大数据时代的情报学变革
所属学科：全部学科发布时间：2016/3/11 10:36:39来源：国家社科期刊数据库
关注"壹学者"微信服务号（my1xuezhe）了解更多学术动态
近年来,大数据成为各个领域关注的焦点,各个领域都积极地开展大数据的理论研究与实践探索。在大数据环境下,情报学领域涉及大数据的使用、提供、运营、深层次加工及维护,图书情报机构作为数据资源的收集、加工、存储和利用服务的中心,其自身就是大数据的一个重要集散地,同时通过服务应用产生着大量的用户数据及其社会性网络与复杂使用过程信息,需要利用大数据的思维与技术方法进行数据管理与深度挖掘,形成新的大数据服务模式。大数据时代的到来,给情报学的发展带来巨大的挑战,情报学研究与实践探索必须面向更加复杂的数据网络、更加多样化的数据分析方法、更加精准化的用户需求、更加有针对性的结果呈现,这些变革已经随着大数据理念与技术在情报学领域的逐步应用体现出来。作为该领域的研究人员,必须思索大数据给情报学带来什么?情报学需要怎样的大数据?大数据对情报学产生哪些变革?
1.大数据的概念内涵及其研究现状
1.1 大数据概念的产生
从大数据的发展脉络来看,大数据被学术界正式提出始于2008年9月《自然》杂志发表的BigData:Science in the Petabyte Era系列专题文章,其主题是“怎样处理现代科学面临的数据洪流挑战”,具体内容涉及数据的收集,资金的投入等。2009年联合国提出“数据脉动”,并发布《联合国“全球脉动”计划——大数据发展带来的机遇与挑战》报告,计划在研究、创新实时信息数据分析的方法和技术,集中整合开放源码技术包,分析实时数据并共享预测结论等方面开展相关试验。2011年4月,英国宣布了全民数据权(Right to Data)的新计划,该计划命名为“我的数据”(mydata)。2012年3月29日,奥巴马政府在白宫网站发布了《大数据研究和发展倡议》(Big Data Research and Development Initiative),旨在提高和改进人们从大量复杂数据集合中获取知识的能力,以加速美国在科学与工程领域发展的速度。我国也积极的开展了大数据的相关研究,2012年中国通信学会成立大数据专家委员会,旨在探讨大数据的核心科学与技术问题,推动大数据学科方向的建设与发展,对相关政府部门提供大数据研究与应用的战略性意见与建议。相关的国际和国家层面的大数据计划推动了大数据在各个领域的应用。
大数据的概念目前没有统一的界定。维基百科将大数据定义为:大数据由巨型数据集组成,这些数据集大小常超出常用软件在可接受时间下的收集、管理和处理能力。Floridi指出大数据是指由工具、传感器、网络处理器、电子邮件、视频、点击流产生的大量、多样、复杂、分布的数据集或者由其他现在或将来能获取的数字化资源构成的。大数据是有相对性的,针对目前计算机处理的能力而言的。IDC(International DataCorporation)界定了大数据具有的“4V”特征,Variety、Volume、Velocity和Vitality,即多样性、大容量、高速度及时效性。贺德方指出大数据的价值链与传统情报工作的价值链一致,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。韩翠峰指大数据的“数据”不是数据存储,而是数据获取与数据应用,复杂数据的处理也将成为大数据时代图书馆发展的主旋律,为图书馆服务的模式、未来发展趋势提供分析与预测将成为大数据时代图书馆的主要服务内容。可见,研究人员对大数据的认识不断的深化,深入探索大数据的内涵与本质。
1.2 大数据在各个领域的发展
