疫情预警中数据共享的伦理原则落地路径

疫情预警中数据共享的伦理原则落地路径演讲人疫情预警中数据共享的伦理原则落地路径01伦理原则的落地路径：从价值共识到实践操作的转化02疫情预警数据共享的伦理原则体系：构建价值共识的基石03落地路径的保障机制：应对挑战与持续优化04目录01疫情预警中数据共享的伦理原则落地路径疫情预警中数据共享的伦理原则落地路径引言：疫情预警数据共享的双重属性与伦理命题在全球化与城市化交织的当代社会，突发公共卫生事件已成为检验国家治理能力与全球协作韧性的“压力测试”。新冠疫情的暴发与蔓延，以残酷的现实揭示了疫情预警系统中数据共享的核心价值——及时、准确、全面的数据是病毒传播轨迹追踪、疫情趋势预测、防控资源调配的“生命线”。然而，数据共享并非单纯的技术问题，其本质涉及个人权利、公共利益、国家主权等多重价值的博弈。当个人健康数据、行动轨迹数据、医疗资源数据等敏感信息在政府部门、医疗机构、科技企业、国际组织等多主体间流动时，“数据为谁共享”“如何共享”“共享的边界在哪里”等伦理命题浮出水面，成为制约预警效能释放的关键瓶颈。疫情预警中数据共享的伦理原则落地路径作为长期参与公共卫生数据治理实践的研究者，我深刻体会到：疫情预警中的数据共享，是一把“双刃剑”——充分共享可筑牢“防波堤”，过度共享或无序共享则可能引发“伦理地震”。例如，某地区在疫情初期为快速追踪密接者，未经脱敏处理即公开患者详细行程信息，导致当事人遭受网络暴力；某跨国企业在参与全球疫情数据合作时，将收集的各国疫情数据用于商业算法训练，引发国际社会对数据主权的质疑。这些案例警示我们：伦理原则不是数据共享的“附加题”，而是“必答题”；不是抽象的价值宣示，而是可操作、可落地的实践指南。基于此，本文以“伦理原则落地路径”为核心，从“原则构建—路径设计—保障机制”三个维度，系统探讨疫情预警中数据共享的实践逻辑。旨在为政策制定者、数据管理者、技术开发者提供兼具理论深度与实践价值的参考，推动数据共享从“应然”的伦理共识走向“实然”的制度实践，最终实现个人权利保护与公共危机应对的动态平衡。02疫情预警数据共享的伦理原则体系：构建价值共识的基石疫情预警数据共享的伦理原则体系：构建价值共识的基石伦理原则是数据共享的“价值罗盘”，其功能在于为多元主体提供行为指引，化解利益冲突。疫情预警数据的特殊性（高敏感性、高时效性、高公共利益关联性）决定了伦理原则的构建需兼顾国际共识与中国情境，形成“核心原则—衍生原则—情境原则”的三层体系。1核心伦理原则：不可动摇的价值底线1.1公共利益优先原则：危机应对的“必要之恶”的边界公共卫生事件的本质是“集体风险”，当个体权利与集体利益发生冲突时，公共利益优先原则成为justified的伦理基础。但“优先”不等于“取代”，更不意味着对个人权利的任意侵蚀。其内涵需明确三个维度：-目的正当性：数据共享仅限于疫情防控的直接目的，如病毒溯源、密接者追踪、医疗资源分配等，禁止以“疫情预警”为名进行商业营销、社会监控等无关活动。例如，2020年某市曾要求外卖平台共享骑手核酸检测数据用于“社区防控”，但因超出疫情防控必要范围，被伦理审查委员会叫停。-手段必要性：需采用“最小必要”原则，即仅收集、共享疫情防控不可或缺的数据，避免“数据过载”。如追踪密接者时，仅需获取其“时空伴随”信息，无需公开其家庭住址、联系方式等敏感数据。1核心伦理原则：不可动摇的价值底线1.1公共利益优先原则：危机应对的“必要之恶”的边界-比例原则：数据共享对个人权利的限制应与疫情防控的紧迫性、严重程度成比例。例如，在疫情暴发初期，传播链不明确时，需扩大数据共享范围以快速阻断传播；在疫情得到有效控制后，应及时收缩共享范围，降低对个人权利的影响。1核心伦理原则：不可动摇的价值底线1.2隐私保护原则：个人信息权的“防火墙”隐私是个人尊严的最后一道防线，疫情预警数据共享中，隐私保护不是“奢侈品”，而是“必需品”。