AI+社区营造

后续更新

成都市“十四五”城乡社区发展治理规划明确提出“推进智慧社区创建工程”， 从顶层设计、平台建设、场景拓展三大维度构建智慧社区发展框架。

在顶层设计层面，要求衔接智慧蓉城“6+8+N”总体部署， 构建“115N”整体架构，其中“社区治理”作为五大核心板块之一， 亟需专业化工具支撑组织管理规范化发展。

在平台建设层面，强调对接智慧蓉城“三级平台、五级应用”， 打通数据采集与回流渠道，构筑一体化数字底座， 为社区组织管理数据的整合共享提供明确路径。

在场景拓展层面，提出“开放建场景”原则，鼓励开发治理类智慧应用。 本基金会希望支持项目为社会组织、社区自组织、基层工作人员、 社区社工与社区志愿者提供数智化管理工具、 工作流程解决方案与培训服务。

当前，国内社会组织、社区自组织与志愿者参与社区治理与社区服务 面临多重瓶颈，已成为制约基层治理效能提升的关键因素。

在组织发展层面，存在同质化内卷问题， 居民参与社区治理的比例仍有提升空间， 导致组织难以充分发挥治理支撑作用， 介入公共事务的能力有待增强。

在管理流程层面，相关活动记录多依赖纸质台账或分散的线上文档， 缺乏全流程数字化记录与追溯机制，管理效率偏低。

在评价体系层面，尚未建立标准化量化指标， 对组织成效的评估多依赖主观判断， 难以适配智慧社区的数据化管理要求。

本基金希望支持项目通过社区日常活动数字化与 AI 算法， 系统破解社区组织发展痛点，重点包括：

1. 数据整合层面： 依托活动记录、评价反馈等核心功能， 在日常活动中收集无结构化数据， 实现社区社会服务与组织管理成效相关数据“一网归集”， 有效解决基层“重复采集、多头报送”的难题， 为智慧社区一体化数字底座建设提供支撑。
2. 规范管理层面： 通过活动记录模板（涵盖时间、参与人数、成效说明等关键要素）， 将无结构化资料转化为量化评价指标， 助力破解组织同质化内卷与居民参与度不足问题。
3. 工作效能提升层面： 借助大语言模型及其 API 接口形成“AI 一键报告”， 将日常无结构化数据转化为 志愿者、社区社会组织、公益性岗位人员、 枢纽型社会组织及社区干部使用的 日常工作报告，实现一键生成。
4. 评鉴机制层面： 社区与街道可基于无结构化资料与大语言模型， 构建“AI 一键评鉴”， 提升对组织活力、服务覆盖范围、 财务使用、居民评价等核心指标的评估效率， 为街道统筹调度与精准培育提供决策依据。
5. 统计与数仓层面： 利用 AI 算法将无结构化数据转化为 各级政府所需统计变量， 储存于社区数仓中， 支持各类报表随时调用。
6. 数据融合层面： 有效对接成都市社区数仓建设， 将社区日常活动产生的无结构化数据 与政府提供及社区自行生产的结构化数据加以整合， 形成报告、报表与评鉴所需的变量库。
7. 流程智能化层面： 梳理社区工作流程， 对接会议系统等具备 AI 辅助能力的平台， 通过 API 整合形成“AI 一键工作”程序。
8. 成果输出层面： 在技术成熟阶段， 自动调用变量库数据， 实现“AI 一键报表”生成。

最后，本基金会希望支持的项目 通过无结构化数据的系统采集与 AI 算法应用， 提升社区决策品质， 为社区组织成长提供全周期赋能。

1. 对组织自身而言： 通过活动记录留痕与评价数据反馈的闭环机制， 帮助组织清晰识别发展优势与短板， 实现规范化成长。
2. 对居民参与而言： 透明化的活动记录与公开化评价结果， 显著增强组织公信力。
3. 对社区治理而言： 结合小程序报名、线上评价等低门槛参与方式， 有效促进居民广泛参与， 推动形成人人参与、人人尽责的社区治理共同体， 与成都社区发展治理目标高度契合。

西南财经大学玉君智能社会治理研究基金会希望支持项目为信息时代的复杂社会系统提出有效的社会治理所需数据、分析方法、人工智能算法以及系统演化建模， 以帮助国家社会治理提出有效政策并能做出即时干预。

