来解决问题。政府必须快速地了解公众的需求,前瞻性地解决问题。”从实践来看,地方政府明显存在着选择性回应的现象,不同地方政府之间的政府回应效率具有明显差异。当前学界对政府回应的研究大体从政府和公众双重维度考察政府和公众的互动逻辑。本文将以上海、长沙、成都三市网络问政平台为例,面向兼具传统与互联网特点的领导信箱平台进行的多样本收集与分析,运用大数据方法深入挖掘诉求主题、情感倾向等要素,探究其对政府回应效度的影响。一、理论依据及研究假设(一)理论依据政府借助“互联网+政务服务”平台,对民众进行政策宣传,而民众则针对政策进行相应的诉求表达,从而推动政府进行政策革新,搭建起良性的政民互动关系。市长信箱作为地方政府直接掌握民情民意的重要平台,充分体现了民众诉求与政府回应的实践逻辑。其中,民众诉求的话语表达、议题领域、问政类型等均与22王浦劬:论中国社会公共政治的形成与实现,国家行政学院学报,2 0 1 0年第4期。格罗弗斯塔林:公共部门管理,陈宪等译,上海译文出版社,2 0 0 3年,第1 3 2页。孟天广,杨平,苏政:转型中国的民众意见与地方财政决策:基于对地方政府的调查实验,公共管理学报,2 0 1 5年第3期。政府回应效度密切相关。因此,政府回应效度则主要选取政府回应状态、回应时效及回应质量三个指标进行评价。(二)研究假设政府回应行为内嵌于两种政府行为场域,一方面是出于“维稳”原则,向下考量回应民众压力,另一方面是回应上级压力。在这两种政府行为场域下,可以进一步假设民众诉求对政府回应效度的影响。1.民众诉求话语表达与政府回应效度。鉴于网络问政过程中政府存在的选择性回应问题,民众普遍采取策略性表达作为应对,从政府行为场域出发,基于维稳原则,政府可能会倾向于对此类议题进行优先高效回应。由此,提出假设1和假设2 H 1:民众诉求中具有集体行动倾向的话语,政府回应效度较高。H 2:民众的诉求表达具有负面倾向,政府回应效度较高。此外,政府组织科层制的特点体现在下级政府因受上级政府经济与政治的双重激励,在政策执行中考量上级政府的政策偏好,其实际的回应行为必然会承受来自上级政府的压力。因此,在诉求话语中突出上级压力,可能会使得政府更倾向主动性回应。由此,提出假设3 H 3:若民众诉求中存在向上级汇报倾向的话语,政府回应效度较高。2.民众诉求议题领域与政府回应效度。政府针对民众不同的诉求主题内容,回应倾向会出现差异。容易得到媒体关注的民众诉求,既易于导致形成群体性事件,也会引起上级部门介入。依此逻辑,地方政府为了维稳会及时回应上级压力,可能会更倾向于快速回应这类议题。由此,本文提出假设4和假设5 H 4:诉求为热点议题,政府回应效度较高。H 5:诉求议题的媒体关注度越高,政府回应效度越高。3.民众诉求问政类型与政府回应效度。民众诉求通常涵盖咨询、投诉、举报、建议和感谢等五类内容。政府对于不同的诉求问政类型通常有不同的回应逻辑。既有的研究表明,仅从政府行为场域来看,投诉、举报类的诉求更容易给地方政府带来维稳和政治上的压力。由此,本文提出假设6 H 6:诉求类型影响政府回应效度。二、研究设计(一)研究方法本文使用大数据与统计分析相结合的方法进行实证研究,即运用一系列算法从海量非结构化数据中发现反映社会现象的特定模式、关系或趋势,目标是运用机器学习把非结构化的、高维的、海量的数据,转化为结构化的、可被理解的社会知识。使用大数据方法要达到三个目标:第一,通过算法设定实现对民众诉求的主题情感提炼。通过追踪深入挖掘民众诉求背后的表达规律,进而实现对诉求信息的量化分析。第二,本研究选取T F-I D F的统计算法,对文本中的关键词权重进行遴选与提取,进而搭建起民众诉求文本的关键词语料库,之后对抽取的关键词进行人工识别,实现对海量诉求文本的主题挖掘。第三,基于算法对民众诉求的情感倾向进行判断,运用百度自然语言处理A P I技术对诉求文本进行分析,自动判断文本的积极、消极或中性情感的类别,并给出相应的置信度。(二)数据来源与变量设定当前较为普遍的问政方式有三类:一是人民网“地方留言板”;二是地方自主管理、独立运营的网络问政窗口(“市长信箱”“1 2 3 4 5平台”等);三是各种社交媒体的官方账号(“今日头条”“微博”等)。选择地方网络问政平台的原因有:第一,地方网络问政平台是各地方政府独立运营的,其管理及维护更加完备。第二,地方领导更关注地方网络问政平台上的诉求内容,民众因此可以获得更具针对性的回应。第三,地方网络问政平台更多包含了当地民生和市政方面的内容,表达方式也更贴近地方口语化的表达,这对于研究民众诉求表达的内在逻辑有所帮助。