《Economies》：AI-Assisted B2G Cloud Intelligence Simulation for Foundational Digital Governance Competencies: A Pilot Study in Higher Education
编辑推荐：
数字治理日益要求未来管理者理解集成数据、政策缺口、基于云的信息系统以及证据型建议。研究人员评估了B2G Cloud Intelligence，一个AI辅助的基于云的仿真平台，旨在支持高等教育中基础数字治理素养（Foundational Digital Gove
数字治理日益要求未来管理者理解集成数据、政策缺口、基于云的信息系统以及证据型建议。研究人员评估了B2G Cloud Intelligence，一个AI辅助的基于云的仿真平台，旨在支持高等教育中基础数字治理素养（Foundational Digital Governance Competencies）的培养。研究对象为玛琅国立大学（State University of Malang）管理学习项目修读管理信息系统课程的学生。在72名参与者中，68份有效数据集被分析，为期四周的试验覆盖平台导览、Helicopter View、Data Integration、Policy Insight、AI Consultant、Gap Analysis与Policy Map开发。数据通过前测与后测、基于技术接受模型（Technology Acceptance Model, TAM）的可用性问卷以及项目产出评估量规收集。结果显示平均分从60.3升至81.7，增益21.4分；TAM得分达4.22，项目产出评估为86.1/100。这些发现提供了初步证据，表明AI辅助B2G仿真可支持与数据集成、政策分析及证据型建议制定相关的基础素养。然而，由于采用单组试点设计，该发现不应被解释为劳动力市场结果或公共部门绩效的因果证据。
研究背景与问题提出
数字经济发展使公共部门与企业对政府（Business-to-Government, B2G）决策愈发依赖集成数据、政策缺口分析与证据型建议。高等教育在培养具备数字治理技能的未来管理者方面承担关键角色。传统管理信息系统教学常将信息系统呈现为技术特征堆叠，而非连接行动者、数据、流程、政策与决策的整体系统，导致预期数字治理素养与可用学习体验之间存在鸿沟。现有数字学习平台多聚焦材料递送或习题训练，缺乏将B2G场景、云架构、数据集成与AI辅助决策支持相融合的仿真环境。为此，研究人员开发并评估B2G Cloud Intelligence这一AI辅助云仿真平台，用以在管理信息系统课程中支撑基础数字治理素养形成。
研究方案与核心结论
研究人员以印尼玛琅国立大学管理学习项目第四学期修读管理信息系统课程的72名学生为样本，经完整性筛查后保留68份有效数据，分为12个5—6人小组，开展为期4周、每周2次会话的单组前测—后测试点。平台集成Helicopter View、Data Integration、Policy Insight、AI Consultant、Gap Analysis与Policy Map六大模块，AI Consultant被定位为引导式决策支持脚手架而非自主决策者，所有AI产出须经数据核对与师生研判。前测均分60.3，后测81.7，增益21.4分，归一化平均增益0.54（中等）；配对样本t检验t(67)=20.52，p<0.001，效应量dz=2.49。TAM问卷总均分4.22（感知有用性4.31、学习投入4.27、决策支持质量4.22、感知易用性4.08）。小组级项目量规（Gap Analysis Report、Policy Map、Project Reflection）均分86.1/100。研究人员指出，该平台可作为体验式学习介质连接理论与B2G实践，但单组无对照设计意味着结果仅为试点证据，不能推断因果或劳动力市场成效。论文发表于MDPI期刊《Economies》（economies-14-00362）。
主要关键技术方法