项目研究特色应包括下列一项（但不限）：

1. 多层次的社会治理体系： 社会治理可以分成三层：基层（社区、街道）治理、城市社会治理、国家社会治理。层层递进，又会层层涌现出新的社会问题与治理需求， 所以既需要各个分层的个别分析，也要探讨由微观到宏观层层总合而涌现出来的治理议题。
2. 全面而广泛地以大数据分析社会治理主要功能： 这些功能包括社会治安、社会福利（养老、育幼、就业帮扶等）、社会保障（扶贫、保险、失业保障、助残等）、社会心理服务（社区心理应激反应的预防、咨询、行为干预、心理康复）、 教育供应与公平获取、医疗供应与公平获取、公共卫生、社会组织管理、公共危机管理等。
3. 以多元治理的思维完成复杂社会系统治理目标： 各治理层次中，居民由下而上自组织、自发展、自我解决问题的过程中形成社会趋势。如何善用自发力量，有效掌握居民需求的产生与成长， 了解社会趋势的发展与引爆点，从而各级政府基于数据分析制定科学决策，整合各治理主体力量，导引社会趋势，有效执行社会治理功能， 真实解决居民需求，并在社会问题爆发危机之前有效消弭危机。
4. 运用以社会学、心理学理论为核心的社会计算方法： 整合大数据、人工智能算法、社会网络分析、系统演化动态建模以及数字孪生技术，对上述社会治理问题进行文理交融研究。 研究以实际问题出发，围绕相关社会科学理论为核心，寻找适当大数据与结构化数据库，发展相应算法与模型。
5. 培养文理兼融型人才： 项目整合社会治理理论、公共管理、社会工作、心理学的研究生与学者， 以及计算机科学的数据挖掘、机器学习、物理、生态等系统科学知识， 在研究项目与日常讨论中促成文理交融研究，培养能够进行文理对话的学生与人才。
6. 多学门整合： 社会治理与社会计算紧密相连。研究题目在治理理论、社会工作、公共政策等方面交叉； 在数智社会时代的复杂社会系统研究中，共享不确定性、网络、自组织、涌现、非均衡、正反馈或边际效率递增、非线性演化等理论架构； 方法上以大数据分析、人工智能算法、博弈演化、网络动力学、复杂网络与 ABM 模型为主流。

社会计算的核心使命之一是研究行为与社会网络结构的共同演化，这与计算传播学高度交叉： “想法流”在社会网络中流动，流向何处、改变谁的决策，一方面受网络结构影响，另一方面也重塑网络结构。 决策改变与网络结构改变正是共同演化研究的核心。

研究项目需要在理论与方法的发展上紧密结合数智社会治理需求： 一方面看到由下而上社会发展的力量，另一方面探究社会力量如何与政府调控整合，形成多元治理新模式。 因此政府力量如何介入多元治理、政府与社会如何互动是社会计算与计算治理理论交叉的关键。

2. 社会计算研究方法

1. 大数据收集： 在社区层次需选择一到数个实验点，建立社区大数据中心，有效收集社区居民公共生活数据，如居民身心健康、邻里关系、社区参与、社区治安、公共卫生、公共空间使用、居民福利需求、环境保护、公共情绪等。 在城市层次，可在实验社区所在城市中选择一到数个城市实验，打通城市各功能部门数据库，并与社区数据连接； 既能即时了解社区需求，也能支持决策与即时干预。 在国家治理层次同样需打通相应数据库，以检视从社区到城市到国家的社会治理发展与演化轨迹。
2. 整理大数据为结构化数据，并整合既有结构化资料库： 针对每项治理功能，在社区层次将大数据整理为治理相关特征变量的结构化资料库； 在城市层次可通过爬虫获取公开大数据，或在平台企业合作下整理平台大数据为结构化特征变量； 在可保护隐私的计算方法（如联邦学习）支持下，打通结构化大数据，提取议题相关特征变量并整合城市政府数据进行研究。
3. 社会计算方法与预测建模： 对各类社会治理议题使用深度学习建立预测模型： 一方面可预测社会治理问题发生的可能性； 另一方面可利用可解释 AI 分解“黑箱”，帮助各级政府找到问题发生原因，从源头制定决策。
4. 以社科理论为核心促成“理论–数据挖掘–预测模型”的三角对话：

   

   在预测模型与理论解释的研究中，探索性与验证性研究在社会科学理论、机器模型与数据挖掘三角对话中循环交互。 过程包含演绎法与归纳法：理论指导数据挖掘，数据挖掘结果用于修正机器模型； 模型与理论对话后，若一致则验证理论，若不一致则分析影响因素并修正模型； 同时，数据驱动模型也可探索新理论方向，通过可解释 AI、定性调查、错误样本溯因等方法，判断是否需要修正理论并提出新命题。

社区营造／社区规划是一次面对信息时代复杂社会的挑战而有的回应。新时代里，因为人们的个性化诉求， 各类公共产品不再能够大规模供给、标准化复制、齐一化消费，为了因应越来越多样化的社会福利与社区服务的诉求， 多少国家的政府因而破产，只好不断降低福利供给。

另一方面，信息时代的互联网、移动互联、社交网络改变了原来原子化的个人，成为一个又一个的社区──地理的、实体的、虚拟的， 建在一个又一个的微信群、QQ群、小红书群中，他们有了自组织，如何激活他们解决自身的公共事务，成了新时代社会治理创新的当务之急。

