情报学相关论文范文数据库 与大数据的影响和情报学的应略*从BD2K项目分析情报学的大数据应略周晓英类毕业论文的格式范文

该文是关于情报学论文范文,为你的论文写作提供相关论文资料参考。

大数据的影响和情报学的应略*从BD2K项目分析情报学的大数据应略周晓英

周晓英 刘 莎 冯向梅

(1.中国人民大学信息资源管理学院 北京 100872)

摘 要:文章从信息-技术-人三个方面分析了大数据对情报学带来的影响,以及数据提取知识的大数据应用目标与建立人与知识间关联的情报学目标之间的关系.通过对美国国立卫生研究院的BD2K大数据项目的案例分析,从信息-技术-人的维度、数据生态系统建设以及数据素养提升三个方面,提出了情报学的大数据应对策略.

关键词:BD2K;大数据;情报学;信息-技术-人;信息链;应对策略

中图分类号:G250.2 文献标识码:A DOI:10.11968/tsyqb.1003-6938.2017030

1 引言

大数据是近五年来我国情报学的研究热点,在中国知网的“图书情报与数字图书馆”子库中以“大数据”作为主题搜索,能够检索到2183篇论文,其中2013年之前只有零星的论文,2013年之后每年以约300多篇的速度增加(见表1).以“大数据+影响”为主题搜索,能够检索到317篇论文,以“大数据+策略”为主题搜索,能够检索到278篇论文(截至时间为2017年2月10日).可见我国图书情报领域对大数据及其影响和策略的研究成果在短短的五年内增长速度非常快.

尽管大数据对情报学的影响和对策研究论文数量增长很快,但其一,大数据和数据科学的发展本身尚处在起步阶段;其二,相关论文增长的年代还不够五年,历时比较短;其三,大数据的影响和策略研究成果大多从图书馆的角度开展.因此,开展大数据对情报学的影响以及情报学的应对策略,对于情报学在大数据时代的准确定位以及健康发展非常有必要.

本文将从情报学的视角,结合医疗健康领域大数据的国家应对措施的案例分析,研究大数据对情报学的影响,探讨情报学的大数据策略.

2 情报学视角的大数据影响分析

2.1

大数据影响的考察维度

2.1.1 大数据的数据、技术和应用三个维度

考察大数据的影响,我们首先要找到一个全面和客观的考察维度.对于什么是大数据,业界已经存在很多定义以及围绕着定义的质疑,很多学者认同大数据是有着“4V”(即容量(Volume),种类(Variety),速度(Velocity)和价值(Value)) 特征的数据,其数量大、类型多、实效强、价值高.大数据的发展历史并不长,故人们常在不同立场上对其定义进行叙述,因而,不同背景下大数据就有不同的指向,只有站在同样的认知角度上讨论大数据的问题,才能得到解决大数据问题的正确办法.

大数据最先是来自技术领域的术语,它被认为是现有的技术手段难以在短期内处理的数据,2009年美国政府发布了数据网站,率先开始了政府数据开放的历程,到2012年美国政府发布“大数据研究和发展倡议”之后,从决策和应用的角度研究大数据才开始大量出现.大数据之所以受到广泛的关注并不因为它是技术上的新挑战,当前人类科学和技术上的挑战很多,但大多数都只受到科学家或工程师们的关注,而大数据的不同是因为它的应用价值高、影响广泛深刻.

朱扬勇和熊赟[1]论述了大数据的三个要素,即数据、技术和应用,是对大数据比较全面的认识.大数据中隐含了大价值,需要技术支持价值的发掘,需要结合社会应用来实现价值.

2.1.2 情报学的“记录的知识、人、工具”三大内容结构

对于情报学的内容结构,业界同样存在很多不同的认识.2000年,J.M.Griffiths[2]在《回归未来:千禧年的信息科学》一文中将情报科学的基本构成归纳为“人、记录的知识、工具”三个要素,并提出了围绕三个要素的情报学研究内容,对人的研究内容包括:人与信息的关系、人的认知过程和知识结构、人的信息查询行为、人所处的信息环境、人与环境的互动、人际互动;对记录知识的研究内容包括:知识组织与传播、信息管理和知识管理、信息检索设计、信息计量学、网络计量学;对工具的研究内容包括:人在获取、存贮、识别、传播记录的知识中起作用的工具如分类法、标引、主题词表、检索算法、搜索引擎、人工智能等[2].

