数据开放中的算法依赖：发展模式与驱动路径

数据开放已成为政府治理创新的重要驱动力。为了更好地发挥数据效用，算法不仅依托强大的自学习和自决策能力让数据的潜在价值得到充分挖掘，而且也使得数据在复杂场景下的应用更加依赖算法技术。本文从数据和算法的关系起源出发，构建一个类型学分析框架，提出驱动型、压力型、抵制型、黑箱型四种不同关系模式，并重点就驱动型关系模式结合实践案例展开分析。研究表明，算法“自学习”和“自决策”的功能特性充分挖掘了公共数据的潜在价值，算法不仅极大地推动了数据共享的精准高效，而且也为推动公众参与社会治理提供了有效的技术支撑。