浅谈大数据时代的情报学变革.docVIP

PAGE  PAGE 6 浅谈大数据时代的情报学变革 　　【摘要】在大数据时代，如何顺应技术进步与市场需求进一步促进情报学的发展，成为相关领域专家与学者的研究热点。本文针对大数据时代的情报学变革展开探讨，希望与广大研究者共分享。 　　【关键词】 大数据；情报学；变革研究 　　在互联网时代，人们越来越依赖于信息技术的便捷方式，以数据为存在形式的信息获得规模化发展成就，可见，由此产生的大数据逐渐成为各行各业取得发展优势的关键筹码。情报学作为一种信息科学，显然与大数据的发展息息相关。据有关调查显示，社会生产生活中关于情报学的大数据范畴研究相对落后，现有的情报流程、系统以及发展结构均无法真正与以互联网为依托的大数据浪潮相融合，不利于现代化的可持续发展。因此，为了为新时期情报学的变革提供发展的可参考依据，笔者通过查阅文献、结合经验，从大数据与情报学的各自概念入手，通过对其共性与差异性的分析、情报学变革必要性的分析对未来一段时期内情报学的发展态势进行展望。 　　一、大数据与情报学的概述分析 　　大数据是在信息技术发展的大背景下互联网科技的产物，其主要指数据规模庞大且难以统计，但在一定条件下可为人们有目的地识别、提取以及利用。大数据具有体量大、数据生成速度快、数据种类多、数据价值密度低等特征；其中，生成速度快以及价值密度低决定了大数据的难以利用性，给各行各业造成了机遇与挑战的变革局面。另一方面，情报学以及情报分析自1950年的普及与发展以来一直处于调查的全面化与结构的科学化研究状态中，经发展已经形成相对稳定的发展模式，对于相关领域的综合效益具有积极意义；从定义上看，情报学的研究范围包括情报产生、传播、利用、网络以及存储、用户、技术与经济、社会等范畴，具有“最佳的标引方案”“最少的查找时间”以及“最大的情报流通”等宗旨。总之，在了解大数据与情报学两元素的基本概念基础上，有助于提高进一步分析与探究的效率。 　　二、情报学在大数据时代的发展同向性以及差异化 　　从上文简述中可??，大数据以及情报学在定义方面已经存在数据处理的共性，且均以一定的用户或对象为服务目的。首先，数据的定量分析是科学研究数据的基本途径。具有关调查可知，淘宝网站的日交易量以千万量计，日数据的生产规模超过50TB；百度有哪些信誉好的足球投注网站引擎在运作过程中基本具有日60亿的有哪些信誉好的足球投注网站请求处理量，数据量超过30PB；甚至一个参数为8Mbps的日常摄像头就具有3.6GB的日数据生产量。可见，在互联网为依托的信息社会中，数据的定量分析是这些数据规律发展、价值发展的重要科学依据。其次，数据的多元融合是大数据处理的形式延伸；在数据规模不断扩大的基础上，必然存在类型的多样化与层次化差异，包括用户差异化、网站差异化、渠道差异化、数据形式差异化等；与此同时，数据还表现为规律与不规律发展的结构特征；要完成相对全面、科学的统计分析工作，必须将这些形色各异的数据进行融合处理，这也是大数据与情报学发展的重要共性之一。另外，相关性分析法作为各类数据的逻辑关系处理模式，属于现象科学分析的一种常见方法。对于大数据与情报学的用户服务性宗旨而言，从数据中生成合理、有用的逻辑关系，也是二者的重要共性之一。 　　此外，从差异化层面出发，大数据与情报分析作为两个不同的领域，同时也必然存在一定的差异。首先，情报学相较于大数据具有更为具体的定量分析规则，大数据的定量分析旨在维护整个系统的运作稳定，而情报分析需要对特定范围内的数据进行相关规则的构建。其次，大数据的多元数据融合关注数据之间是否存在相关性，而情报分析则在此基础上更注重数据及其相关性的真实性与价值；另外，大数据的相关性分析重在明确现象，而情报学分析则在一定的条件下还需从现象入手进行原因分析。除此之外，大数据以及情报分析还存在几点较为明显的差异因素，具体见（表1）。 　　差异项目 情报学 大数据 　　数据对象 文本 数值 　　数据规模 适量且关键 大量且全面 　　分析时机 存在滞后性 实时性 　　分析任务 目的化且模式稳定 模式不断发展 　　表1 情报学与大数据的差异分析 　　三、大数据时代情报学变革的必要性 　　一是大数据的处理是情报学自身发展的必要规律，包括数据云计算、文本与意见挖掘、NLP自然语言处理以及数据可视化等技术均将成为情报学技术提升的重要变革目的。二是大数据为情报学的系统完善提供包括类型、数量、形式等不同的数据，数据资源的多元化使得情报学发展的效益追逐倾向扩大化。三是大数据的发展以及自我完善为新时期情报学的研究科学性提供参考与依据。四是大数据的数据价值密度极低，对情报学发展的实时性与有效性形成了更大的困难，要求情报分析系统突破桎梏进行换新。五是传统的情报分析系统存在较强的资源与技术参考特征，缺乏自身相对完善的发展模式。六是原