而早在1999年,iSchool运动便开始兴起,最早有十多所世界一流的LIS院系参与iSchool联盟,秉承联盟所倡导的在教学和研究中关注“人-信息-技术”以及它们之间的关系的理念.

2.1.3 “信息(数据)-技术-人”的考察维度

从大数据的“数据-技术-应用”视角、到情报学内容结构的“知识-工具-人”视角、以及iSchool的“信息-技术-人”的相互关系视角,虽然它们的思想来源不同,但却是异曲同工.大数据视角中的“数据”,可以看作是信息的一种,或者说是信息的原料;大数据强调的“应用”就是强调大数据对人的作用,强调大数据的人文关怀;大数据视角和iSchool理念强调的“技术”比情报学内容结构中的“工具”范围稍微广泛一些,但是都是围绕信息或者数据的获取、存贮、识别和传播所起作用的技术、工具或者方法.

所以,不管我们是从全面认识大数据本身的角度,还是从情报学内容结构以及iSchool理念的角度分析,从“信息-技术-人”的角度关注大数据带来的影响都是一种可行的、客观的考察模式.

2.2

大数据带来的影响分析

2.2.1 从信息方面看

网络可以留下人类行为的数字化记录,科学仪器采集记录大量的实验和观测数据,可穿戴设备记录人体生理和活动数据,这些逐渐形成了来源多样、数量巨大的大数据;数据的采集、存储、传播技术的发展使数据利用的成本降低、便利程度提高,逐渐造成了当今社会人人生成数据、人人需要数据、人人分析数据、人人理解数据的状况;大数据可以在不经意间自然反映出一些过去无法用科学手段揭示的现象和结果,直接影响人们的决策,因此很快被应用普及.以公共健康为例,集中记录汇总全国或全地区的患者病历数据库、汇总患者的临床记录,形成覆盖全面的大数据,便可以帮助医疗机构快速检测传染病,进行疫情监测、疾病监测,还可以联动公众健康个性化咨询和疾病防控的快速响应程序,从而形成智慧医疗的效果.

以信息管理和信息服务研究为己任的情报学不论是满足公众的一般性信息需求,还是为教学、科研服务,其所面临的问题是:由于数据正在成为人们决策中所需要的信息中的一个重要种类,在未来要保证信息管理和信息服务的水平和质量,应该开展数据管理和数据服务,从而更好地延续满足公众的信息需求、为教学和科研服务的目标.

2.2.2 从技术方面看

技术方面的影响是全方位的,围绕着数据的产生、采集、加工、存储、检索、传播和利用过程的技术,涉及到很多的学科领域,包括计算机科学、软件开发、通讯技术、人机交互、信息管理、信息系统等.

对于情报学而言,比较有特色的一些信息处理的技术手段,如信息分类、信息主题、元数据、信息计量、信息评测、信息检索、知识发现、信息标准化、信息分析、信息质量控制、信息可信度测评等都面临着针对大数据处理的升级改造.

2.2.3 从人的方面看

(1)大数据时代人的信息需求发生变化.数据、信息和知识都是人类需要获取来处理的对象,我们常统称它们为信息,信息根据人的需要和自身的特征呈现不同的类型,大致可分为事实型信息、社会型信息和知识型信息三种.真实记录和反映个人、社会和自然界情况的、未进行思维加工的信息称为事实型信息,它们一般以数据的形式出现;反映个人、社会和自然界情况的,经过人脑提炼、组织和表达的信息是社会型信息,它们经过了人的思维过滤,作为一般性的社会需要传播,但还没有或者没必要成为规律性的认知结果,如人对一些事件的看法和观点的陈述、报纸上的新闻报道、观众对某一电影的影评文章,人可能对这些信息感兴趣,但不一定都想知道这些信息背后隐藏的科学规律;人对自然和社会的规律性的认识称为知识型信息,它们是人对社会和自然界认知的结果.

