DOI：10.12154/j.qbzlgz.2026.03.011 1 引言 当前，我国正处于数字经济蓬勃发展的关键时期，新旧矛盾的交替出现增加了社会风险的耦合程度，形塑了危害频发的高风险场域，也使得应急管理部门时刻处于应对复杂突发事件的高压态势。作为应急管理的“神经中枢”，应急情报贯穿突发事件的全生命周期，是支撑科学决策和精准行动的核心要素，也是应急管理效能提升的重要保障[1]。自数据与土地、劳动力、资本、技术等传统要素并列为第五大生产要素以来，借助大数据、人工智能等新兴技术，应急情报的广度和深度得到显著提升，并逐渐从单一信息支持的传统模式转变为融合知识传递的新型范式[2]。2024年1月，国家数据局等17个部门联合印发了《“数据要素×”三年行动计划（2024—2026年）》[3]，旨在充分发挥数据要素乘数效应，赋能经济社会发展。行动计划中将“数据要素×应急管理”列为数据要素乘数效应赋能的12个重点领域之一，与2022年6月应急管理部印发的《“十四五”应急救援力量建设规划》[4]互为表里、相辅相成，既体现了国家对于激活应急数据要素潜能的殷切希望，也为应急情报的收集、处理、共享和决策等关键环节提供了全新动力。在此背景下，如何精确掌握与突发事件相关的应急情报，充分发挥其先导性支持和嵌入性服务的生命力和创造力就显得尤为重要。基于此，本研究拟探索“数据要素×”效应下应急情报服务关键影响因素，以期提高应急情报的感知能力和协同水平，为辅助应急决策、降低应急风险、推动应急管理全流程增韧提供新思路。 2 研究综述 2.1 数据要素×应急管理相关研究 数据要素作为数字经济和信息社会的新型生产要素，具有非竞争性、非排他性和异质性等特征[5]，在优化资源配置、加强人才培养、促进新质生产力发展和推动实体经济提升中发挥着重要作用。乘数效应则起源于经济学领域，主要用来描述某一生产要素的增减变化在总量中引起的连锁反应。综合数据要素和乘数效应的概念，本研究认为“数据要素×”指的是通过发挥数据要素放大、叠加、倍增的作用，使不同的数据要素在相互作用和整合过程中实现整体生产力的几何式增长。 在应急管理领域，对于数据要素乘数效应的研究主要聚焦于逻辑内涵与场景应用两个方面。逻辑内涵方面，张夏恒和冯晓宇[6]从载体、形式和环节3个维度对数据要素乘数效应进行了逻辑解构，并将载体维度细分为乘数据、乘要素、乘场景和乘产业四大类；沙勇忠和魏兴飞[7]结合数据要素的关键特征，以数据—信息—知识—智慧模型为基础阐述了应急管理数据要素乘数效应的作用机理。场景应用方面，Mohanty[8]利用大数据智能化、高效性和共享性的优势，以期提高信息感知能力和城市应急水平；Talley[9]认为充分发挥大数据的效能有利于构建城市全过程智能化应急系统。 2.2 应急情报服务相关研究 应急情报是信息资源管理和应急管理交叉衍生的重要前沿领域，在应急管理实践场景中有着不可替代的作用[10]。应急情报服务指为了满足应急管理活动全过程的情报需求所提供的内容多、范围广的动态情报服务，其根本宗旨在于最大限度地降低突发事件带来的影响和危害[11]。近年来学界围绕应急情报服务的研究热情持续高涨，且已经在基础理论、关键技术和价值创造等方面取得了丰硕成果。基础理论方面，无论研究是聚焦在应急情报的概念内涵、生成机理和决策体系，还是侧重于探索危机情境下情报流动的结构性特征与动态演变规律，均是为了促进应急情报的有效流转和协同治理[12]。关键技术方面，大数据、区块链、人工智能等新一代数字技术与应急情报服务的融合趋势愈发明显，不仅降低了应急情报感知难度、打破了应急情报信息壁垒，还升级了数据的处理速度、推进了应急管理体系和能力的现代化进程[13]。价值创造方面，应急情报服务通过系统性思维、协同性思维、智能性思维将工作逻辑定位从“边缘化”转向“集中化”，悄然改变着其服务体系和服务能力[14-15]。 2.3 相关研究述评 综合现有研究来看，国内外学者围绕数据要素乘数效应赋能应急管理以及应急情报服务展开了较为丰富的研究，但仍存在一些不足。一方面，尽管“数据要素×”在应急管理领域的应用已初见端倪，但其与多元主体协同的应急情报服务之间的深度融合与路径优化仍有待系统探明。另一方面，在应急情报服务相关研究中，数智技术的应用仍呈现碎片化现象，一定程度上忽视了对数据要素赋能应急情报服务影响因素和运行效果的系统性分析。鉴于此，本研究以“数据要素×”行动计划为背景，借助WSR系统方法论构建应急情报服务影响因素体系，利用模糊DANP方法和ISM模型揭示关键影响因素之间的层级结构和逻辑关系，以期为提高应急情报服务水平提供理论参考和实践指导。 3 研究设计 3.1 研究思路 首先，基于WSR系统方法论，从物理、事理和人理三个维度构建应急情报服务影响因素指标体系。其次，运用模糊DANP方法计算综合影响矩阵，并据此得到各个因素的影响度、被影响度、中心度和原因度，以便绘制因果关系图和识别关键因素。最后，结合ISM模型对影响因素进行层级划分，绘制应急情报服务影响因素多级递阶结构图，从而分析各影响因素之间的相互关系并给予对策建议。 3.2 研究方法 3.2.1 模糊DANP方法及其适用性