随着数据创造、发布、存储、处理技术的发展,人类社会各个领域的数据呈现出急速增长的态势,IBM研究表明,人类文明所获得的全部数据中,有90%是过去两年内产生的,到2020年,全世界产生的数据规模将达到今天的44倍,IDC(Internet Data Center)预测,全球数据在2015年将达到10万亿TB。整个社会经济、生产、管理、制造、物流等各个领域蕴含着丰富的大数据,对这些大数据的深层次分析处理,能够产生巨大的价值空间。麦肯锡研究表明,在医疗、零售和制造业领域,大数据可以每年提高劳动生产率0.5～1个百分点。我国由国家工商总局、专家组及龙信数据运用大数据挖掘技术,对工商全量、动态的全国企业登记数据进行分析,构建“企业发展工商指数”,分析我国宏观经济发展,成为我国政府在大数据挖掘领域的首创成果。政府公共管理同样面临着大量的数据。澳大利亚政府信息管理办公室(AGIMO)于2013年4月宣布澳大利亚政府可以利用来自谷歌、Twitter、Facebook的数据,谷歌、Twitter和Facebook等私营部门组织掌握了大量的关于澳大利亚乃至全球民众的存储数据信息,并且提供商业模式上进入数据的路径,与源自民众并由民众收集的数据一样,政府机构持有或拥有一个不断增加的数据财富,包括空间数据和地理数据。德勤报告显示,2010年1月以来,英国政府Open Data网站的人均访问页面数增长了285%,表明公众对政府公开数据的兴趣正在快速增长,英国政府通过高效使用公共大数据技术每年可节省约330亿英镑,相当于英国每人每年节省约500英镑。微软、IBM等开发相应的技术与工具进行分析数据,帮助公司把自身拥有的企业数据与消费者产生的非结构化数据结合起来,追溯每个业务流程中产生的庞大数据,帮助所有用户从原始数据中获取新的市场洞察和预测分析。可见,大数据广泛存在于社会各个领域,不是情报学的专属概念。
1.3 知识领域的大数据研究
知识领域的大数据研究属于情报学研究的范畴。情报学从学科产生开始,其核心内容就是情报、知识等内容的有效组织和利用,如英国情报学家布鲁克斯指出“情报学是关于客观知识分析、组织、传播和利用的学科”。情报、知识本身就蕴含着大量的数据,包括各类型文献信息资源及其描述信息(如期刊论文、图书、专利、标准等论文或引文数据、全文本数据)、科学数据(如观测数据、实验数据、基因图谱、化学结构式等)、科技管理数据(如用户数据、统计数据、项目数据等),这些数据经过科学发展的累积过程,目前已经成为庞大的数据体系。据统计,世界科技期刊已接近10万种,2013年SCI数据库的记录数达到7.6亿条,会议论文记录达到650万条。每年世界各个国家出版的专利文献已超过150万件,全世界累积可查阅的专利文献超过6000万件。PubMed数据库中收录有自1860年以来20 400种生命科学类杂志、刊物刊登过的超过1800万条的文献记录,这些文献中有980万条摘要信息,最早的记录可追溯至19世纪80年代,其中有870万条可以检索到全文。NCBI综合数字平台的Entrez数据库整合了35个不同数据库的信息,共收录有超过3.5亿条记录,EntrezGene收录了来自5300多个物种的430万条基因记录,UniGene收录了GenBank中来自所有物种的将近70 000条EST序列,Reference Sequences数据库共收录了来自5400种不同物种的300万条核酸序列和560万条蛋白质序列,TraceArchives数据库包含有4500个品种的共计超过19亿(12%为人类数据)的序列数据。情报学领域需要处理分析的数据源已经明显的具有了大数据的复杂性、多维性、碎片化、非结构性等特征。
从20世纪50年代至今,情报学研究始终关注在大量实验数据的基础上进行分析,探索在大量信息的基础上找到内容发现的规律与方法,如C.W.Cleverdon进行的Cranfield实验,G.Salton等所发展的SMART实验。情报学作为计算机技术和通信技术应用于人文社会科学的前沿领域,情报学及其研究成果已被国际社会视为人类信息化社会理论和物质基础的一部分,技术的发展对情报学产生重大的影响,邱均平等指出“信息技术每发展一步,都会将情报学实践推向新的高度,极大地丰富情报学的研究,并使情报学的理论体系进一步完善。”
情报学研究的重点始终关注数据的处理、分析及深层次挖掘,探索从复杂的数据中找到知识之间有效关联及知识发现的最佳方法。随着信息技术的发展及其在情报学领域的广泛应用,情报学领域数据的获取方式、获取数量、存储空间、处理方法等都不断的扩展,使探索更大量数据之间的关系成为可能,从基于文献引用数据的引文关系构建到基于概念内容的知识共现关联,从基于文本的文献数据信息分析到基于科学数据的跨学科知识整合链接,从基于网络内容要素的链接分析到基于海量数据的科研关系网络挖掘,情报学研究的数据规模逐渐的扩大到大数据的范畴。