研究人员采用单组前测—后测试点设计，样本为玛琅国立大学管理学习项目第四学期学生（72人入组、68人有效）。干预为4周B2G Cloud Intelligence云仿真，按平台导览—Helicopter View与Data Integration—Policy Insight/AI Consultant/Gap Analysis—Policy Map与汇报的序列推进。测量工具含自研五维前后测（B2G信息流、云架构、数据集成、政策分析、系统决策）、基于TAM的5点Likert可用性问卷（感知有用性、感知易用性、学习投入、决策支持质量，报Cronbach’s α信度）、100分七维度小组项目量规。统计分析用描述统计、配对样本t检验（正态时）或Wilcoxon符号秩检验、Cohen’s dz效应量、归一化增益g=(后测?前测)/(满分?前测)，g<0.30低、0.30≤g≤0.70中、g>0.70高。
研究结果（保留小标题）
5.1 B2G Cloud Intelligence在数字经济增长治理仿真中的实施
研究人员确认平台可支撑完整云工作流：用户层（学生/教师/管理员）、接口层（Dashboard、Helicopter View、Policy Map、Gap Analysis）、核心服务层（仿真工作流、AI Consultant、Policy Insight引擎）、数据层（B2G场景集、政策指标、活动日志）、评估层（前后测、TAM、量规）。学生按模块顺序推进，证明基于互联网的仿真平台可承载管理信息系统课程中公共部门数字化转型的复杂学习。
5.2 数字技能与经济增长决策能力的提升
前后测对比显示总分由60.3升至81.7（+21.4），政策分析指标增幅最大（62.1→84.3，+22.2），数据集成分析59.2→80.7（+21.5）；归一化增益0.54属中等。配对t检验显著（t(67)=20.52, p<0.001, dz=2.49）。研究人员强调无对照组下不能归因平台唯一因果，但分数变化表明云仿真有助于把B2G系统开发流程转化为可操作经验。
5.3 对AI辅助决策支持平台的用户接受度
TAM总均分4.22（5点制“非常好”档）。感知有用性4.31±0.52最高，学习投入4.27，决策支持质量4.22，感知易用性4.08（好档）。表明学生认可平台在理解B2G开发过程、促进讨论与数据驱动决策上的价值，但易用性相对略低提示需优化导航与模板。
5.4 Gap Analysis Report与Policy Map质量
12组协作产出的量规均分86.1/100。七维度中Policy Map与建议13.4/15最高，AI Consultant与Policy Insight使用13.2/15，反思与团队协作8.1/10，问题识别12.6/15，缺口分析质量12.8/15。结果显示学生能将数据探索与缺口映射组织为结构化证据型建议，但在问题框定与根因识别上仍须更强脚手架。
讨论部分总结
研究人员在讨论中重申：试点仅支持“早期人力资本形成”的解释，不直接证明劳动力市场化或公共部门生产力。B2G Cloud Intelligence的价值在于把云仿真、B2G场景与AI脚手架耦合，使学生在无对照条件下仍表现出数据集成、政策解读与证据建议能力的中等提升。AI Consultant必须置于人工核验与量规约束下以防依赖；感知易用性低于感知有用性，指向后续需简化界面、增加教程与分析模板。小组项目质量证明平台可承载项目制学习，但问题识别与Gap Analysis仍薄弱，须补actor matrix、B2G process map等框架。单校单课程样本限制外推，活动日志未做推断统计是方法局限，后续应引准实验、多机构样本、真实公共部门数据集与完整日志建模。
结论部分翻译
本研究开发并评估了B2G Cloud Intelligence，这一AI辅助基于云的仿真平台支持高等教育中基础数字治理素养。研究发现学生平均分由前测60.3升至后测81.7，增益21.4分，归一化平均增益0.54；基于TAM的可用性问卷显示用户接受度积极，总均分4.22；小组级项目量规表明学生产出的Gap Analysis Report、Policy Map与Project Reflection平均86.1/100。研究通过展示AI辅助仿真如何支撑数字技能、劳动力准备度与证据型经济决策技能，对劳动与教育经济学作出贡献。这些发现提示AI辅助B2G仿真可帮助学生形成与B2G系统理解、数据集成、政策分析及证据型建议制定相关的基础素养。然而，由于研究采用单组试点设计与单一大学学生样本，结果不应被解释为劳动力准备度、劳动力市场结果、公共部门绩效或宏观经济影响的因果证据。其对劳动与教育经济学的贡献因此是初步的：研究展示了数字仿真平台如何支撑与未来经济治理能力相关的早期数字技能发展。