其核心要求是“控制与透明”：-数据控制权：个人对其数据拥有知情权、决定权、更正权与删除权。例如，欧盟《通用数据保护条例》（GDPR）明确规定，在处理特殊类别数据（如健康数据）时，需基于“公共卫生利益”等合法基础，且必须采取严格的技术与组织措施保障安全。-数据最小化：仅收集与疫情防控直接相关的数据字段，避免“功能蔓延”。如采集健康码信息时，仅需姓名、身份证号、核酸检测结果、行程码等核心字段，无需收集职业、收入等无关信息。-目的限制：数据共享不得偏离最初收集时的目的。例如，医院为疫情防控共享患者数据后，接收方不得将该数据用于科研以外的商业用途。1核心伦理原则：不可动摇的价值底线1.3知情同意原则：自主决策的“程序正义”知情同意是数据伦理的“黄金法则”，但在疫情预警的紧急情境下，传统“一对一、明示同意”的模式面临效率挑战。因此，需构建“动态分层同意”机制：-紧急豁免与事后补救：在疫情暴发等极端情况下，为快速响应，可对部分数据（如确诊患者行动轨迹）实施“紧急共享豁免”，但需在事后及时告知当事人共享的范围、目的，并提供异议渠道。例如，中国《个人信息保护法》第十三条明确规定，应对突发公共卫生事件时，可依据法定程序处理个人信息，但需履行告知义务（无法告知的除外）。-明示同意与默示同意结合：对非紧急数据（如疫苗接种数据），需取得个人明示同意；对低敏感度数据（如区域人口流动数据），可通过“一揽子同意”或“默认勾选”等默示方式提升效率，但需提供便捷的退出机制。-特殊群体保护：对老年人、残障人士等数字弱势群体，需提供线下同意渠道（如纸质授权书、口头确认并录音），确保其知情同意权不被“数字鸿沟”剥夺。2衍生伦理原则：平衡多元利益的调节机制2.1安全可控原则：数据全生命周期的“安全阀”数据共享不是“数据裸奔”，需建立“采集—传输—存储—使用—销毁”全生命周期安全管理体系：-技术安全：采用加密传输（如HTTPS、SSL）、去标识化处理（如泛化、假名化）、访问权限控制（如基于角色的访问控制RBAC）等技术手段，防止数据泄露、篡改。例如，某省疫情数据共享平台采用“联邦学习+差分隐私”技术，模型训练不直接共享原始数据，仅在本地更新参数，有效降低隐私泄露风险。-制度安全：建立数据安全责任制，明确数据提供方、使用方、监管方的安全责任；制定数据泄露应急预案，明确事件上报、响应、补救流程。-审计安全：对数据共享操作留痕，记录访问时间、访问主体、访问内容等信息，定期开展安全审计，确保数据使用可追溯、可问责。2衍生伦理原则：平衡多元利益的调节机制2.2公平可及原则：避免“数据歧视”与“资源鸿沟”疫情预警数据共享的终极目标是“保护所有人”，但若设计不当，可能加剧社会不平等：-数据公平：避免因地域、性别、年龄等因素导致数据获取与使用的不平等。例如，在共享疫情数据时，需特别关注农村地区、少数民族地区的数据覆盖，避免因数据缺失导致这些地区成为“防控盲区”。-资源公平：数据共享的成果（如疫情预警信息、防控资源）应惠及所有群体，尤其是弱势群体。例如，为老年人提供纸质版疫情地图，为听障人士提供手语版预警信息，确保信息无障碍传播。-算法公平：若疫情预警涉及算法模型（如传播风险预测算法），需避免算法偏见。例如，某算法曾因将“居住在老旧小区”作为高风险指标，导致该社区居民面临无差别歧视，后经伦理审查调整为“是否存在聚集性疫情”等客观指标。3情境伦理原则：适配中国国情的实践调适3.1国家主权原则：全球数据治理中的“中国立场”在跨国数据共享中，需坚持数据主权与数据安全并重：-数据本地化存储：涉及国家安全、公共利益的重要疫情数据（如人口流动大数据、病毒基因序列数据）需在境内存储，防止数据被境外势力滥用。-跨境共享审查：向国际组织或外国政府共享疫情数据时，需通过国家网信部门的安全评估，明确数据用途、使用期限、安全保护措施等，确保数据不被用于损害中国利益的活动。