大数据时代背景下,基于学科领域的大数据分析、处理与利用成为情报学研究的重要任务,大数据与信息计量、云计算、物联网之间存在着必然的联系。Rousseau指出大数据的理论、技术和方法能够应用于信息计量学,如使用链接预测技术来探测错漏的链接,大数据领域引文分析可用于探测热点主题等。Hung等和Agrawal等研究人员探索大数据和云计算的关系,提出了云计算支持下的数据共享模型,实现云存储数据隐私保护的方法,同时允许多用户获取有安全保障的共享数据。Lu等、Palla等和Shen等提出的分层社区发现算法、基于聚合式层次聚类的社区发现方法等,在生物信息学、社会网络研究、热点话题监测等领域进行应用。2012年9月在韩国首尔召开了亚太网络运营和管理会议APNOMS(AsiaPacific Network Operations and Management Symposium),探讨大数据和物联网时代的数据管理,如大数据的网络控制和操作问题,以增强网络的可信性和有效性。Science于2011年出版Dealing with Data专刊,探讨科学研究中的大数据问题,大数据对于各学科领域的科学研究都具有重要意义。情报学领域的研究人员已经开始关注大数据给情报学带来的变化及大数据背景下情报学的未来发展趋势。
在关注理论研究的同时,积极地开展大数据在情报学领域的实践与应用,在馆藏资源开放、用户数据分析、电子书使用监测、书目推荐、数据监管等领域开展实践探索。最早将大数据服务引入图书馆中并开始实施的是哈佛大学图书馆[28]。2012年4月,哈佛大学图书馆将开放其73家图书馆分馆的大数据,内容包括书目数据、地图、音频和视频等资料,并在美国数字公共图书馆中提供免费下载,这些数据包含丰富的属性,能够促进世界图书目录的开放与关联。美国国会图书馆自2000年开始为政府网站进行数据归档整理做,数据总量超过300TB,保存的Twitter信息数量已达到1700亿条、存储文件体积更到达133TB,积极的开展大数据的处理工作。美国Hiptype公司用大数据分析技术来研究电子书读者阅读习惯和喜好,这是国内外图书情报领域首例利用大数据技术构建知识服务社区实体(包括用户及资源)行为的智能分析引擎
2.大数据环境下情报学面临的挑战与机遇
2.1 基于大数据范式的情报学发展的新阶段
情报学从20世纪40年代至今经过了几十年的发展历程,情报学的内涵、体系和方法都随着信息技术的发展、用户需求的变化及信息分析方法的演变而不断地完善,社会功能及价值也在不断提高。从情报学学科发展范式来看,大致经历了以下四个阶段:
(1)基于information的事实型情报学发展范式(20世纪40～60年代)
这是情报学产生与确立的重要时期,形成了最初的情报学思想,确立了情报学的研究内容和研究方法。例如,美国科学家布什提出了机械化检索文献缩微品的设想、布拉德福德提出了文献分布理论、费尔桑提出分类检索理论、基于科学交流和文献资源共享理念的米哈依诺夫情报理论学派的发展等,这些都为情报学的发展奠定了坚实的理论基础,形成了最初的情报学研究范畴。这一时期的情报学研究及情报工作主要是基于事实、数据、信息和文献翻译等事实型情报研究与服务,重点关注学术情报的收集、组织、存储、检索、统计等处理技术,情报研究的结果大多是基于事实型内容的文献线索提供。这一时期的情报学研究方法和工具主要是研发了一系列情报学适用的技术,以支持情报学范畴数据内容的收集、组织等。例如,1961年美国化学文摘社用电子计算机实现“化学题录”的自动编排、科学引文索引的编制及应用、MEDLARS医学文献分析与检索系统、自动标引系统的研发等,这些方法与技术能够保证情报学领域研究与服务人员能够获取充足的数据信息,进行基于文献线索的情报分析研究。
(2)基于informationmanagement的综述型情报学发展范式(20世纪70～90年代)