用户的信息需求与信息的可获得性关系密切,信息的可获得性大,信息的需求就高,反之亦然,而信息的可获得性很大程度上受信息传播技术和传播渠道等客观条件的影响.由于三种信息的价值不同、传播技术的不同,人类对上述三种类型的信息传播的情况也不同.最早得到传播的是知识型信息、其次是社会型信息、再次才是事实型信息.知识型信息能够直接指导人的决策,价值最高;社会型信息经过少量采集和分析能够转化为知识型信息,价值次之;事实型信息经过大量采集和分析才能够转化为知识型信息,单个信息价值低、总体信息价值才高.知识型信息的可获得性受到国家的保障,可获得性最高,社会型信息的受众面最广,满足人们的日常信息需求;事实型信息是自然形成的,数量最大,正在逐步满足日常信息、社会信息和知识信息各个层面的信息需求.

在信息传播的不同发展历史阶段,用户信息需求的变化可以分为四个阶段.第一阶段用户的需求:以图书馆传播渠道为主要形式,满足对知识型信息的需求,由于传播条件限制,用户只能通过图书等形式获取他人提炼之后的知识型信息,图书馆通过借阅形式满足了大部分的社会知识型信息需求,而其它类型的信息只能依靠自己观察和记录来获得;第二阶段用户的需求:以图书馆辅助大众媒介为传播渠道,是以知识型信息为主辅佐少量社会型信息的信息需求,除了图书馆传播知识型信息的渠道,用户通过广播电视报纸等大众媒介获得社会型信息;第三阶段的用户需求:以网络传播形式为主,获取数据库、互联网、图书馆提供的知识型信息和社会型信息的混合型信息,用户通过访问数据库、互联网、图书馆能够得到丰富的信息类型,图书馆传播的主要是知识型信息,而数据库可能提供视频音频、图书、期刊、数据等各种类型的信息,包括知识型信息和社会型信息,人们可以在此基础上生成知识;第四阶段的用户需求:仍以网络传播的数字信息形式为主,但可以从图书馆、数据库、互联网等获取知识型信息、社会型信息和事实型信息等三种类型的高度混合型信息;这一阶段刚刚开始,是记录个人、社会、自然界的行为特征的大数据的加入传播渠道并壮大发展为特征的信息传播和需求,人类的选择和决策受到大数据的影响,科学研究进入到第四范式.

综上,用户的信息需求经历的四个阶段为:

* 以知识型信息为特征的需求模式;

* 以知识型信息为主辅助社会型信息为特征的需求模式;

* 以知识型和社会型混合性信息为特征的需求模式以及以知识型;

* 以社会型和事实型信息需求为特征的需求模式.

(2)大数据时代人使用信息方式的拓展.人类发展的历史,也是随着信息和通讯技术的发展,人使用信息的种类和方式也在不断拓展.情报学的研究内容经历了多次拓展,从纸媒时代的图书资料,到计算机单机时代的电子资源和数据库资源,再到网络时代的数字资源,再到大数据时代的数据资源,信息的存在和利用形式在不断改变,情报学一直的目标都是研究人的信息需求、研究信息产生、采集、组织、存储、传播和服务的全过程,为人们从信息中提取知识提供便利.

大数据时代,人所使用信息内容和方式增加了数据的使用和数据中的知识挖掘,情报学所研究的信息内容必须做适当拓展.随着数据科学的出现,国际上已经成立了数据科学的学会协会,国内外也有了专门的数据科学学术刊物,在高等教育层面,国内外都有了本科、硕士和博士层面的数据科学课程和培养方案.虽然数据科学发展很快,但它目前还不是一个成熟的学科,还没有形成确定的研究对象和核心的研究内容.由于数据问题涉及的学科众多,未来的数据科学也许类似信息科学,会形成一个学科群,而情报学从人们使用数据的角度提供数据的管理和服务的研究应该属于该学科群中的一个核心内容,因为不管信息的类型如何变化,人们对知识的渴求是不变的.知识型、社会型、事实型信息的混合和信息需求的多样化,会使信息世界和信息空间越来越复杂,社会更加需要帮助人们从信息中获取知识的服务.