第四,市长信箱兼具了传统的领导接待上访掌握民意和现代互联网的低门槛、数量32宁靓,张卓群,毛万磊:大数据背景下政府网络回应效度研究:以山东政务服务网数据为例,重庆理工大学学报(社会科学版),2 0 1 9年第1 0期。孟天广:政治科学视角下的大数据方法与因果推论,政治学研究,2 0 1 8年第3期。大、速度快等特点,因此研究这类数据具有典型性。本研究为了探索政府选择性回应的深层逻辑,依据“七五”计划中的全国地理划分原则,按照东、中、西部分别抽取三座城市,一定程度上能够代表当前地方政府回应的综合情况。东部地区选取上海市,中部地区选取长沙市,西部地区则选择了成都市。本研究利用P y t h o n分别爬取了成都市人民政府网络问政平台、长沙市市长信箱、上海市政府领导信箱三个平台,抓取2 0 1 8年1月至2 0 2 1年3月共计1 0 3 7 3 5封信件,主要内容包括发帖类型、信件标题、来信日期、来信内容、回复单位、回复日期、回复内容等。1.被解释变量。政府回应效度为本文的被解释变量。现有研究大多采取质性指标“有无回应”进行测度,但无法全面反映当前政府回应的实际水平。本文引用政府网络回应效度理论模型,用回应状态、回应时效和回应质量3个一级指标来量化网络问政平台上的政府回应情况。在进行维度加总时,需要考虑各维度的权重,由于选取的三个维度分别反映了政府回应行为的三个重要因素,因而本研究采用等权重赋权法赋值(见表1)。政府回应状态指标中,根据爬取上海、长沙、成都等市长信箱的数据特征,可以发现政府回应中存在“已受理已回复、未受理但已回复、未受理且未答复”三种状态,因而将其作为二级指标用以量化政府回应状态;政府回应时效指标中,民众表达诉求实际上存在收信时间与答复时间两个指标,通过计算可以得出政府回应民众诉求的时效。各地对于政府回应的时效长短均有明确规定,平均要求在七日之内针对民众诉求事项进行回应。因而本研究以七日为限对这一指标进行量化。政府回应质量指标中,可以划分为“高效答复”“低效答复”“无效答复”等三个等级。表1 政府回应效度测量方式及来源一级指标二级指标临界值权重政府回应状态已受理且已答复状态最高分为1 0分,最低分为0分1/3未受理但已回复状态未受理且未答复状态政府回应时效收信时间最高分为1 0分,最低分为0分1/3答复时间政府回应质量高效答复最高分为1 0分,最低分为0分1/3低效答复无效答复 2.解释变量。解释变量涵盖话语表达、议题领域和问政类型等三个方面。(1)话语表达。具体从集体行动倾向、负面倾向和向上级汇报倾向检视话语表达的主要内容:其一,集体行动倾向。已有研究表明,民众诉求话语中的集体行动倾向会提升政府回应的时效,因此若诉求文本中有“游行”“集体上访”“示威”等措辞,则视为有集体行动倾向,赋值为1,若无以上关键词,则赋值为0。其二,负面倾向。大多不稳定因素来源于负面情绪的累积。利用P y t h o n对诉求文本的情感倾向进行评分,得出的情感倾向1=正面,2=中性,3=负面,对照组为“1=正面”。其三,向上级汇报倾向。在回应上级压力方面,诉求文本中有“向上级部门反映”“向上级反映”等措辞,则视为存在向上级汇报倾向,赋值为1,若无以上关键词,则赋值为0。(2)议 题 领 域。主 要 从 媒 体 关 注 度 和 热 点 议 题 两 个 视 角 审 视 议 题 领 域:其 一,媒 体 关 注 度。Y a n g&P a n d e y通过调查发现媒体影响力与政府回应水平呈正相关关系,本文将有无媒体关注度作为衡量标准,诉求文本中有“媒体”“曝光”“记者”“报道”等措辞,视为媒体关注度高,赋值为1,若无以上关键词,则赋值为0。其二,热点议题。本文依据2 0 2 0年修订的 信访事项内容分类,将民众诉求分为十九类,以每年度人民网调查的两会热词为标准,按“诉求的议题领域是否属于每年度人民网调查的两会热词”进行赋值。若属于热点议题,赋值为1,若为“非热点议题”,则赋值为0。(3)问政类型。总体来看,举报类和投诉类的诉求可能会获得政府更高效的回应。因此,将问政类型具体分为“1=咨询;2=投诉;3=举报;4=建议;5=感谢”,此为诉求类别,是不连续变量,需进行虚拟编码,对42赵兴华:网络空间中公民策略性话语表达与政府回应逻辑:基于大数据分析与倾向值匹配相结合的方法,电子政务,2 0 2 0年第1 0期。