随着信息技术的快速发展及广泛应用,情报学的研究范畴和研究深度也得到极大的拓展和提高,情报学研究与工作的重点在事实型情报收集与线索提供的基础上,深入开展情报的集成检索、翻译,形成基于特定学科或选题的综述内容,进而开展定性分析和文献计量定量分析的综述型情报分析服务。这一时期的情报学研究与工作已经具有明显的管理学特征,同时与相关领域如管理科学、技术经济、科学学、工商管理等关系越来越密切。1972年DIALOG联机检索系统开始在情报学中广泛应用,布鲁克斯提出知识地图的理念、肯特开始探索情报传递的经济学理论、马克卢普提出建立以科学/学术交流为基础的综合数据库、同被引理论的提出与实践,这些成为情报学进一步深入发展的理论基础,定题情报分析、科技查新、学科评价、引文网络分析成为该阶段情报学研究的重点。
(3)基于Intelligence的智慧型情报学发展范式(20世纪90年代中期至21世纪10年代)
随着网络数据库的广泛应用及数据分析方法与技术的改进,情报学的研究范畴表现出明显的智能的深度挖掘数据信息之间关联的特征,基于科技文献、科学数据、专利、标准、社会经济及开源数据等综合信息体系开展大规模的数据挖掘、分析及可视化呈现,通过大量数据开展学科发展趋势预测、技术路线模拟、网络舆情监控、科研实体关系分析等。引文分析、共词分析、链接分析、关联分析等方法为各类型数据分析提供了有效的支撑,利用这些方法能够有效的处理数据,构建出科学合理的引文关系网络、科学合作网络、主题共现网络、技术路线图等,从多维角度呈现数据各要素之间的关系,深度挖掘数据信息之间的有效关联。这一时期,研发了一系列支持数据信息深度挖掘的工具,如爱思维尔开发的科研决策参考工具SciVal,帮助用户更有效地评估、制定和执行研究策略,Freitas基于KA[2]ontology开发的科学本体,对科研活动要素科学文献、项目、事件、研究主题、人员、产品、组织和呈现之间的关系进行了揭示,意大利国立研究委员会开发设计了研究本体,对科研活动要素之间的关系进行了描述,并将其嵌入知识网络平台上,实现其下设的所有研究机构组织和共享科学知识。
(4)基于大数据的情报学发展范式(21世纪10年代至今)
随着大数据概念的提出及大数据时代的到来,情报学研究范畴已经明显的呈现出大数据的典型特征。大数据范式是情报学发展的新阶段,在这一阶段,情报学研究中涉及的数据类型复杂,非结构性数据所占比重明显增大,数据处理难度加大,对智能型数据分析工具依赖性增强,对分析结果可视化呈现需求提高,大数据分析的理论、方法与工具在情报学领域已经开始应用,对传统情报学发展中的数据获取、数据监护、数据存储、数据管理、数据分析、数据安全、数据呈现等内容的方法技术带来了极大的挑战。大数据技术与方法的应用对情报学的理念、研究内容、主要技术方法等产生了重要的影响,是情报学发展的新阶段。基于大数据理论与方法的用户数据分析、开放网络数据挖掘、数据监管、电子书使用监测、网络舆情监测等领域成为情报学研究的重点内容。OverDrive公司与大量各类型的图书馆合作,从图书馆中收集数据提供给出版商和其他有合作关系的图书馆,如电子书的流通状况、用户的需求状况、图书馆网站访问状况等,同时,通过Buy It Now等渠道为图书馆提供新的书目信息,为用户提供新的书目信息发现途径。
2.2 情报学演变过程中面临的挑战与机遇
随着社会需求与信息技术的发展,任何一门学科都在不断地发展演变。20世纪40年代开始,情报学在满足社会特定需求、技术发展的基础上,确定了早期的情报学研究框架。最近十几年,可以作为情报学繁荣发展的一个重要时期,情报学的研究内容、方法与技术都得到了极大的拓展与深化。但是随着各类型数据信息的急剧增长、对大数据的收集、组织、存储、整合、分析及展示成为社会需求关注的重点,而传统情报学信息分析的方法与技术已经不能完全满足各类型用户的最终需求,存在着边界不清晰,技术方法不先进,管理流程老化,服务方式和商业模式没针对性的问题,难以适用于数字科研与网络生态环境,也难以适用于数字思维模式。
目前,情报学发展面临的问题主要有以下几个方面:
(1)情报学基本理论亟待完善
从目前的研究来看,情报学基本理论主要包括情报的传播、交流与利用理论、文献分布理论、分类检索理论、认知理论、情报经济效益理论、知识地图理论等,这些基本理论大多在20世纪80年代之前提出,在新的数据科学环境下,这些基本理论需要进一步深化扩展,同时也需要根据新的数据环境的需求,提出新的理论支撑,不断完善情报学研究的基本理论体系。