2.3

情报学价值和大数据价值的本质分析

情报学的核心价值在于通过信息生命周期的管理,建立人与知识的连接,解决人的知识利用问题.该观点的来源可以追溯到1945年,范内瓦·布什博士在《诚如所思》的文章中提出二战后科学发展的目标——要让人类正在增多的知识得到充分的利用.国内外学者都认为,《诚如所思》的发表标志着情报学的诞生.情报学从诞生时到今天所追求的目标就是,建立人与知识的连接,帮助人类充分的利用知识[3].

大数据的价值有多个层面的理解,从“数据、技术和应用“三个层面看待大数据,“数据”是大数据的表象,“技术”是大数据应用的工具,“应用”才是大数据的核心价值,是大数据得以传播和关注的焦点.按照“数据-信息-知识-智慧”的信息链角度分析,大数据从表象状态转变成可应用的状态,需要两个步骤:首先要从数据转变为信息,即生成意义,就可以被理解,其次要从信息转变为知识,即生成价值,就可以被应用.从数据转变为信息,需要数据背景的记录、数据形式的清理、数据内容的分析,使数据成为可以被理解的状态,能够传达某种含义和信息;从信息转变为知识,需要与应用情景的结合、需要专业性知识的介入、需要与人的认知结合,对数据意义进行挖掘,使数据可以成为现实中决策的依据或解决问题的参考.

因此,大数据应用的核心在于从数据中获取知识,从数据中获取知识首先要从数据中获取信息,能够从数据中获取信息,便有数据中生成知识从而获得应用的机会.2012年3月,美国奥巴马政府宣布启动的《大数据研究和发展计划》中就明确提出,包括美国国家科学基金会、国土、国家卫生研究院等六个联邦政府部门和机构将投资2亿美元,提高从数据中访问、组织、收集发现信息的能力,开发相应的核心技术和工具[4].2014年美国大数据研发高级指导小组(NITRD Big Data Senior Steering Group )在工作文件的愿景陈述中表示:期待大数据创新生态中,能从大量的、多样化的、实时的数据集中分析和抽取信息、做出决策和发现,能使联邦机构和国家最大限度地拥有新的能力,加速科学发现和创新的过程,引导新的研究领域和探究以前不可能探究的新领域,教育21世纪下一代的科学家和工程师,促进新经济增长[5].

情报学在大数据时代的发展,如果能够进一步帮助人们实现从大数据中获取知识的目标,那既是情报学核心价值在大数据时代的延续,又是情报学适应大数据时代而发展自身的机会.

3 大数据应对策略的实践案例分析

从大数据中获取知识是大数据应用的关键.2012年,美国国立卫生研究院(NIH)发布了“从大数据到知识(Big Data to Knowledge,BD2K)”项目,便是国际医疗卫生领域关注大数据中知识提取的一个很好的例证.

生物医学领域是大数据应用的前沿,美国政府发起的BD2K项目,就是致力于利用生物医学大数据和从数据中抽取知识,促进生物医学科学的发展[6].其目的是促使生物医学研究者利用大数据,开展生物医学数据科学培训和开展生物医学数据科学研究.目前,它资助研究中心、数据发现索引和培训计划三大类的申请项目.NIH主任Francis Collins认为,引导NIH范围内的优势项目、有效利用生物医学研究数据集,是生物医学研究非常重要的领域.大数据时代的到来,大量不同的数据类型构成了生物信息领域的革命,国立卫生研究院在整合接入及分析这些数据方面应该起重要的作用[7].2014年,NIH为BD2K项目提供了3200万美元的奖励资金用于帮助研究者开发分析和使用生物学数据集,资金将支持分享和使用大数据集的计算工具、软件、标准和方法的开发.NIH希望到2020年共提供总计6亿5千6百万美元($656,000,000)用于BD2K大数据研发[8].

