•  
  •  
 

Journal of Scientific Information Research

Keywords

future industrial policy, LDA topic model, policy tools, PMC index model, content analysis method

Abstract

[Purpose/significance] Policies serve as a critical safeguard for guiding cutting-edge technological innovation and fostering a modern industrial system. Systematically evaluating the future industrial policy system and exploring its optimization paths are of great significance for enhancing the scientificity of policies and strengthening industrial competitive advantages. [Method/process] Based on a three-dimensional of framework "theme-tool-effectiveness", this study conducts a systematic quantitative assessment of 19 provincial-level future industry policies in China using a combination of content analysis, LDA-based topic modeling, and the PMC index approach. [Result/conclusion] The research indicate that while the thematic coverage is comprehensive, coordination is fragmented. Stronger links are needed across different government departments and regions. The policy tools show the structural imbalance of "strong supply side, weak environmental side, insufficient demand side". As a result, relevant innovation-chain and industry-chain integration is difficult. The overall effectiveness of policy implementation is good. But the policy system faces the problems of timeliness, evaluation precision, and iterative responsiveness. Consequently, this study proposes three corresponding optimization paths：establishing the system of cross-sector and cross-regional collaborative governance, making supply tools, environment tools and demand tools in dynamical balance, and optimizing policy by incorporating regulatory sandbox and third-party evaluation mechanisms. The research provides theoretical and practical references for resolving the structural contradiction of "high policy effectiveness-low dynamic adaptability". It also facilitates a shift in future industrial policy from isolated breakthroughs to systemic empowerment.

First Page

102

Last Page

113

Submission Date

9-Dec-2025

Revision Date

22-Jan-2026

Acceptance Date

2-Feb-2026

Published Date

1-Oct-2026

Reference

[1] 余东华. "十四五"期间我国未来产业的培育与发展研究[J]. 天津社会科学，2020（3）：12-22.

[2] 陈劲，朱子钦. 全球未来产业的发展态势及对中国的启示[J]. 新经济导刊，2021（3）：4-9.

[3] 马海群，张斌. 基于LDA模型的我国开放公共数据政策供给特征分析[J]. 现代情报，2023，43（8）：35-44.

[4] 陈美，孙瑞乾. 政策工具视域下我国省级数字经济政策文本的量化分析：基于LDA的主题社会网络分析[J]. 情报杂志，2023，42（11）：174-182.

[5] 卫武，徐和衍. 政策工具视角下我国众创空间政策文本分析[J]. 科研管理，2024，45（2）：39-49.

[6] 俞露露，张洪艳，胡广伟. 政策工具视角下我国智慧社区政策特征分析与审思[J]. 情报科学，2024，42（2）：24-34，55.

[7] 明翠琴，彭宏亮，陈光. 区域创新政策量化分析：以中国绵阳科技城为例[J]. 创新科技，2026，26（4）：64-76.

[8] 苏芳荔，李世豪. 基于PMC指数模型的非物质文化遗产政策评价研究[J]. 情报科学，2023，41（11）：151-161.

[9] 潘静，易红郡，卢瑜. 地方政府发展新质生产力政策文本多维量化评价[J]. 科技情报研究，2025，7（4）：111-121.

[10] 刘秉镰，胡清元，周密. 京津冀产业协同政策的量化评估：基于政策协同的分析框架[J]. 科学学与科学技术管理，2024，45（2）：3-21.

[11] 任越，李泊泳，谭科铭. 基于"主题—工具—效力"三维框架的我国传统村落保护政策研究[J]. 情报科学，2025，43（4）：1-12，34.

[12] ROTHWELL R O Y，ZEGVELD W. An assessment of government innovation policies[J]. Review of Policy Research，1984，3（3-4）：436-444.

[13] 胡峰，李加陈，翟婧. 政策文本计量视角下科技人才政策分析与评价：基于"工具—效力"的二维框架[J]. 情报科学，2024，42（6）：99-112.

[14] 周瑛，严林志. 双碳背景下新能源汽车政策文本量化评价[J]. 软科学，2024，38（7）：127-134，144.

[15] 毛子骏，梅宏. 政策工具视角下的国内外人工智能政策比较分析[J]. 情报杂志，2020，39（4）：74-81，59.

[16] 吕文晶，陈劲，刘进. 政策工具视角的中国人工智能产业政策量化分析[J]. 科学学研究，2019，37（10）：1765-1774.

[17] ESTRADA M A R. Policy modeling：Definition，classification and evaluation[J]. Journal of Policy Modeling，2011，33（4）：523-536.

[18] 张永安，耿喆. 我国区域科技创新政策的量化评价：基于PMC指数模型[J]. 科技管理研究，2015，35（14）：26-31.

[19] 周巍，张美丽. 西北五省（区）数字政府建设政策文本量化评价：基于PMC指数模型的分析[J]. 情报科学，2023，41（12）：99-109.

[20] 蔡冬松，柴艺琳，田志雄. 基于PMC指数模型的吉林省数字经济政策文本量化评价[J]. 情报科学，2021，39（12）：139-145.

[21] 张永安，周怡园. 新能源汽车补贴政策工具挖掘及量化评价[J]. 中国人口·资源与环境，2017，27（10）：188-197.

[22] GO-Science. Horizon Scanning：template[EB/OL].（2024-08-29）[2026-08-27]. https://www.gov.uk/government/publications/horizon-scanning-template.

Digital Object Identifier (DOI)

10.19809/j.cnki.kjqbyj.2026.04.010

Download

Share

COinS