3情境伦理原则：适配中国国情的实践调适3.2社会信任原则：数据共享的“社会心理基础”数据共享的有效性依赖于公众信任，而信任的建立需“透明度”与“参与性”双轮驱动：-透明度建设：定期向社会公开数据共享的政策依据、共享范围、使用效果等信息，例如某市卫健委每月发布《疫情数据共享报告》，详细说明数据来源、共享主体、应用场景，增强公众理解与信任。-公众参与：在数据共享政策制定、伦理审查等环节吸纳公众代表参与，建立“政府—专家—公众”三方对话机制。例如，某省在制定《疫情数据共享管理办法》时，通过听证会、网络征求意见等方式收集了2000余条公众建议，其中“明确数据共享退出机制”等建议被采纳。03伦理原则的落地路径：从价值共识到实践操作的转化伦理原则的落地路径：从价值共识到实践操作的转化伦理原则的生命力在于落地。疫情预警数据共享的伦理原则需转化为具体的技术路径、制度安排与操作规范，才能避免“纸上谈兵”。本部分从“技术赋能—制度约束—主体协同”三个维度，构建可操作的落地路径体系。2.1技术赋能：以隐私增强技术（PETs）破解“安全与效率”悖论技术是伦理原则落地的“硬支撑”，尤其在数据共享场景中，技术手段可有效平衡隐私保护与数据利用的矛盾。当前，隐私增强技术（PETs）已成为疫情预警数据共享的核心工具，具体包括以下四类：1.1数据脱敏技术：降低数据敏感度的“过滤器”数据脱敏是通过对原始数据进行变形、替换、泛化等处理，隐藏个人身份信息，同时保留数据价值的技术。在疫情预警中，需根据数据敏感度采用不同脱敏策略：-低敏感度数据（如区域人口流动总量）：可直接共享，无需脱敏；-中敏感度数据（如确诊患者所在小区、就诊医院）：可采用泛化处理（如将“XX小区”替换为“XX街道A片区”）；-高敏感度数据（如患者详细身份证号、家庭住址）：需采用假名化处理（用随机代码替换真实身份信息），且建立假名与真实身份的映射表，由专人保管，仅在必要时解密。例如，某省在共享密接者数据时，将患者的“手机号中间4位”替换为“”，仅保留“区号+后4位”，既便于流调人员联系，又避免了身份直接暴露。1.2联邦学习：数据“可用不可见”的“协作框架”联邦学习是一种分布式机器学习技术，参与方在本地训练模型，仅共享模型参数（而非原始数据），实现“数据不动模型动”。在疫情预警中，联邦学习可有效解决“数据孤岛”问题：-跨机构数据协作：医院、疾控中心、海关等部门可在不共享原始患者数据的情况下，联合训练疫情传播预测模型。例如，2022年上海疫情期间，某医疗集团采用联邦学习技术，联合5家三甲医院的诊疗数据，将重症预测准确率提升了12%，且未泄露任何患者隐私。-联邦聚合与安全聚合：通过“联邦聚合”技术，中心服务器仅接收各参与方的本地模型参数，无法获取原始数据；“安全聚合”技术则进一步加密参数，确保中心服务器无法反推出单个参与方的参数信息。1.3差分隐私：数据查询的“隐私保护盾”差分隐私通过在查询结果中添加经过精确计算的随机噪声，使得攻击者无法通过查询结果反推出特定个体的信息，达到“隐私保护”与数据可用性的平衡。在疫情预警数据共享中，差分隐私适用于以下场景：-统计数据发布：如发布各年龄段的确诊人数，可通过添加拉普拉斯噪声，使得攻击者无法推断出某个人的患病情况。例如，某市疾控中心在发布“某小区确诊人数”时，若实际人数为5人，差分隐私可能发布为“5±2人”，既保留了疫情严重程度的参考价值，又避免了指向具体个人。-实时数据查询：对于第三方机构（如科研团队）的疫情数据查询请求，可在查询接口中嵌入差分隐私机制，确保多次查询无法拼接出个体信息。1.4区块链技术：数据共享的“信任机器”区块链通过分布式账本、非对称加密、智能合约等技术，实现数据共享的“可追溯、不可篡改、可问责”。