(2)情报学研究对象的不断扩展
传统情报学的研究对象是情报科学,具体的包括情报的产生、内涵、表征、传播与流通,情报的存储、组织、加工、分析与利用,情报的标准与规范,情报用户与服务等内容。随着情报处理与情报分析方法与技术的不断提高,情报学研究对象的范畴也不断向纵深演进。大数据环境下情报学研究对象更加注重大数据的加工、清洗和规范整合与分析计算。研究对象的类型在原有基础类情报资源基础上,更多包含了事实型数据资源(如科研项目库、专利数据库)、术语类资源(如基础词库、各类型规范档、网络百科等)、关联型标注资源(如关联数据、书目数据等)及工具分析性资源。
(3)现有情报学研究方法的局限
目前情报学研究方法主要包括社会调查、文献计量、统计分析、共现分析、链接分析、内容分析、技术路线分析等,这些方法更多关注结构化数据的处理和数据样本的处理,而对于半结构化数据和非结构化数据的处理能力相对较弱,目前还没有实现全数据信息处理机制,需要在方法和技术上有所拓展。
(4)情报学跨学科融合的趋势日益明显,缺少相应的学科融合
目前,情报学研究内容与其他学科的交叉融合日益明显,情报学在生物、化学、环境、地理、物理、管理、经济等各个学科已经有广泛的应用,形成了生物信息学、化学信息学、地理信息学等多个研究领域,情报学的信息处理、分析的基本理论及方法在这些学科得到普遍应用,而对于情报学来讲,可以作为各领域的支撑学科进一步发展。
大数据的发展给情报学带来了全新的理论研究范式和数据处理分析方法,使情报学研究从数据样本分析发展到全数据分析成为可能,情报学研究的范畴更加体现出与各个学科的交叉融合,情报学理论与方法已经成为能够有效支撑各个学科领域的一门学科,能够为各个学科领域提供学科情报信息分析的技术方法、进行学科发展趋势监测、为科研方向发展及科研决策提供有效的支撑。
3.大数据背景下情报学的拓展与深化
3.1 基于大数据的情报学体系框架变革
大数据在情报学领域的应用,使情报学内涵与外延在新的数字环境下更为清晰,情报学体系框架更为合理,更好的适应了时代发展潮流和领域发展现实,极大拓展情报学的研究范畴,深化情报学研究层次,更多的关注文献数据、科学数据、用户数据、网络数据、开放数据内容本身,为情报学深入拓展与完善提供可能,从基本体系框架、内容构成、组织方式、分析方法、服务模式上将情报学的研究内容从原有的情报传播、收集、存储、检索、规范与服务的理论与方法进一步扩展到数据内容层面,如大数据战略、效益与流程,大数据描述、收集、存储、检索、组织关联与安全,大数据挖掘方法与平台、大数据使用与服务模式等方面,深化情报学研究的内容。
3.2 大数据范式下的信息资源内容构成
随着大数据理论与方法在情报学领域的探索性应用,大数据环境下情报学研究对象包含大数据的加工、清洗和规范整合与分析计算。情报采集组织加工服务的对象,不仅仅是原有基础类文献资源,更多包含术语类资源、标注类资源、事实型资源和工具分析性资源,传统情报学范畴下的资源内容更加丰富,情报学领域涉及的数据包括文献数据、用户数据、科研过程中产生的各种数据及管理数据等,情报学研究涉及的各类型实体及其要素信息都可以用结构化或半结构化的数据特征进行揭示和描述,但是由于这些数据信息的内容、类型、形态及描述识别都存在很大的差异,所以需要采用包容性更强的方法与技术来识别各类数据之间的关联,实现资源的有效链接及深层次发现。情报学领域拥有大量丰富的用户数据信息资源,如用户注册信息、用户图书馆利用信息(如浏览、检索、下载等)、网络用户日志等,通过对这些用户数据信息的分析,能够对用户的阅览习惯、资源利用行为、网络使用痕迹进行细粒度的分析,进而能够对图书馆的未来服务发展进行趋势分析,为图书馆服务拓展提供有效的数据支撑。图书情报领域涉及大量的用户数据信息,将这些数据有效的纳入大数据分析管理平台,能够更好的细化和拓展情报学领域的信息服务。
3.3 基于大数据的新型信息组织方式
情报学领域的大数据一方面来自图书情报部门内部各种数据,如书目数据、用户使用数据、RFID射频数据等,另一方面来自于图书情报部门密切相关的外部数据,如社交网络交互数据和移动互联数据,这些社交网络数据和移动互联数据由海量用户在互联网上随机产生,具有交互性、实时性和社会性的特点,图书情报领域能够利用社交网络和移动互联网络产生的大量数据,实现其内部数据同网络开放数据之间的有效关联,更好的促进资源的发现与重用。