NIH将缺乏合适的工具、数据获取困难和培训不足看作是当前生物医学大数据应用的主要障碍,BD2K的使命是促进NIH成为一个数字化的研究机构(a digital research enterprise),发现和支持新知识,最大限度扩大社会参与,支持创新性的方法和工具以扩大和加速大数据和数据科学与生物医学研究的集成,它通过四个主要的目标提升生物医学大数据的利用:(1)通过可发现、可接入、可交互和可重用的处理促进生物医学数据集的广泛使用;(2)引导生物医学大数据分析的方法、软件、工具的研发;(3)加强对生物医学大数据科学的方法和工具使用培训;(4)支持建立数据生态系统,加速数字化机构的发展[9].

从BD2K的工作内容看,目前其主要的工作:一是召开数字生态系统和开放数据的研讨会,研究数据共享、标准开发、人员培训、资源索引、软件分析和方法开发等生物医学大数据问题,推动大数据的认知、参与和应用;二是促进来自社会的关键技术的应用,组织开展编程马拉松(编程节,hackathon)应用活动,该活动是电脑程序员与其它软件开发相关人员如图形设计师、界面设计师和项目经理聚集在一起,用几天到一周不等的时间合作编程,集中开发专项软件和应用的活动.2015至2016年8月,BD2K已经资助四项编程马拉松活动,目前正在招募2016年11月至2018年4月之间编程马拉松的提案;三是提供基金奖励生物医学的资源索引项目包括建立数据发现联盟、数据发现索引等内容;提供强化培训项目的基金支持,包括短期课程和资源开发、机构培训、科学家培训和职业发展培训、适应性教育体验等内容;资助针对性软件开发项目,包括元数据、数据压缩、数据隐私、数据溯源、数据再利用、数据可视化等软件工具和方法的开发.

除了BD2K,生物医学其它机构的专门针对大数据的一些举措和行动也比比皆是.如美国医学信息学会会刊(Journal of the American Medical Informatics Association,JAMIA)正在编制数据获取、管理和知识生成的解决方案,解决方案主要针对数据获取、组织和分析方面的挑战,主要有三个方面的焦点内容:(1)数据获取、有效存储和管理的技术和政策架构;(2)数据处理和组织,包括精确描述和数据处理,数据算法,数据库查询、质量评估等内容;(3)知识生成,包括数据挖掘、数据相关的检测诊断等内容[10].

从上述BD2K和JAMIA的行动分析中,我们看到,利用数据开展科学研究,或者说利用数据提供的信息,融合其它类型的科学信息来开展科学研究,是当前科学研究无法回避的变革,医学信息学的地位从过去的边缘性位置移动到了中心性位置.科学界和管理界都意识到了,若不能完成从数据中提取信息和知识,并将数据分析结果融合进入传统的研究过程中,要保持科学研究的领先地位几乎是不可能的.

上述实践案例应对大数据的对策给我们的启示主要有:(1)从数据中识别知识和数据中生成知识成为了科学研究的必要手段;(2)管理上的投入和社会各方广泛参与是解决大数据问题的有效措施;(3)大数据随处可见,但大数据获取仍然很困难;(4)应对大数据的问题仍然需要注意标准先行;(5)为大数据建立索引、帮助实现大数据的发现是核心的问题;(6)人的意识和能力是大数据应用的核心问题;(7)大数据工具和方法的开发是大数据应用的核心问题.

4 情报学的大数据对策研究

4.1

在“信息-技术-人”及其之间关系的研究中更多嵌入大数据的内容

4.1.1 开展针对全信息链的信息研究和信息管理

Peter Ingwersen教授1994年就指出,由于信息社会的出现,人类从物理上和智力上获得快速增长的知识出现问题,再加上在社会范围内解决问题的复杂性增强、信息技术提供了各种机会,在这样的条件下情报学产生了.由于获得信息对解决问题的潜在价值随着全球对技术的依赖性而逐步增强,结果,信息处理过程、工作的专门化和信息科学受到促进[11].如果我们现在把上面这句话中的一些“信息”转化为“数据”二字,可以看到数据对解决问题的价值随着全球技术的发展而逐步增强,数据处理过程、数据工作的专门化和数据科学必然受到促进.按照Harold Borko先生在1968年的情报科学定义,情报学是一门研究信息的行为和属性以及处理信息使其易于获得和易于使用的最适宜方法的学科.它关注与信息的产生、收集、组织、存储、检索、解释、传播、转换和使用相关的知识体(the body of Knowledge)[12].