YA N GK,P A N D E YS K.,P u b li cR e s p o n s i v e n e s s o fG o v e r n m e n tO r g a n i z a t i o n s:T e s t i n gaP r e l i m i n a r y M o d e l,P u b l i cP e r f o r m a n c e&M a n a g e m e n tR e v i e w,2 0 0 7.照组为“5=感谢”。3.控制变量。本文选取影响政府回应效度的控制变量主要有:(1)经济发展水平。用各市人均G D P来衡量。(2)电子政务发展水平。用当地政府针对电子政务的财政支出来衡量。(3)诉求长度。用民众诉求文本的字数来表示。(4)身份公开。考察民众是否实名表达诉求,“1=是;0=否”。(5)年份。基于2 0 1 8-2 0 2 1年连续四年来考察政府回应效度的年度变化。(三)统计方法本研究的被解释变量政府回应效度为连续变量,因而采用线性回归模型作为分析工具,并采用阶层回归模型,分层检验理论框架中不同影响因素对政府回应效度的效果,具体公式如下:Yi t=0+Xi t+i t(1)其中被解释变量(政府回应效度)是常数项,i是自变量序号,t是年份。X i t是各类解释变量,是其系数,则是随机误差。三、数据结果(一)描述性统计1.政府回应行为的总体分析。根据政府回应行为三个维度计算政府回应的效度情况,发现所选取的三个城市具有共同的特征。在政府回应状态维度上,已受理且已答复的诉求达到9 8.0 1%,未受理但已回复的情况占到1.8 3%,未受理且未答复的仅有0.1 6%,该维度的均值为9.8 9。可知,随着电子政务的不断发展,各地方政府对于民众的问政行为大多持积极回应的态度,验证了中国政府回应性的存在。而在政府回应时效这一维度,在1 0 3 7 3 5条样本中,未能按政府普遍规定的七日内回复的占4 7.0 6%,能及时回复的占到5 2.9 4%,均值为5.2 9。据此可知,虽然当前的网络问政已改变了传统认知的“僵尸”网站情况,但仍普遍存在回应慢、周期长等问题。在政府回应质量维度上,通过文本分析结果可知,无效答复占到2 2.8 7%、低效答复为2 1.0 8%、高效答复达到5 6.0 5%,均值为6.6 5,有将近一半的诉求未能有效解决,“市长信箱悖论”仍是问政平台的客观现实。三项综合下来,三市政府回应效度的均值为7.2 8,四年的效度变化均稳中有升。三市政府回应情况亦存在显著差异。成都市三项指标的结果均处于较高水平,特别在回应时效方面,更能及时回应民众诉求。在实践中发现,三市中仅有成都市创新使用了窗口式的问政模式,使得民众可以就同一议题对政府进行反复催办,极大地提高了政府回应的效率与质量。而上海市政府回应的问题主要表现为效率较低,多数诉求未能在7日内得到回应,但其回应质量在三市中居于首位。在诉求信件公示方面,通过整理近一年三市市长信箱的实际办件数量与平台中已公示的诉求件数,计算统计出了实际的公示比例。其中上海市网络问政平台的公示率达到了6 5.4 9%,在三市中最高;长沙市公示率达到2 0.8 0%;而成都市市长信箱信件公示率只有8.0 4%,三市的平均公示率仅有3 1.4 4%。2.公众的问政领域分析。通过机器学习将1 0 3 7 3 5条诉求进行分类,分类结果表明,民众诉求最多的是城乡建设、生态环境、交通运输三项议题,分别占3 0.7 2%、2 3.2%、1 3.1 9%。除此之外,政法、劳动与社会保障、市场监管、教育等议题也受到广泛关注,这都体现了民众对于美好生活需要的渴求。其中城乡建设包括了房屋拆迁与征收、城乡规划、住房保障、房屋租赁等内容,这也体现了民众在此方面的需求。发帖较少的议题包括党务政务、军队事务和其他,值得注意的是其他内容主要是民众面向政府工作表达的感谢内容,在十九类中占比最少,说明在诉求得到回应或解决后,多数民众未对政府回应行为作出反馈及评价,这在一定程度上反映了当前网络问政平台交互性不强的问题。通过统计数据的分析可以发现,各市民众关注的议题也存在差异,上海市议题诉求集中在城乡建设、政法及市场监管;成都市民众普遍关注生态环境、城乡建设与交通运输;长沙市民众更多关注城乡建设、政法、交通运输。三市民众关注议题的差异具体反映出了三市政府工作未来重点的差异。3.民众问政行为分析。首先,民众的问政行为带有明显的情感倾向,百度A P I计算结果显示,含有负面倾向的诉求表达占多数,说明公众在表达诉求时倾向于用负面表达以期获得政府更快的回应。其次,对民众的问政目的,整理数据发现,投诉类诉求占到了4 7.1 4%,咨询类诉求占到2 5.3 9%。这一定程度上反映了民众对国家政策了解不足,倾向于利用网络问政平台来解决生活中遇到的困难,这也与网络问政平台的设计初衷相契合。