《International Journal of Disaster Risk Reduction》：How Digital Intelligence Technologies Reshape Emergency Collaboration: An Agent-Based Model of Multi-Actor Governance
编辑推荐：
大数据和人工智能等数字智能技术（DITs）的快速发展，通过加强治理实体之间的战略对齐和协调，彻底改变了应急管理领域。为探索DITs如何推动应急协作过程，本研究基于协同治理理论、资源依赖理论和公共价值理论构建了一个理论模型。通过在中国湖南省五个区县进行的访谈收集
大数据和人工智能等数字智能技术（DITs）的快速发展，通过加强治理实体之间的战略对齐和协调，彻底改变了应急管理领域。为探索DITs如何推动应急协作过程，本研究基于协同治理理论、资源依赖理论和公共价值理论构建了一个理论模型。通过在中国湖南省五个区县进行的访谈收集了经验数据。在此基础上，研究人员提出了一个由数字智能驱动的应急协作的基于智能体模型，旨在模拟这些技术对应急协作过程的影响。研究结果表明，构建良好且应用得当的DITs可以增强政府、企业、社会组织和公众在应急协作中的参与。此外，这些技术在提升这四类治理实体的应急能力方面影响最大，其次是对资源协作和协作共识达成的影响。最后，由于治理实体之间角色定位和资源占有的差异，DITs对其应急协作的影响也有所不同。本研究阐明了DITs在应急协作中的应用和影响，为应急管理现代化提供了宝贵的见解和参考。
**论文解读：数字智能技术驱动下的应急协作机制——基于多主体治理的智能体模型研究**
**研究背景与问题提出**
在全球变暖背景下，极端灾害频发已成为人类面临的常态化威胁，这凸显了建立强健应急协作体系的紧迫性。《2015-2030年仙台减灾框架》、ISO 22320:2018应急管理标准以及美国国家事件管理系统等国际框架，均明确将多主体协调、共享态势感知和协调资源管理作为有效应急响应的核心原则。协同治理（collaborative governance）被定义为一种治理安排，其中公共机构直接让非国家利益相关方参与正式、共识导向且审议性的集体决策过程，旨在制定或实施公共政策、管理公共项目或资产（Ansell & Gash, 2008）。尽管现有研究已表明数字智能技术（DITs）在应急管理全阶段促进信息、资源协调方面具有关键作用，但多数研究聚焦于技术可用性或描述性案例，鲜有解释DITs如何塑造不同行动者类型的协作选择，或如何重塑组织间交互逻辑。此外，证据大多来自西方民主国家，对非西方背景下DITs赋能的应急协作理解有限。研究人员不应将数字技术采纳视为纯粹工具性投入，而应分析其作为重塑组织间权力关系和协作逻辑的制度性干预。因此，本研究旨在探索DITs驱动四类治理主体（政府、企业、社会组织和公众）开展应急协作的机制。
**研究内容与结论**
为回答上述问题，研究人员首先通过理论分析构建了数字智能驱动应急协作（Digital Intelligence-Driven Emergency Collaboration, DIEC）的综合分析框架。其次，通过在中国湖南省五个区县的实地调研和访谈收集经验数据（包括41次个人访谈和19次小组访谈，共计约70.4万字文本，以及约75万字的政策文件、应急预案等文档材料）。基于该框架和实证数据，研究人员采用基于智能体建模（agent-based modeling, ABM）方法，探索DITs如何影响不同治理主体的应急协作，并提出若干理论命题。研究发现：构建良好且应用得当的DITs能够显著提升政府、企业、社会组织和公众在应急协作中的参与水平；DITs对增强这四类治理主体应急能力的影响最大，其次是对资源协作和协作共识的影响；由于治理主体在角色定位和资源占有上的差异，DITs对其应急协作的影响也呈现异质性。该论文发表在《International Journal of Disaster Risk Reduction》。
**主要技术方法**
本研究采用基于智能体建模（ABM）方法，基于固定阈值模型（Fixed Threshold Model, FTM）并引入数字智能刺激阶段构建仿真模型。模型包含四类智能体：政府智能体（G-Agent）、企业智能体（B-Agent）、社会组织智能体（O-Agent）和公众智能体（P-Agent），智能体数量依据田野调查中各类主体参与规模设定（政府40个、企业60个、社会组织32个、公众200个，总计332个）。模型通过环境刺激阶段、技术刺激阶段、决策前阶段和决策阶段四个步骤模拟DITs对协作的影响。参数校准来源于对湖南省五个区县访谈数据进行的内容分析（content analysis），共编码535个陈述单元，编码信度Krippendorff's α=0.864。仿真实验中，将DITs驱动效应作为处理变量，对比有无DITs驱动、不同协作要素（共识、资源、能力）以及不同主体类型下的应急协作水平变化，每组实验独立重复50次。