大数据环境下,情报信息组织方式的变革更加明显,语义化、碎片化、关联化的资源组织方式需求尤为突出。在资源组织过程中,数据的挖掘分析、关联发现及可视化呈现的趋势日益明显,情报学正在从信息集成、整合与计量分析向数据清洗、聚合、挖掘与计算转型及深化。基于大数据的新型信息组织内容包括大数据的描述与识别、收集、存储与检索、标准与规范、组织与关联及其安全管理。由于情报学领域涉及的信息类型多样,大数据的揭示与组织的方法能够有效的促进各类非结构性信息的揭示与描述,更有效的实现数据之间的关联、规范、统计、计算及知识网络表现。
目前大数据已经涉及了各个领域如科学、政府、医学、技术、健康等需要处理巨大量数据的所有领域,并且应用新的技术来存储、处理和分析这些数据,处理大数据需要新的工具,需要有新的工具处理来自不同数据源的各种数据,如社会网络、搜索引擎、各种商务终端等。可见,社交网络及移动网络作为情报学领域重要的数据源,对其产生的大量数据分析,能够更好的促进情报部门内部资源的发现和重用。
3.4 基于大数据的新型情报分析方法
大数据环境下更加注重大样本数据的存储、计算和计量分析,形成模块化组合的工具及可视化展示平台。随着情报学领域数据内容的增加及情报分析内容的不断深化,事实型数据和分析工具类资源的需求量日益增大,用户更倾向于使用可视化的方法,用大量的分析数据来表达观点和结论。目前情报学领域学科数据信息服务的方法主要是聚类分析、数据挖掘、网络分析、可视化分析、数据融合与数据集成等,特别是聚类分析、可视化分析与数据挖掘技术。但这些方法目前仅仅是针对结构化的数据和有限数量的关键词进行聚类分析、共现分析等,对于非结构化数据和半结构化数据,以及更大数量的数据资源分析能力则显示出一定的局限性。数据的分析、管理和利用离不开技术的支撑,服务质量的提高更离不开技术的保障。近几年的研究主要涉及云计算、Hadoop、MapReduce、并行计算、可视化等技术,尤其是云计算、MapReduce以及Hadoop带来的分布式、并行式算法为大数据的分析与处理提供了新的方法与工具。Hadoop是目前最流行的大数据处理平台,是Google云计算技术的开源实现,主要用于处理大规模非结构化数据,通过Hadoop平台实现更大规模的和更加复杂的数据分析,如时间序列分析和大规模社会计算等,能够有效的支持图书情报领域的大数据分析,通过Hadoop进行大规模的数据分析,可以支持更多查询特征,在数据压缩和存取方法上都有很大的优化,处理原始数据的速度可以达到1GB/秒。在大数据环境下,情报学领域各类型数据的清洗、存储、计算、挖掘、处理、可视化呈现的方法都将得到进一步的发展。
3.5 基于大数据的情报服务功能拓展
情报部门作为学科信息的收集、存储、组织、分析、处理及利用的重要机构,承担着学科数据信息服务的重要职责。基于特定学科领域的大数据存储、处理、分析是情报部门支持科研的必然发展趋势。情报部门的研究支持服务包括信息资源的提供、服务的发现、书目管理软件、资源发布的支持(出版战略、高质量期刊、同行评议等)、引用分析和作者H指数分析等内容。大数据的发展对情报服务方法、服务工作的重点都产生了巨大的影响,为情报服务模式的深层次化、个性化及知识化的实现提供技术与方法上的有效支撑。因此,适应大数据时代的情报用户需求,研究基于大数据用户与大数据网络的服务理念和服务商业模式、服务评估及服务机制,开展基于大数据或全数据的情报工作与服务,有效提高情报服务的质量,是情报学领域的一个重要课题。
4.结语
大数据的发展,为情报学研究及情报组织与服务工作带来积极的推动力,不仅促进情报学领域研究与实践的深层次变革,而且会推进情报工作在数据管理、数据分析、数据使用及数据服务中呈现更高的职责要求,图书情报领域应该以此为契机,积极探索应用新的数据处理技术和方法,集成、清洗、处理、组织和利用大数据,更好的提升数据服务的质量,提升情报学在知识管理和应用领域的影响和效应。
(作者：曾建勋，中国科学技术信息研究所研究馆员)