最后,民众网络问政的文本字数均值为2 3 5字,最多的文本字数达到2 0 0 9 2字,这说明民众在表52达诉求时会以尽可能多的文字描述,希望诉求更加完整和清晰。此外,民众愿意以公开身份进行诉求的占到6 6.4 2%,部分体现了民众对于政府的信任程度较高。在关于民众问政行为逻辑诸要素的统计中,发现民众问政领域属于热点议题的占比4 8.1 9%,验证了两会期间热词调查的可信度。民众话语表达中存在集体行动倾向的有3 4 4 1条,存在向上级汇报倾向的1 7 6 0条,媒体关注度高的有1 7 6 0条。以上诸要素共同反映了民众在网络问政中的行为逻辑。(二)回归结果本文的因变量是连续变量,因而选择普通最小二乘法,通过阶层回归考察同,网络问政互动中民众话语表达、议题领域与问政类型对政府回应效度的影响。如表2所示,结果显示5个模型均有统计显著性,整体上具有解释力。本文所提出的理论框架中的诸要素解释力显著,部分假设得到实证支持。模型(1)到模型(5)为逐步纳入解释变量的过程,模型(2)纳入话语表达中的集体行动倾向、上级汇报倾向及情感倾向,模型(3)纳入了议题领域中的媒体关注度及热点议题。模型(4)和(5)则纳入了问政类型及各议题领域。模型(5)作为全模型能解释因变量3 0.8%的方差,相较模型(1)的2 7.8%有所改进。五个模型中自变量的回归系数及显著性大抵一致,验证了模型的稳健性。表2 网络问政中民众诉求与政府回应效度线性回归模型(O L S)变量模型(1)模型(2)模型(3)模型(4)模型(5)集体行动倾向0.2 3 6*(6.6 0)0.2 3 4*(6.5 3)0.2 4 3*(6.8 4)0.2 8 5*(8.0 5)上级汇报倾向-0.0 7 5(-1.5 8)-0.0 8 0*(-1.7 0)0.0 1 3(0.2 7)0.0 7 7(1.6 3)中性-0.0 5 5(-1.2 6)-0.0 5 9(-1.3 4)-0.0 1 4(-0.3 2)0.0 0 8(0.2 0)负面-0.5 9 7*(-2 7.8 7)-0.6 0 3*(-2 8.1 1)-0.3 2 4*(-1 4.6 0)-0.2 5 4*(-1 1.4 0)媒体关注度-0.2 0 3*(-4.1 3)-0.1 7 5*(-3.6 0)-0.1 3 8*(-2.8 6)热点议题0.0 7 8*(5.9 8)0.0 6 5*(4.9 5)-0.1 2 8*(-6.1 7)咨询-0.4 8 8*(-3.8 6)-0.8 3 2*(-6.1 7)投诉-1.2 2 0*(-9.6 5)-1.4 8 4*(-1 1.0 5)举报-1.2 5 0*(-9.8 6)-1.5 0 4*(-1 1.1 8)建议-0.6 0 4*(-4.7 5)-0.9 2 2*(-6.8 1)自然资源0.4 4 8*(7.3 7)城乡建设0.1 1 4*(2.3 9)身份公开0.2 2 4*(1 2.2 2)0.2 3 4*(1 2.8 0)0.2 2 8*(1 2.5 0)0.2 7 2*(1 5.0 0)0.2 7 3*(1 5.1 6)诉求长度-0.0 0 1*(-4 1.5 1)-0.0 0 1*(-3 9.2 1)-0.0 0 1*(-3 8.1 6)-0.0 0 1*(-3 2.6 2)-0.0 0 1*(-2 9.8 2)电子政务财政投入0.0 0 0*(2 8.0 7)0.0 0 0*(3 0.3 0)0.0 0 0*(3 0.7 5)0.0 0 0*(3 9.8 9)0.0 0 0*(3 8.4 2)人均G D P-0.0 0 0*(-1 2 0.4 8)-0.0 0 0*(-1 2 4.3 3)-0.0 0 0*(-1 2 4.4 6)-0.0 0 0*(-1 3 2.6 6)-0.0 0 0*(-1 2 2.2 2)C o n s t a n t1 1.9 8 3*(1 4 2.6 3)1 2.5 5 5*(1 4 5.7 3)1 2.4 9 7*(1 4 4.2 0)1 3.0 5 4*(8 6.4 9)1 3.0 1 3*(8 5.9 9)O b s e r v a t i o n s1 0 3,7 3 51 0 3,7 3 51 0 3,7 3 51 0 3,7 3 51 0 3,7 3 5R-s q u a r e d0.2 7 80.2 8 40.2 8 50.2 9 90.3 0 8 注:*、*、*分别在1 0%、5%和1%水平上显著,括号内为标准误。