DOI: https://doi.org/10.3389/ffgc.2025.1725074
تاريخ النشر: 2026-01-26
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: الاقتصاد الرقمي والتحول
نظرة عامة
تدرس هذه الدراسة تأثير مبادرات الحكومة الرقمية على إنتاجية العوامل الكلية (TFP) للأنظمة البيئية الحرجية عبر 30 مقاطعة صينية من 2015 إلى 2022. باستخدام نموذج التعلم الآلي المزدوج (DML)، تتناول البحث مشكلة الارتباط الذاتي والتحيز في التقدير، مما يسمح بتقييم كمي قوي لكيفية تعزيز الحوكمة الرقمية للكفاءة البيئية والاقتصادية في الغابات. تكشف النتائج أن الحكومة الرقمية ترفع بشكل كبير من TFP للأنظمة البيئية الحرجية من خلال ثلاثة آليات رئيسية: تعزيز قوى إنتاجية جديدة، وترقية الهياكل الصناعية، وتبسيط العمليات التشغيلية. بالإضافة إلى ذلك، تعمل الاقتصاد الرقمي كعامل تعديل إيجابي، مما يعزز تأثيرات الحوكمة الرقمية على TFP.
كما تسلط التحليل الضوء على التباين الإقليمي، مما يشير إلى أن تأثير الحكومة الرقمية على TFP يكون أكثر وضوحًا في المناطق ذات التنمية الاقتصادية الأعلى وموارد الغابات الأكثر ثراءً. بناءً على هذه الرؤى، توصي الورقة بسياسات تهدف إلى تعزيز الابتكار المؤسسي، وتسريع مبادرات الحوكمة الرقمية، وتكييف الاستراتيجيات مع السياقات الإقليمية المحددة. بشكل عام، توفر هذه الدراسة أدلة تجريبية على التفاعل المفيد بين الحوكمة الرقمية والاستدامة البيئية، مقدمة نموذجًا لدول أخرى لتحقيق التوازن بين النمو الاقتصادي والحفاظ على البيئة، وبالتالي المساهمة في أهداف التنمية المستدامة العالمية.
مقدمة
ت outlines مقدمة ورقة البحث الدور الحاسم للغابات في كل من الاستدامة البيئية والتنمية الاقتصادية، مع التأكيد على مساهماتها المتعددة الأوجه مثل تنظيم المناخ، وتخزين الكربون، وإنتاج الأخشاب. في الصين، شهد قطاع الغابات نموًا كبيرًا، متجاوزًا قيمة 10 تريليون يوان في 2024، ويعترف بشكل متزايد بأهميته في الأطر العالمية مثل اتفاقية باريس وأجندة الأمم المتحدة 2030 للتنمية المستدامة. ومع ذلك، لا تزال التحديات قائمة، بما في ذلك ندرة الموارد، وانخفاض التنافسية في السوق، وعدم الاستفادة الكافية من السلع البيئية، مما يتطلب تحولًا نحو ممارسات مستدامة وحوكمة محسّنة.
تم تقديم مفهوم “التنمية عالية الجودة” كنهج تحويلي لقطاع الغابات، مع التركيز على تحقيق التوازن بين الأمن البيئي والقيمة الاقتصادية من خلال الابتكار والكفاءة. تسلط الورقة الضوء على إمكانيات الحوكمة الرقمية، التي تدمج تقنيات متقدمة مثل البيانات الضخمة والذكاء الاصطناعي، لتحسين إنتاجية العوامل الكلية (TFP) في الأنظمة البيئية الحرجية. يهدف هذا النموذج الحكومي إلى تحسين إدارة الموارد، وتعزيز المرونة البيئية، وتقليل الآثار البيئية السلبية. على الرغم من الأبحاث الحالية حول الحوكمة الرقمية، لا تزال هناك فجوات كبيرة فيما يتعلق بتأثيرها المحدد على TFP للغابات في سياق البيئة التنظيمية الفريدة للصين. تهدف الدراسة إلى سد هذه الفجوات من خلال استكشاف العلاقة بين الحوكمة الرقمية وإنتاجية الغابات، مع دمج المتغيرات الوسيطة التي تعكس تعقيدات القطاع.
