（一）《数据要素市场化对城市人工智能创业活力的影响》导读
作者：申杰，中央财经大学经济学院；昌忠泽，中央财经大学国家财经战略研究院。
简介：本文基于2008—2023年我国271个城市的面板数据，以数据交易平台的设立为准自然实验，系统考察数据要素市场化对城市人工智能创业活力的影响效应和作用机制。研究结果发现：数据要素市场化显著提升城市人工智能创业活力，而推动风险投资发展和激发企业家精神是其重要的传导路径；在数据传输效率较高、教育水平较高及东部沿海的城市，数据要素市场化对人工智能创业活力的促进作用更突出；数据要素市场化具有正向的空间溢出效应，有效带动周边城市人工智能创业活力的提升。本研究不仅有助于深化对数据要素与创业理论二者关系的认识，也为优化数据要素市场设计和制定精准的人工智能产业政策提供科学依据。
引用：申杰, 昌忠泽. 数据要素市场化对城市人工智能创业活力的影响 [J/OL]. 财经论丛, 2026: 1-14.
（二）《公共数据对专精特新企业高质量发展的影响研究》导读
作者：徐红丹，燕山大学经济管理学院；王玖河，燕山大学经济管理学院。
简介：政府开放公共数据是释放数据要素价值和培育新质生产力的关键举措。作为发展新质生产力的重要力量，专精特新企业能否充分利用公共数据要素有待研究。本文聚焦于2014-2022年专精特新上市公司，基于双重机器学习模型探究政府开放公共数据要素对其高质量发展的影响机制。研究发现：政府开放公共数据要素有助于专精特新企业实现高质量发展；公共数据要素通过发挥数字化效应、产品优势效应和国际化效应赋能专精特新企业高质量发展。具体而言，政府开放公共数据要素有助于专精特新企业主动实施数字化转型、提升产品市场竞争优势和推进国际化发展，进而实现其高质量发展；公共数据要素对专精特新企业高质量发展的影响在入选专精特新批次早、处于技术密集型行业以及市场公平竞争程度较高地区的企业中更加显著。本文揭示了公共数据要素赋能专精特新企业高质量发展的作用机理，为充分释放公共数据要素价值与破解专精特新企业发展瓶颈提供理论参考。
引用：徐红丹, 王玖河. 公共数据对专精特新企业高质量发展的影响研究 [J/OL]. 科研管理, 2026: 1-13.
（三）《数据要素对现代化产业体系建设的影响效应研究——来自国家级大数据试验区的经验证据》导读
作者：章曼，河南大学经济学院。
简介：创新链、产业链、资金链和人才链的有机融合,是建设现代化产业体系最根本和核心的问题,而数据要素对于“四链融合”具有重要意义。将国家级大数据综合试验区作为一项准自然试验,基于2008—2021年我国281个地级市的面板数据,运用双重差分模型识别数据要素对我国现代化产业体系建设的影响效应。研究发现:数据要素是现代化产业体系建设的重要驱动力,该核心结论在多重稳健性检验下均保持稳定;机制分析发现,数据要素主要通过数字人才集聚和四链协同的路径推动现代化产业体系建设;异质性分析表明,数据要素对于经济发达、金融发展和创新能力更强的城市现代化产业体系建设的促进效应更明显。因此,应稳步推动市场化改革,并加强数据基础制度建设,破除制约数据要素合理流动和高效配置的体制机制;同时,在优化人才引育和促进四链协同政策基础上,结合城市经济、金融发展和创新能力,因地制宜地探索数据要素赋能现代化产业体系建设的路径。
引用：章曼. 数据要素对现代化产业体系建设的影响效应研究——来自国家级大数据试验区的经验证据 [J/OL]. 大连理工大学学报(社会科学版), 2026: 1-12.
（四）《The Myth of Good Data: An Ecosystem Perspective on Data Integrity Breakdown and Rehabilitation》导读
中译：《好数据的神话：数据完整性崩溃和恢复的生态系统观点》导读（翻译来源：知网学术翻译）
作者：Kathleen H. Pine，亚利桑那州立大学健康解决方案学院；Melissa Mazmanian，加州大学欧文分校唐纳德・布伦信息与计算机科学学院。
简介：近年来，大量的刺激围绕着通过基于证据或数据驱动的决策来改变组织和机构的潜力。然而，这种承诺往往以稳定的数据质量观为前提。在本文中，我们从数据完整性的实践角度出发，询问如何在数据生态系统中的某一点利用数据的尝试会产生意想不到的涟漪，从而引发生态系统中另一点数据资源完整性的崩溃。我们进一步概述了当完整性被破坏时，修复数据所涉及的多重尝试。通过在多个卫生保健机构的多地点民族志研究，我们追踪了4个情境数据完整性崩溃的实证例子（协商类别分解、类别扩展分解、数据不匹配分解），将每个案例中的触发因素、反应和康复能力联系起来。我们认为，组织需要考虑到正在进行的重新培训人员、修改IT系统和/或改变数据收集实践的工作，以恢复数据的完整性，这些完整性将不可避免地由于在连接的数据生态系统中改变需求、目标、期望和/或IT系统而遭到破坏。这样，我们就可以洞察利用数据的尝试所带来的往往不可预测的影响，从而丰富关于数据驱动决策及其对组织战略和实践的影响的讨论。
引用：PINE K H, MAZMANIAN M. The Myth of Good Data: An Ecosystem Perspective on Data Integrity Breakdown and Rehabilitation[J]. MIS Quarterly, 2026, 50(2): 615-640.