按照学界广泛接受的“数据-信息-知识-智慧(Data Information Knowledge Wisdom,DIKW模型或DIKW金字塔)”[13],数据、信息、知识和智慧之间是一种链的关系,其中信息是最核心的,所以,很多学者将DIKW称为信息链,DIKW模型反映了四种概念之间本质的关联性,数据是原始素材,信息是加工处理后有含义的数据,知识是信息之间的关联性的本质认识,智慧是人运用知识的能力.从上面两位著名情报学者的论述中,我们可以看到,情报学曾经经历过技术依赖所带来的学科发展的促进,在今天的大数据时代,数据对于解决问题的潜在价值不言而喻,情报学需要继续研究作为一种特殊信息或者作为信息原料的数据的行为和属性,关注数据的产生、收集、组织、存储、检索、解释、传播、转换和使用,研究处理数据使其易于获得和易于使用的最适宜的方法.

传统情报学比较注重的是DIKW模型中的信息(I)这个层次,大数据将信息链中的焦点左延到了数据(D)这一层,而大数据的关键在于应用,在于从数据中发现知识,数据中获得信息再获得知识是大数据应用的目标,因此大数据同时将信息链中的焦点右移到了知识这一层(K).因此,从信息的角度看,情报学的大数据对策之一就是:将研究的重点从信息链的信息层左延到数据层并右伸向知识层,重点关注数据向信息和知识的转化,针对数据-信息-知识-智慧开展全信息链的信息研究和信息管理.

4.1.2 信息处理技术向数据处理技术倾斜

技术是当今数据和信息的存在环境,围绕着信息的生命周期,技术的介入经历了从局部作用到整体作用的发展过程.在数据获取、数据组织和数据分析的大数据处理中,来自不同学科的技术都分别起到自己的作用,如计算机科学、通讯科学、数学、统计学、信息管理学、图书馆学情报学等,它们对数据处理的介入和定位是比较复杂的部分.

从上一节的BD2K的实践分析中我们看到,大数据的工具开发的最佳模式是不同知识背景的人同编程人员一起协同工作;此外,促进大数据利用的工作除了开发还有管理,除了分析还有应用,除了技术还有政策,其中对很多的学科都提出了挑战,IT技术也开始向数据技术倾斜.

因此,从技术的角度,情报学的大数据对策之二是:情报学传统的对信息加工和管理的技术如信息组织、信息检索、信息分析、知识发现、元数据、信息质量控制、信息可信度评估、信息标准化等技术,要向数据技术倾斜.

4.1.3 分析数据需求,建立人与数据之间的联系

今天的信息是在技术环境下为人服务的,无论是数据和信息还是技术的挑战,都面临着人在工作、生活和学习中对知识的需求内容和方式的根本改变,技术促进了这种改变,信息形式促进了这种改变,信息和技术的综合作用影响了人对知识的需求和利用.

人和知识之间的联系是个人和社会发展的基础,情报学一直致力于能够建立人与信息或知识之间联系.七十多年前的1945年范内瓦·布什博士提出的让人类正在增多的知识得到充分利用的科学目标,成为了情报学的研究宗旨;十多年前的1999年iSchool运动中,很多学校以人和信息的交互作为LIS教育的培养理念和教学目标,如佛罗里达大学信息学院的教学目标就明确为建立人与信息的重要联系[14].

由于人与知识之间的信息联系在内容和方式上是不断进化的,围绕着信息有各种技术不断出现,包括信息的表达和记录(如文字、印刷、图书、期刊、报纸、视频、音频等)、信息的传播(如出版机构、图书馆、广播电台、电视台、互联网等),人必须找到合适的方式利用信息,有学者认为人、信息、技术是环环相扣、互相适应、互相制约发展的[15].人对信息的需要是永恒的,人也永远在思考和探索能够运用什么样的技术来吸收、传播和利用信息.每一次新的技术突破,都会对人、技术和信息三者之间平衡关系的打破进而寻求新的平衡.