在疫情预警中，区块链的应用主要体现在：-数据溯源：记录数据从采集、共享到使用的全流程，确保每个环节有据可查。例如，某省疫情数据共享平台采用区块链技术，每条数据共享操作都会生成唯一哈希值，存于分布式账本中，有效防止了数据被篡改或滥用。-智能合约自动执行：将数据共享的规则（如“仅可用于疫情预测”“使用期限为30天”）写入智能合约，当满足触发条件时自动执行，减少人为干预的道德风险。例如，某国际疫情数据共享平台通过智能合约，规定接收方在30天后自动删除数据，逾期未删除将触发违约赔偿机制。1.4区块链技术：数据共享的“信任机器”2制度约束：以规则体系明确“权力与责任”的边界技术是工具，制度是保障。疫情预警数据共享的伦理原则落地，需构建“法律规范—行业标准—操作指南”三层制度体系，明确“谁可以共享”“共享什么”“如何共享”“共享后怎么办”。2.1法律规范：划定数据共享的“红线”与“绿灯”法律是数据共享的“根本大法”，需在《传染病防治法》《数据安全法》《个人信息保护法》等现有法律框架下，进一步明确疫情预警数据共享的合法性基础与边界：-明确共享主体与权限：法律需界定哪些机构有权发起或接收疫情数据共享（如卫生健康部门、疾控中心、指定的医疗机构），明确其数据采集、共享的权限范围。例如，《个人信息保护法》第三十四条明确规定，为应对突发公共卫生事件，可由省级以上人民政府卫生健康主管部门组织共享个人信息，但需严格限定在必要范围内。-建立负面清单制度：法律需明确禁止共享的数据类型（如与疫情防控无关的个人敏感信息，如基因数据、宗教信仰）与禁止共享的行为（如将数据用于商业目的、跨境传输未通过安全评估）。2.1法律规范：划定数据共享的“红线”与“绿灯”-明确法律责任：对违反数据共享伦理与法律的行为，需规定相应的行政处罚、民事赔偿乃至刑事责任。例如，某企业未经授权共享患者健康数据，被网信部门处以500万元罚款，并直接责任人被追究刑事责任。2.2行业标准：统一数据共享的“操作语言”行业标准是法律的具体延伸，为数据共享提供技术规范与操作指引。疫情预警数据共享的行业标准需覆盖以下方面：-数据分类分级标准：根据数据敏感度、重要性将疫情数据分为“公开数据”“内部数据”“敏感数据”“核心数据”四级，并规定每级数据的共享要求（如公开数据可无条件共享，敏感数据需经脱敏处理并审批）。-数据质量标准：明确疫情数据的采集精度（如核酸检测结果的报告时间需在6小时内）、更新频率（如健康码数据需实时更新）、完整性（如患者基本信息不得缺失字段）等要求，确保共享数据“可用、可信”。-技术安全标准：规定数据共享中需采用的技术安全措施（如加密算法需符合国密SM4标准、访问控制需采用多因素认证），确保数据在传输与使用过程中的安全。2.3操作指南：细化伦理原则的“实施步骤”操作指南是行业标准的进一步落地，为基层数据管理人员提供“手把手”的实践指导。例如，某省卫健委发布的《疫情数据共享操作手册》，明确了以下流程：-数据交付与验证：审批通过后，数据提供方需按照操作指南进行数据脱敏、格式转换，并通过安全通道（如加密U盘、专用VPN）交付数据；数据使用方需在收到数据后24小时内进行验证，确认数据符合要求。-共享申请与审批：数据使用方需填写《疫情数据共享申请表》，说明共享目的、数据类型、使用期限、安全保护措施，经本单位数据安全负责人审核后，报省级卫生健康主管部门审批。-使用监控与销毁：数据使用过程中，需通过技术手段（如水印、访问日志）监控数据使用情况；共享期限届满后，数据使用方需在7日内删除数据，并提供销毁证明（如删除日志截图）。2.3操作指南：细化伦理原则的“实施步骤”3主体协同：构建“多元共治”的数据共享治理网络疫情预警数据共享涉及政府、企业、公众、国际组织等多类主体，需打破“单中心治理”模式，构建“政府主导、多方参与、协同共治”的治理网络，形成“各司其职、相互制衡”的伦理落地格局。