于是，政府不再是社区公共产品的唯一提供者，而变成了基本公共产品的保障者，社区成员自组织的激励者， 社区自治理、自发展能力的培育者，社区公共空间和基本经费的提供者，社区制度环境的设计者。 简言之，政府从社会福利与社会服务唯一的供给者转换角色成为了保障者、设计者与支持者。

而社区成员则一改“等、靠、要”的心态，成为社区公共事务的参与者，并主导了大多数公共产品的供给， 尤其是那些基础保障之外的多元多样的诉求。 企业在这样的治理创新中也要一变以往只想把社区邻里关系转化成交易关系的破坏者角色， 而要帮助社区内部关系的建设，以及重构社区与外部市场间的关系。

政府、社会、市场三种治理模式也发生了一定的转变，如何将它们融合在一起，相生而不相克，达到社区善治， 是每一个社区都要做的“实验”。因应我国南北东西、城市乡村如此不同的社区，做中学、学中做， 实践中总结理论、理论再指导实践，渐渐地一些适用于我国社会的实践与理论会逐步浮现， 这正是社会治理创新实验的意义所在。

但想要培育社区成员自组织又谈何容易？

本基金会希望支持项目通过深入的跟踪式社区调研与社区营造实验，深入研究中国的社区营造规则和自组织的产生机制以及社区认同形成过程， 分析社区自组织产生出操作规则、集体决策、监督规则、宪法规则等的建构历程，因此，掌握不同类型社区的社区意识构建、自组织及自治理的规则产生，概述如下：

所谓社区的自组织，是一种由社区成员自主的形成社会网络的社会过程。 根据社会学者格兰诺维特（M. Granovetter）的理论及政治学者的奥斯特罗姆（E. Ostrom）的理论，其关键进程体现为：

1. 人们之间有偶尔的互动和连接，此谓社会网的连结。
2. 小团体产生，内部连结多于外部连结，产生有明显边界的一个群体。
3. 团体认同产生，有了我群意识。
4. 团体目标产生，产生集体行动的需要。
5. 团体规则产生，即团体交流的例行化。
6. 集体监督的机制。

在以上之第5、6步即规则形成之时，会自发地出现三种不同的规则领域：即操作规则、集体选择规则和宪法规则。 并且，此三规则中间，又有着如下八类问题可以进行展开研究和调查：

1. 清楚的边界设定
2. 操作规则与当地条件一致
3. 集体选择的安排
4. 监督
5. 分级制裁
6. 冲突与解决机制
7. 自主性与上级的分权
8. 内部的分权

基金支持项目需要在有代表性地选取四川、成都与重庆等地的城市/乡村社区营造实践点进行长期跟踪调研， 我们并将研究的成果整理出版，加入 “社区营造研究书系”。

2、研究方法

研究取向是以实证研究为基础，结合定量与定性研究。 主要采取方法有：问卷调查、发展量表数据收集和统计检验相结合的实证研究，以及定性的深度访问法、案例分析法和文献研究法。

展开田野访谈。根据社区总体营造概念之实施步骤，在若干的社区营造实践基地上派员常驻，进行长期驻村观察，以记录每天的社区发展过程。 对于有合作社、社区委员会、协会等自组织的社区，调查员还对当地自组织负责人进行访谈。

展开问卷调查。第一年的计划着重在事实的掌握，透过扎实的田野调查与文献资料的阅读， 我们希望对于国内社区营造过程有深入的了解，比较各地发展的异同。 从这些异同之中，我们希望可以设计一套适用性更广的问卷，在第二年、第三年的研究有针对性地进行“结构化”访谈， 尽量扩充样本数，总结提炼大陆社区营造模式，深入研究社区自组织机制，及自组织内部选择与规则形成的过程。

进行历史比较分析（Comparative Historical Analysis, CHA）：CHA是目前历史社会学者常常采用的一种解释历史发展的方式， 是希望透过描述寻找隐藏在事件背后的因果关系，透过比较来建立事件的规则性解释。 而这样的解释方式，将随着新事件的出现以及对旧事件的了解加深，而出现了新的解释。 因此，在观察灾后社区重建的历史中，我们将重视因果关系的建立、因果假设都经过检证， 详细并认真的描述事件发展的顺序与经过，对于相似与不同个案之间进行系统脉络的比较。

在现代化、工业化、城市化的大潮中，一方面无孔不入的市场力量把所有社区关系解体，成为原子化的个人，只拥有各式各样的交易关系。 另一方面，如管理大师彼得·杜鲁克所言，现代“保姆型政府”、“万能型政府”也以由上而下的控管瓦解掉社区的自我团结、自食其力。 当居民逐渐丧失了自组织、共参与、同议事的能力时，社区营造／社区规划成为了时代呼应新需求的答案。

西南财经大学玉君智能社会治理研究基金会希望支持项目立足本土实验，在各地的一线工作里， 掌握了一些在中国的土壤中能生根发芽的技术，将之总结出一套工作流程，以及满足各种社造工作的工具箱， 提供给对社区营造／社区规划感兴趣的个人、工作团队或组织可以直接参考、动手去做。

后续更新