大数据的发展造成人与知识的联系出现了新的问题,寻求新的平衡就带来新的突破,包括学科的突破、专业的突破,正是在人与知识之间关系的冲突和矛盾之中,情报学得到发展.因此,从人的角度看,情报学的大数据对策之三是:深度研究人的数据需求,建立大数据时代人与数据之间、人与信息之间以及人与知识之间的重要联系,推动情报学理论与实践的发展.

4.2

寻找数据生态系统建设中情报学的定位

从BD2K的案例分析中,我们看到医疗健康大数据策略中非常强调数据生态系统的建设,专门召开研讨会和工作会来研究相关的问题,如何优化数据生态系统,将是大数据时代管理层和应用层要解决的关键问题.

当前数据生态系统存在的问题很多,BD2K提出了缺乏合适的数据工具、数据获取困难的问题,提出了让数据可发现、可接入、可交互和可重用的建设目标;我国学者朱扬勇和熊赟也很精辟地提出了大数据应用中的“6用问题”,即数据不够用、数据不可用、数据不好用、数据不会用、数据不敢用、数据不能用[1].

数据生态系统建设一定需要跨学科和跨领域的合作,不是某一个学科和某一个领域可以独立完成的.情报学本质上是研究人的信息利用问题的学科,在解决数据生态系统建设的问题中,其相关度很高,应该处于核心的位置,对于数据共享、数据标准开发,数据资源索引,数据资源描述、数据溯源、数据知识产权、数据发现、数据重用、数据管理、数据质量、数据可信度等数据生态系统建设的关键问题,情报学可以用参与和合作方式,加入数据生态系统的建设和优化的队伍中.

因此,从数据生态系统建设的角度,情报学的大数据对策是需要积极寻找在数据生态系统建设中本学科的理论、方法和实践方面的贡献,明确本学科的定位,借助大数据的机遇推动学科的发展.

4.3

社会人和专业人全方位的数据素养提升

从BD2K在人员培训和教育上的投入,我们看到人的数据素养不足是大数据应对策略需要解决的重要问题.信息素养教育一直是LIS的研究热点,图书馆学和情报学长期以来的信息素养提升的理论和实践中积累了丰富的经验,建立了国际间的合作关系、形成了广为流传的信息素养标准,信息素养教育所积累的经验、国际合作模式、标准推广方法等都为情报学在大数据时展数据素养的提升计划奠定了良好的基础.

情报学需要研究针对人人利用数据的时代中,社会普通人的数据素养要求;研究在服务于人的数据需求的过程中,专业数据人才的数据素养要求;制定社会人和专业人全方位的数据素养提升计划,通过社会科普、职业培训和专业教育,采用学校教育、社区教育、继续教育、MOOC’s教育等多种方式,开展全方位的数据素养的培训和教育.

针对数据素养提升,情报学的大数据对策是研究如何区分信息素养和数据素养之间的不同,制定数据素养的合理标准,针对不同的数据需要和应用需要,开展全球性的数据素养提升计划,全面提升普通民众和数据专业人士的数据意识、数据知识和数据能力.

5 结语

大数据的影响是多个方面的,用信息(数据)-技术-人的三个维度考察其影响和应对措施既符合大数据思维也符合情报学的学科视角,从医疗健康领域的大数据实践看,从数据到知识是大数据应用的关键,研究借助于大数据技术建立数据与人之间联系的理论与方法,是情报学在大数据时代的目标,情报学可以从信息-技术-人的维度确立学科的研究内容,在数据生态系统建设中找准学科的定位,并且为大数据时代人的数据素养的提升做出贡献.

情报学论文范文结:

适合情报学论文写作的大学硕士及相关本科毕业论文,相关情报学开题报告范文和学术职称论文参考文献下载。

热门情报学论文题目