الطرق
في هذا القسم، يتناول المؤلفون التحديات التي تطرحها “لعنة الأبعاد” والتحيز في التقدير في النماذج الاقتصادية التقليدية، لا سيما في سياق الأنظمة البيئية الحرجية حيث تتأثر الإنتاجية بتفاعلات معقدة وغير خطية بين عوامل اقتصادية واجتماعية وطبيعية مختلفة. غالبًا ما تعتمد النماذج البارامترية التقليدية، مثل المربعات الصغرى العادية (OLS) والآثار الثابتة، على افتراضات قوية حول الشكل الوظيفي، مما قد يؤدي إلى تقديرات متحيزة عند التعامل مع بيانات عالية الأبعاد. للتخفيف من هذه المشكلات، يقترح المؤلفون استخدام نموذج التعلم الآلي المزدوج (DML) الذي يتعامل بفعالية مع العوامل المربكة عالية الأبعاد والعلاقات غير الخطية دون الحاجة إلى شكل وظيفي محدد مسبقًا.
يتم تنفيذ نموذج DML من خلال سير عمل منظم يتضمن تقسيم عينة عشوائية، وتطبيق خوارزميات التعلم الآلي لتقدير التوقعات الشرطية، وتقدير معاملات السببية عبر الانحدار الخطي للنتائج المعالجة والعلاجات. يستخدم المؤلفون خوارزمية شبكة عصبية مع نسبة تقسيم عينة 1:4 و5-fold cross-fitting لتعزيز القوة والكفاءة. يركز التحليل التجريبي على تأثير تطوير الحكومة الرقمية على إنتاجية العوامل الكلية للأنظمة البيئية الحرجية، مستخدمًا نموذجًا محددًا بمعادلات تتضمن معاملات العلاج، والمتغيرات الضابطة، وأجزاء الخطأ. تم بناء انحدارات مساعدة لضمان عدم تحيز مقدر معامل العلاج، مما يعزز الصرامة المنهجية للدراسة.
المناقشة
تؤكد قسم المناقشة في ورقة البحث على الإمكانيات التحويلية للحكومة الرقمية في تعزيز فعالية واستدامة الأنظمة البيئية الحرجية من خلال تحسين أطر الحوكمة. من خلال دمج تقنيات متقدمة مثل البيانات الضخمة، وإنترنت الأشياء (IoT)، والذكاء الاصطناعي، تعالج الحكومة الرقمية التحديات التقليدية في الحوكمة، بما في ذلك عدم التوازن في المعلومات والعزلة بين الإدارات. يمكّن هذا التحول من المراقبة البيئية في الوقت الحقيقي واتخاذ القرارات المستندة إلى البيانات، مما يعزز الصرامة العلمية لإدارة الغابات ويعزز الحوكمة التعاونية بين مختلف أصحاب المصلحة، بما في ذلك الوكالات الحكومية، والمؤسسات البحثية، والجمهور.
علاوة على ذلك، تفترض الورقة أن الحكومة الرقمية تعزز المشاركة العامة والشفافية، وهما أمران حاسمان للحوكمة البيئية الفعالة. من خلال توفير منصات متاحة لمشاركة المجتمع، يمكن للحكومة الاستفادة من مدخلات الجمهور ورقابته، مما يزيد من قبول السياسات وتنفيذها. يقترح المؤلفون عدة فرضيات، مشيرين إلى أن تطوير الحكومة الرقمية يمكن أن يرفع بشكل كبير من إنتاجية العوامل الكلية للأنظمة البيئية الحرجية من خلال تشجيع قوى إنتاجية جديدة وعالية الجودة، وترشيد الهياكل الصناعية، وتحديث ممارسات الغابات. لا تعزز هذه الحداثة الكفاءة التشغيلية فحسب، بل توسع أيضًا نطاق مخرجات الغابات من المنتجات الخشبية التقليدية إلى خدمات بيئية عالية القيمة، مما يؤدي في النهاية إلى قطاع غابات أكثر مرونة وإنتاجية.