具体而言,话语表达方面,模型(2)结果显示集体行动倾向回归系数为0.2 3 6,在1%的水平上显著,这一结果也得到后面三个模型的验证,这说明了民众表达诉求的话语中具有集体行动倾向的政府回应效度高,验证了假设H 1。民众以中性情感表达诉求并不会影响政府回应效度,而相较正向倾向,负面倾向的诉求表达在回归结果中系数为负,在五种模型中均表现显著,该结果说明负面倾向的诉求表达反倒会降低政府回应效度,未能验证假设H 2提出的负面倾向诉求对政府回应效度存在正效果。上级汇报倾向则仅在模型(3)中加62因篇幅有限,省略部分变量。入了议题领域维度后在1 0%的水平上显著,在放入其他变量后解释力消失,这说明民众话语表达中的上级汇报倾向只是对政府回应效度有间接影响,仅在特定议题领域中成立,假设H 3未能完全被回归结果验证。议题领域方面,模型(3)引入媒体关注度、热点议题两变量,结果显示热点议题在模型(3)(4)中的结果显著,验证了H 4民众诉求为热点议题、政府回应效度高这一假设。媒体关注度对政府回应效度影响显著,但回归系数为负,即媒体关注度与政府回应效度呈负相关,与假设H 5结果相反,究其原因主要是能够吸引大量媒体关注的诉求大多解决难度高、诉求内容复杂,在政府问政平台未建立起完善的分类回应机制的前提下,这类诉求很难获得高效高质回应。问政类型方面,模型(4)和(5)结果显示诉求类型对政府回应效度的影响程度存在显著差异,验证了假设H 6。政府回应效度依次呈现为“感谢、咨询、建议、投诉、举报”的顺序结果,一定程度上反映了在不同问政类型上政府回应行为的逻辑差异。回归结果也揭示了控制变量对政府回应效度的影响。如民众以公开身份表达诉求的政府回应效度高;诉求文本长度越长,政府回应效度越低;人均G D P与政府回应效度呈负相关,当地政府的电子政务水平与政府回应效度呈正相关。以2 0 2 1年政府回应效度为对照组,可知自2 0 1 8年来政府回应效度增长显著。四、结论概言之,地方政府能对民众诉求做到普遍回复,但仍有半数样本存在回应周期长、效果差的现象。其中,成都市政府回应效度最高,其创新的窗口式问政模式值得广泛推广。而上海市的初步分类回应体系提高了政府回应质量。同时,民众诉求中具有负面倾向、长文本等策略性问政行为时政府回应效度较低;诉求文本中具有集体行动倾向的政府回应效度较高;民众诉求议题为社会普遍关注的热点议题时政府回应效度较高,而媒体关注的诉求议题其政府回应效度反而较低。另外,不同问政类型的政府回应效度具有显著差异,感谢类问政的政府回应效度最高,而举报类问政的政府回应效度最低。民众的重复性诉求与政府的重复性回应同时存在,影响了政府回应效度。因此,要加强市长信箱相关工作人员的政治意识和业务素养培养,避免形式主义回应。设置全面评价市长信箱绩效的指标体系,提高市长信箱回应工作的科学性。建立市长信箱主管负责制度,提升科学协调行政部门回应民众诉求的能力。T h e I n t e r a c t i v eL o g i co fP u b l i cD e m a n da n dG o v e r n m e n tR e s p o n s e i nt h eC o n t e x t o fD i g i t a lE m p o w e r m e n tZ h o uE n y i,Z h a n gW e n p e i(X ia nU n i v e r s i t yo fA r c h i t e c t u r ea n dT e c h n o l o g y,X ia n7 1 0 0 5 5,C h i n a)A b s t r a c t:T h e i n f o r m a t i o nt e c h n o l o g yr e v o l u t i o n i nt h e I n t e r n e t e r ah a sb r o u g h ta b o u t t h er a p i du p g r a d i n ga n di t e r a t i o no f d i g i t a l t e c h n o l o g y,w h i l e t h e c o n c e p t o f d i g i t a l e m p o w e r m e n t h a sb e e np r o p o s e d,p u t t i n g f o r w a r d i n c r e a s i n g l yp r e c i s e r e q u i r e-m e n t s f o r t h em o d e r n i z a t i o no f g