对大数据环境下科技情报工作发展趋势的几点思考精选.ppt

在整个科研生涯过程中，每个科研人员的研究兴趣通常不是一成不变的。比如：著名的科学家牛顿在力学、光学和微积分等领域都有卓越的贡献，但他早期的研究兴趣多与经典力学有关，后期发表的作品集中微积分和光学领域。 上图是利用了1987-1999年NIPS（神经信息处理系统）国际会议数据得到的部分结果 每个领域深层主题的描述包括三部分：(a)与该领域深层主题最相关的前5个词，(b)经常撰写该主题的前5位科研人员，(c)该主题随时间的变化趋势。 * 假设论文和专利资源分别含有K1和K2个领域深层主题，共含有V个共同词项（分别用v1, v2, …, vV表示），图（a）和（b）给出了论文和专利资源主题关联强度的示意图，其中Si?j表示论文资源中领域深层主题与专利资源中领域深层主题的主题关联强度， Sj?i表示专利资源中领域深层主题与论文资源中领域深层主题的主题关联强度。从图中可以看出，主题关系分析不仅可以揭示单种资源的主题结构，而且可以捕捉异构资源间的相互影响和排斥关系，比如：专利/论文资源中特有的主题（排斥关系），和共有的主题以及共有主题间的关联强度（相互影响关系），这些关系将为透视科学和技术间的发展规律提供有力支撑。 * 参照美国市场研究公司Gartner的技术发展周期（Hype Cycle），将技术生命周期划分为五个阶段：技术萌芽期、技术膨胀期、技术转折期、技术稳步上升期和技术成熟期。 该图展示了与增强现实（augmented reality）相关的技术所处的生命周期阶段，不同的颜色表示不同的关系类型，不同的形状表示相应技术发展到成熟期所需要的时间。 * 由于一个机构往往开发多种技术和产品，机构间可能同时存在竞争和合作关系。该服务可以帮助企业了解与自己有竞争或合作关系的机构。 例如，微软与苹果、谷歌在信息检索、社会计算等领域存在竞争关系，但在其他领域可能存在合作关系。 同时该图也给出了每个公司所关注的主要技术领域，以及所关注的程度。 * 该图给出了摩托罗拉公司的技术发展路线 如果一个技术的时间跨度比较长，很可能是该公司的核心技术，比如信息安全（information security）。 如果一个技术的时间跨度较短，可能是该公司不太看好的技术。 而最近几年关注的技术，有可能是该公司重点关注的技术，该公司认为其具有不错的研发前景。 图中的右半部分给出了相关技术，以及相关技术所处的生命周期阶段。 * 1）大数据的价值链与传统情报工作的价值链一 致：对大数据的发掘利用涉及包括数据获取、数据监 护、数据存储、数据检索、数据共享、数据分析、数据展 示等多个环节在内的价值链条，这一链条与信息管理 和传统情报工作的信息价值链基本吻合。情报学领域可 以将包括信息采集、信息整序、信息组织、信息检索、信 息分析、信息可视化等方面成熟的理论方法和技术应用 到大数据的工作中，在促进大数据研究发展的同时，扩 大传统情报服务范围。 * 大数据工作与“事实数据+工具方法+专家智慧”的情报方法有效契合：科学研究的定量方法在大数据领域充分体现，但偏离定性和人类洞察力的纯粹事实数据不会具有真正的意义。传统情报学更加侧重于各类科技文献资源和科学数据，大数据的兴起和发展能够丰富传统情报研究中事实数据的来源、内容与媒体形态，不同的事实数据互相补充、相互印证，能够促进传统情报工作水平和情报产品质量的提升。 * 大数据的推进能够为传统情报学提供有力的数据处理分析工具和方法。信息技术和分析算法尽管是情报学一直关注的重要研究内容，但也一直是情报学学科发展中的软肋。大数据环境下，将更加重视对大数据相关技术的研发投入，也将吸引大批优秀人才进入本领域，进行实现相关工具方法的快速进步和发展，有力弥补本学科技术能力不足的长期劣势。 * 大数据的发展能够更凸显情报学的应用价 值，推动本学科的快速发展：大数据的价值不仅在于能 够进一步加大情报工作对我国科技战略和科技发展工 作的支撑作用，使情报工作与科研工作更加紧密结合， 大数据的研究和发展还将成为公共管理、商业机构运 营等各类活动的定量决策支撑 * * 在大数据应用的技术需求牵引下，数据科学研究不断壮大，数据科学研究和服务的人才队伍培养需引起我们的重视。理解业务需求、熟悉相关技术方法、了解数据资源的情报人员将扮演越来越重要的角色。同时，这种需求和转变反过来也会促进情报学教学科研工作的全面提升，进而实现情报学的整体发展。 根据麦肯锡的一项研究，光是在美国，每年就有14万到19万名数据科学家的缺口，到2018年预计将达到44万到49万。 2013年7月4日，负责数字经济和中小企业工作的生产振兴部副部长芙乐-佩瑞琳宣布法国政府计划将在五方面支持大数据，其中很重要的一方面就是引入数据科学家的教育计划。 2013年7月，日本新成