القيود
تسلط قسم القيود الضوء على عدة قيود للدراسة الحالية، التي تستخدم مؤشر الحكومة الإلكترونية على المستوى الكلي كبديل للحكومة الرقمية. على الرغم من أن هذا النهج قد تم التحقق منه، إلا أنه قد لا يعكس بشكل كافٍ الرقمنة الخاصة بالقطاع، لا سيما في مجال الغابات، أو يأخذ في الاعتبار التباينات الفرعية في التنفيذ. النموذج المستخدم للتعلم الآلي المزدوج (DML) فعال في معالجة العوامل المربكة عالية الأبعاد والعلاقات غير الخطية ولكنه لا يأخذ في الاعتبار بشكل صريح تأثيرات الانتشار المكاني أو التعديلات الديناميكية. يعني هذا الإغفال أن التأثير المحتمل لتطوير الحكومة الرقمية في مقاطعة واحدة على إنتاجية العوامل الكلية البيئية للغابات (TFP) في المناطق المجاورة، فضلاً عن تطور تأثيرات الإنتاجية بمرور الوقت، لا يزال غير مُفحص.
لتحسين الأبحاث المستقبلية، يقترح المؤلفون تطوير مؤشرات حوكمة رقمية أكثر تفصيلًا وخاصة بالقطاع. بالإضافة إلى ذلك، سيكون من المفيد دمج نماذج الاقتصاد المكاني، مثل نموذج دوربين المكاني، أو نماذج بيانات اللوحة الديناميكية، مثل مقدرات الطريقة العامة للحظات (GMM). يمكن أن تساعد هذه التطورات في التقاط التعقيدات والاعتماد المتبادل والديناميات الزمنية المرتبطة بالحوكمة الرقمية وتأثيراتها على الإنتاجية، مما يؤدي إلى فهم أكثر شمولاً للموضوع.
DOI: https://doi.org/10.3389/ffgc.2025.1725074
Publication Date: 2026-01-26
Author(s): Zhenyun Du et al.
Primary Topic: Digital Economy and Transformation
Overview
This study investigates the influence of digital government initiatives on the total factor productivity (TFP) of forestry ecosystems across 30 Chinese provinces from 2015 to 2022. Employing a Dual Machine Learning (DML) model, the research addresses endogeneity and estimation bias, allowing for a robust quantitative evaluation of how digital governance enhances ecological and economic efficiency in forestry. The findings reveal that digital government significantly elevates forestry ecosystem TFP through three primary mechanisms: fostering new productive forces, upgrading industrial structures, and streamlining operational processes. Additionally, the digital economy serves as a positive moderator, amplifying the effects of digital governance on TFP.
The analysis also highlights regional heterogeneity, indicating that the impact of digital government on TFP is more pronounced in areas with higher economic development and richer forest resources. Based on these insights, the paper recommends policies aimed at promoting institutional innovation, accelerating digital governance initiatives, and tailoring strategies to specific regional contexts. Overall, this research provides empirical evidence for the beneficial interplay between digital governance and ecological sustainability, offering a model for other nations to balance economic growth with environmental conservation, thereby contributing to global sustainable development goals.
Introduction
The introduction of the research paper outlines the critical role of forestry in both ecological sustainability and economic development, emphasizing its multifaceted contributions such as climate regulation, carbon storage, and timber production. In China, the forestry sector has seen significant growth, surpassing a value of 10 trillion yuan in 2024, and is increasingly recognized for its importance in global frameworks like the Paris Agreement and the UN 2030 Agenda for Sustainable Development. However, challenges persist, including resource scarcity, low market competitiveness, and underutilization of ecological goods, necessitating a shift towards sustainable practices and enhanced governance.