o v e r n m e n t g o v e r n a n c e.Am o n g t h e m,t h em a y o rsm a i l b o xa n do t h e r o n l i n ep o l i t i c a l p l a t f o r m so f l o c a l g o v e r n m e n t a s a n i m p o r t a n t c h a n n e l f o rp e o p l e t oe x p r e s s t h e i r d e m a n d sh a v e a t t r a c t e dm u c ha t t e n t i o n.B a s e do n t h ed a-t ao f 1 0 3,7 3 5a p p e a l s i nt h em a i l b o x e so fm a y o r so fS h a n g h a i,C h a n g s h aa n dC h e n g d u,t h i sp a p e ru s e sb i gd a t at e x tm i n i n g,s e n t i m e n ta n a l y s i s a n dm a c h i n e l e a r n i n g t oe x p l o r e t h e c o r r e l a t i o nb e t w e e n t h ed i s c o u r s e e x p r e s s i o no f p u b l i c a p p e a l s,t h e t o p i cf i e l d,t h e t y p eo f p o l i t i c a l i n q u i r ya n d t h ev a l i d i t yo f g o v e r n m e n t r e s p o n s e.T h e r e s u l t s s h o wt h a t p u b l i c a p p e a l sw i t ha t e n d e n c yo f c o l l e c t i v ea c t i o na n dh o t i s s u e sw i l l s i g n i f i c a n t l yi m p r o v et h ev a l i d i t yo fg o v e r n m e n tr e s p o n s e,w h i l ea p p e a l sw i t has t r o n gt e n d e n c yt oe x p r e s sn e g a t i v ee m o t i o n sa n dh i g hm e d i aa t t e n t i o nw i l l r e d u c e t h ev a l i d i t yo f g o v e r n m e n t r e s p o n s e.T h e t y p e sa n di s s u e so fp u b l i ca p p e a l sh a v eas i g n i f i c a n ti m p a c to nt h ev a l i d i t yo fg o v e r n m e n tr e s p o n s e.T h e r e f o r e,t h el o c a lg o v e r n m e n ts h o u l dd e e p e nt h ea d m i n i s t r a t i v er e f o r mo f t h em a y o rsm a i l b o xa n do t h e ro n l i n ep o l i t i c a l i n q u i r yp l a t f o r m s,s oa st oa c h i e v et h eg o a l o f e f f i c i e n t l yr e s p o n d i n gt op u b l i cd e m a n d s.K e yw o r d s:p u b l i ca p p e a l s;g o v e r n m e n t r e s p o n s e;m a y o rsm a i l b o x;b i gd a t a 责任编校 陈浩天72