3.1政府部门：发挥“主导者”与“监管者”双重角色政府部门是疫情预警数据共享的“组织者”与“规则制定者”，需承担以下职责：-统筹协调：成立跨部门的疫情数据共享领导小组（由卫生健康、网信、公安、工信等部门组成），打破“数据孤岛”，建立统一的数据共享平台。例如，国家卫健委建设的“全国疫情数据共享中心”，已联通31个省级疾控中心与1000余家医疗机构，实现了疫情数据的“全国一盘棋”。-监管执法：建立数据共享监管平台，实时监控数据共享行为，对违规行为（如超范围共享、数据泄露）进行查处；定期开展数据安全检查，评估数据共享的合规性与伦理性。-公共服务：为公众提供数据共享的查询、异议、投诉渠道，例如开通“疫情数据共享热线”、设立“个人信息保护专员”，及时回应公众关切。3.2企业：坚守“技术赋能”与“责任担当”双重使命企业在疫情预警数据共享中既是“数据提供方”（如互联网平台的出行数据、电商平台的物流数据），也是“技术支持方”（如科技企业的算法模型、云服务），需履行以下伦理责任：-数据提供责任：在合法合规前提下，向政府部门共享必要的疫情相关数据。例如，某网约车平台在疫情期间向疾控中心共享了“乘客行程大数据”，帮助快速识别潜在风险区域；某电商平台共享了“口罩、消毒液等物资的订单数据”，为物资调配提供参考。-技术保障责任：加大隐私增强技术研发投入，为数据共享提供安全可靠的技术解决方案。例如，某科技企业研发的“隐私计算平台”，已为全国20余个省市提供疫情数据共享技术支持，实现了“数据可用不可见”。3.2企业：坚守“技术赋能”与“责任担当”双重使命-自律合规责任：建立内部数据伦理委员会，制定《疫情数据共享内部规范》，对数据共享项目进行伦理审查；主动接受政府监管与社会监督，公开数据共享的安全报告与合规声明。3.3公众：参与“监督者”与“共建者”双重角色1公众是疫情预警数据共享的“利益相关方”，其知情权、参与权、监督权是数据共享伦理落地的重要保障：2-监督权：公众有权对数据共享行为进行监督，例如通过“12345”政务服务热线举报违规数据共享行为；媒体应发挥“第四权力”作用，曝光数据共享中的伦理乱象，推动问题解决。3-参与权：公众可通过多种方式参与数据共享治理，例如参加“疫情数据共享听证会”、参与“个人信息保护”公益诉讼、加入社区数据监督小组等。4-共治责任：公众应积极配合合法合规的数据共享活动，如主动提供行程信息、如实填报健康问卷，同时增强个人信息保护意识，避免随意泄露个人数据。3.4国际组织：推动“全球协作”与“标准互认”1疫情是全球性挑战，疫情预警数据共享需加强国际合作。世界卫生组织（WHO）、联合国全球Pulse等国际组织应发挥以下作用：2-制定全球数据共享伦理准则：在尊重各国主权与法律的基础上，制定《全球疫情数据共享伦理指南》，明确数据共享的基本原则、操作流程与责任分担机制。3-推动标准互认：促进各国数据分类分级、隐私保护、安全评估等标准的互认，减少跨境数据共享的制度壁垒。例如，欧盟已与中国就“个人数据跨境流动”达成初步共识，为疫情数据共享提供了制度便利。4-搭建全球数据共享平台：建立“全球疫情数据共享平台”，为各国提供数据存储、查询、分析的技术支持，促进疫情数据的全球流动与高效利用。04落地路径的保障机制：应对挑战与持续优化落地路径的保障机制：应对挑战与持续优化伦理原则的落地路径并非一蹴而就，需建立“风险预警—动态调整—能力建设”三位一体的保障机制，应对实践中可能出现的挑战，确保路径的可持续性与有效性。1风险预警与应对：构建“全周期风险防控”体系疫情预警数据共享面临数据泄露、算法偏见、伦理困境等多重风险，需建立“风险识别—风险评估—风险处置—风险复盘”的全周期防控体系：1风险预警与应对：构建“全周期风险防控”体系1.1风险识别：建立“风险清单”与“风险地图”-风险清单：系统梳理数据共享各环节的潜在风险，如“数据采集环节的风险（过度采集）”“数据传输环节的风险（网络攻击）”“数据使用环节的风险（算法歧视）”“数据销毁环节的风险（数据残留）”。