**研究结果**
*Content Analysis（内容分析）*：从访谈数据中识别出535个陈述，表明DITs在应急协作共识、资源协作和能力增强方面发挥积极作用。其中，涉及数字智能驱动协作共识的陈述66条，资源协作185条，能力增强284条。
*Experiment 1: Analysis of Differences in Emergency Collaboration Levels Under Conditions With and Without Digital Intelligence-Driven Effects（实验1：有无数字智能驱动效应下应急协作水平差异分析）*：通过Wilcoxon符号秩检验，发现所有四类主体在DITs驱动条件下的应急协作程度均显著高于无DITs条件（p=0.000<0.05）。DITs延长了高协作水平的持续时间，并显著提升了企业的协作程度。
*Experiment 2: Differentiated Driving Effects of DITs on Various Emergency Collaboration Elements（实验2：DITs对不同应急协作要素的差异化驱动效应）*：采用Friedman非参数检验，发现DITs对能力增强的驱动效应显著大于资源协作，资源协作显著大于协作共识（p=0.000<0.05）。该排序在四类主体中均成立。三种驱动效应随时间演化的趋势一致，增长率逐渐下降。
*Experiment 3: Analysis of the Differentiated Driving Effects of DITs on Different Types of Agents（实验3：DITs对不同类型智能体的差异化驱动效应分析）*：Kruskal-Wallis检验表明，不同主体在应急协作程度上存在显著差异（p=0.000<0.05）。政府协作程度最高，依次为公众、社会组织、企业。DITs对协作共识的提升对企业和公共影响最大，对政府最小；对资源协作的提升对企业最大，对公众最小；对协作能力的提升对公众最大，对企业最小。成本-收益权衡和DITs边际效用递减导致各主体协作程度在维持高水平后下降，企业最早下降，依次为社会组织、政府和公众。
*Verification and Validation of the ABM（ABM的验证与确认）*：通过改变DITs驱动率进行方向性验证，发现较高驱动率加速了早期协作扩散。扩展的敏感性分析显示，改变DITs应用成本和协作成本参数不会推翻主要定性结论，但高成本使协作轨迹的上升-峰值-下降模式更加明显。
**讨论与结论总结**
讨论部分指出：DITs对应急协作具有正向驱动效应，但存在最优投资阈值，过度依赖技术会降低灵活性。DITs对协作能力的增强效应最强，因其提供信息集成和智能分析功能，直接满足多主体协作对实时监测、预警、协同响应的需求；而资源协作受物理供应链和物流约束，协作共识依赖长期信任和合法性积累，故DITs提升效果有限。不同主体异质性源于角色定位、组织目标和资源禀赋差异：政府作为核心责任者，初始意愿强、阈值低；公众受健康安全动机驱动且能通过平台降低参与门槛；社会组织受稳定资源有限和程序负担影响，协作水平下降较早；企业追求利润，在成本上升时快速降低意愿。DITs对企业的协作共识提升最大，因其初始共识薄弱；对公众协作能力提升最大，因其初始能力基线低。
研究结论（翻译）：DITs的应用为应急协作转型提供了重要机遇，优化了应急信息传输并实现了智能分析。仿真实验证实，在最优投资阈值内投入和应用DITs能显著提升政府、企业、社会组织和公众在应急协作中的参与。在不同治理主体中，DITs对提升协作能力的影响最大，其次是对资源协作和共识构建的影响。然而，由于角色定位和资源占有的差异，DITs的影响因治理主体而异。重要的是，由于中国是单一制国家且行政体系相对集中，模型将政府智能体视为事件管理安排中的功能性主导协调机构。在集中制系统中，单一主导公共机构常执行此角色；在分权或联邦制系统中，事件指挥结构、牵头机构安排和政府间响应网络可能执行此角色。这种制度差异会改变基线协调成本并重新分配权力和资源，可能改变构建共识、促进资源协调和增强能力等机制的相对强度。