The concept of “high-quality development” is introduced as a transformative approach for the forestry sector, focusing on balancing ecological security with economic value through innovation and efficiency. The paper highlights the potential of digital governance, integrating advanced technologies such as big data and artificial intelligence, to improve total factor productivity (TFP) in forestry ecosystems. This governance model aims to optimize resource management, enhance ecological resilience, and reduce environmental externalities. Despite existing research on digital governance, significant gaps remain regarding its specific impact on forestry TFP in the context of China’s unique regulatory environment. The study aims to fill these gaps by exploring the relationship between digital governance and forestry productivity, incorporating mediating variables that reflect the complexities of the sector.
Methods
In this section, the authors address the challenges posed by the “curse of dimensionality” and estimation bias in conventional econometric models, particularly in the context of forestry ecosystems where productivity is influenced by complex, nonlinear interactions among various economic, social, and natural factors. Traditional parametric models, such as Ordinary Least Squares (OLS) and fixed effects, often rely on strong functional form assumptions, which can lead to biased estimates when dealing with high-dimensional data. To mitigate these issues, the authors propose the use of a dual machine learning (DML) model that effectively handles high-dimensional confounding factors and nonlinear relationships without requiring a pre-specified functional form.
The DML model is implemented through a structured workflow that includes random sample splitting, the application of machine learning algorithms to estimate conditional expectations, and the estimation of causal coefficients via linear regression of residualized outcomes and treatments. The authors employ a neural network algorithm with a 1:4 sample split ratio and 5-fold cross-fitting to enhance robustness and efficiency. The empirical analysis focuses on the impact of digital government development on the total factor productivity of forestry ecosystems, utilizing a model defined by equations that incorporate treatment coefficients, control variables, and error terms. Auxiliary regressions are constructed to ensure the unbiasedness of the treatment coefficient estimator, reinforcing the methodological rigor of the study.
Discussion
The discussion section of the research paper emphasizes the transformative potential of digital government in enhancing the effectiveness and sustainability of forestry ecosystems through improved governance frameworks. By integrating advanced technologies such as big data, the Internet of Things (IoT), and artificial intelligence, digital government addresses traditional governance challenges, including information asymmetry and interdepartmental silos. This shift enables real-time ecological monitoring and data-driven decision-making, which enhances the scientific rigor of forestry management and promotes collaborative governance among various stakeholders, including government agencies, research institutions, and the public.
Furthermore, the paper posits that digital government fosters public participation and transparency, which are crucial for effective ecological governance. By providing accessible platforms for community engagement, the government can harness public input and oversight, thereby increasing policy acceptance and implementation. The authors propose several hypotheses, suggesting that the development of digital government can significantly raise the overall factor productivity of forestry ecosystems by encouraging new, high-quality productive forces, rationalizing industry structures, and modernizing forestry practices. This modernization not only enhances operational efficiency but also broadens the scope of forestry outputs from traditional timber products to high-value ecological services, ultimately leading to a more resilient and productive forestry sector.
Limitations
The section on limitations highlights several constraints of the current study, which utilizes a macro-level e-government index as a proxy for digital governance. While this approach has been validated, it may not adequately reflect sector-specific digitalization, particularly within forestry, or account for sub-provincial variations in implementation. The dual machine learning (DML) model employed is effective in addressing high-dimensional confounding and nonlinear relationships but does not explicitly consider spatial spillover effects or dynamic adjustments. This oversight means that the potential influence of digital government development in one province on forestry ecological total factor productivity (TFP) in neighboring regions, as well as the evolution of productivity impacts over time, remains unexamined.
To enhance future research, the authors suggest the development of more granular, sector-specific digital governance indicators. Additionally, incorporating spatial econometric models, such as the Spatial Durbin Model, or dynamic panel data models, like Generalized Method of Moments (GMM) estimators, would be beneficial. These advancements could help capture the complex interdependencies and temporal dynamics associated with digital governance and its effects on productivity, leading to a more comprehensive understanding of the subject.