-风险地图：对识别出的风险进行量化评估，绘制“风险地图”，明确风险的“发生概率”与“影响程度”，重点关注“高概率、高影响”的核心风险（如大规模数据泄露）。例如，某省通过风险地图发现，“跨部门数据共享中的权限管理”是最高风险点，随即开展了专项整改。1风险预警与应对：构建“全周期风险防控”体系1.2风险处置：制定“应急预案”与“处置流程”-应急预案：针对不同类型风险制定应急预案，如《数据泄露应急预案》《算法偏见处置方案》《伦理危机应对指南》，明确风险处置的责任主体、启动条件、处置措施与沟通策略。-处置流程：建立“快速响应—事件调查—影响控制—责任追究—公众沟通”的处置流程。例如，发生数据泄露事件后，需在1小时内启动应急预案，24小时内告知受影响个人，72小时内向监管部门报告，并主动公开事件调查结果与补救措施。1风险预警与应对：构建“全周期风险防控”体系1.3风险复盘：推动“经验积累”与“制度完善”风险处置结束后，需开展复盘总结，分析风险产生的原因、处置过程中的不足，及时修订制度规范、优化技术流程，形成“风险处置—制度完善—风险降低”的良性循环。例如，某市在处置一起“健康码数据泄露”事件后，发现“第三方服务商权限过大”是漏洞，随即建立了“第三方数据服务商安全评估制度”，要求服务商每年通过ISO27001信息安全认证。3.2动态调整机制：实现“原则稳定性”与“路径灵活性”的平衡疫情形势与数据技术处于动态变化中，数据共享的伦理原则与落地路径需保持“动态调整”能力，避免“一刀切”与“路径依赖”。1风险预警与应对：构建“全周期风险防控”体系1.3风险复盘：推动“经验积累”与“制度完善”3.2.1建立“疫情分级—数据分级—共享分级”的动态响应机制根据疫情的“特别重大、重大、较大、一般”四个级别，对应调整数据共享的范围、方式与强度：-特别重大疫情（如新冠疫情初期）：需扩大数据共享范围（如共享确诊患者密切接触者的全部行动轨迹），简化审批流程（如“先共享后审批”），但需加强数据脱敏与安全监控；-一般疫情（如局部流感暴发）：需缩小数据共享范围（仅共享确诊患者基本信息），严格审批流程（逐级审批），保障个人隐私权益。1风险预警与应对：构建“全周期风险防控”体系2.2定期评估与修订伦理原则与落地路径-定期评估：由政府部门、高校、研究机构、企业代表组成“疫情数据共享伦理评估委员会”，每两年对伦理原则与落地路径进行一次全面评估，评估内容包括原则的适用性、路径的有效性、公众的满意度等。-动态修订：根据评估结果，及时修订不适应实践发展的原则与路径。例如，随着隐私计算技术的成熟，评估委员会可建议将“联邦学习”从“可选技术”提升为“推荐技术”，扩大其在数据共享中的应用范围。3能力建设：夯实“伦理落地”的人才基础与技术支撑伦理原则的落地最终依赖人的能力与技术的支撑，需从“人才队伍”与“技术支撑”两方面加强能力建设。3.3.1人才队伍建设：培养“懂技术、通伦理、善管理”的复合型人才-专业培训：针对数据管理人员、技术开发人员、政策制定人员，开展“数据伦理与技术”专题培训，内容涵盖隐私增强技术、数据安全法规、伦理决策方法等。例如，国家卫健委已连续三年举办“疫情数据共享伦理与技术培训班”，培训人员超过5000人次。-资格认证：建立“数据伦理师”资格认证制度，要求从事疫情数据共享关键岗位的人员取得相应资格，确保其具备伦理判断与技术操作能力。-跨学科交流：推动伦理学、法学、计算机科学、公共卫生等学科的交叉融合，培养“复合型”数据治理人才。例如，某高校已开设“数据伦理与治理”微专业，面向本科生与研究生招生，培养具备多学科背景的数据治理人才。3能力建设：夯实“伦理落地”的人才基础与