大数据在国家工作人员学法平台的应用探析

梁群

【摘要】    党和国家一直以来高度重视全面推进依法治国相关工作开展，如何有效的提高国家工作人员的法律素质，成为了事关国泰民安的重要课题。本文针对国家工作人员学法平台上的典型应用场景，运用大数据技术改进原有的学法方式，构筑普法教育新模式，增强普法宣传工作的实效性。

【关键词】    谁执法谁普法    大数据

一、引言

党的十八大以来，习总书记对全面依法治国着重进行了论述，并强调尊法学法守法用法在新时代下的重要性。2019年1月，工信部公布了《关于实行“谁执法谁普法”普法责任制的实施意见》，要求国家机关把普法作为推进法治建设的基础性工作来抓，制定本部门普法责任清单，明确普法任务和工作要求。在新时代的要求下，充分运用大数据的技术，建设国家工作人员学法平台，有利于健全国家工作人员学法管理考核制度，促进学法日常化、常态化，营造起国家工作人员的网上学法氛围，实现普法工作新模式，构筑全方位、立体化的“互联网+”普法大格局。

二、平台概述

基于大数据国家工作人员学法平台是面向国家工作人员提供全面的在线学法、在线考法以及管理平台，支持电脑Web端、数据大屏、移动App和微信（支付宝）H5等多种渠道的接入。

三、学法典型场景中大数据的运用

1、实现学法知识数据采集。学法平台需要面向各级普法办、司法行政机关以及所有国家机关、事业单位、国有企业提供各层级、各行业方面法律的知识，涉及到结构、半结构化以及非结构化（如：音视频、栅格、矢量等）的学法数据。借助大数据的ETL工具，能快速的完成海量学法数据的采集，减少人工参与，主要实现如下能力：第一，对接各行业的法治宣传平台，自动化的采集行业法律法规和其他法律宣传知识。第二，针对不同结构化数据，深度解析数据信息，实现数据的标准化规整。第三，运用爬虫技术，动态的采集互联网门户上的热门法治动态新闻数据，转换成平台中的学法知识。2、学法内容数据标签化。数据标签是用于管理对某事物从不同角度分析而得到的特征，在学法平台需要对海量学法数据根据业务规则对内容进行识别、提炼，最终赋予该法律知识具体的业务含义标签。学法平台建立统一的数据标签体系，支持对不同业务口径、不同来源渠道、不同管理层级、不同数据结构的分类标签管理。平台标签除人工生成外，还实现了基于机器学习的数据标签自动生成、自动选取以及最优推荐等功能，站在业务视角梳理数据，帮助用户将固化的经验转化为学法知识，实现标签资源的价值最大化。3、实现个性化学法内容推荐。传统的学法平台，展现给用户的推荐内容条目基本一致，无法满足不同用户不同的学习需求，借助大数据技术，建立推荐规则矩阵模型，基于该推荐策略规则引擎，实现个性化的学法内容推荐，结合移动端应用上的应用特性，获取平台登录国家工作人员的位置信息、职务信息、所属组织机构相关的执法和服务事项标签以及用户平时搜索和浏览的喜好信息，实现更智能化、个性化的学法知识内容推送，提供更加丰富的学法形式，调动学法用户的积极性，提高学法的实用性，进一步完成国家机关普法职责任务，推进国家机关普法工作的深入开展。4、实现精准的学法效果评估。学法平台构建在大数据的技术基础之上，还能很好的支撑法治宣传工作的数据分析与研判，形成整个普法工作的网上监督与绩效管理。借助大数据的分析能力，完成以下应用场景的数据分析：第一，建立基于行业、机构、人员多层级、多维度的学习分析模型，发布各种类型的竞赛排名成绩，切实提高国家工作人员学法的积极性。第二，根据用户的学法情况，用业务特征为学法用户“打标签”，勾勒出完整的用户“学法画像”，精准的为学法用户提供全方位的法律知识普及服务、构筑完整的闭环普法效能评估体系。第三，建設学法大数据中心，对“人、法、事、地、组织”等要素进行全方位的理解和认知，实现学法态势可视化展现能力，为全面依法治国提供数据决策支撑。

四、平台应用成效

平台改变原有的传统普法工作模式，截止到2019年8月底，管理78类执法行业，注册学员175.2万，手机APP下载量65万，共积累600万余个法治知识条目和试题。平台总访问突破40亿次，单日峰值高访问达750万人次，每年组织近1000场的线上试及考核，学员网上学法达标率99%。

五、结束语

建设基于大数据的国家工作人员学法平台，解决传统类学法平台用户积极性不高、无法实现个性化学法等难点和痛点问题，通过对大数据技术的充分应用，使得学法内容数据、应用数据和管理数据得以更加智慧化的利用，辅助政府建立更科学、更完善、更全面的学法、用法、考试、考核和评估的管理制度体系，提升国家工作人员的学法趣味性、积极性，切实推进实行国家机关“谁执法谁普法”普法责任制工作的落地实施。

参  考  文  献

[1]中共上海市徐汇区委员会，徐汇区人民政府.依托网络平台 推进领导干部学法用法[J].中国司法， 2009，10

[2]吕晓玲，宋捷.大数据挖掘与统计机器学习[M]， 中国人民大学出版社， 2016