科研大数据再生研究:影响因素与优化策略

科研大数据再生是使科研大数据不断焕发新生命的关键过程,同时也是大数据环境下科研创新过程的数据化呈现过程,再生的新数据又成为科学新发现的重要源泉。基于MOA理论框架构建科研大数据影响因素模型,通过数据调查,利用结构方程模型方法剖析验证科研大数据再生的影响因素及其作用路径并对模型进行了修正。研究表明,科研人员本身的数据需求可通过其与数据质量及数据素养间的相互影响间接影响科研大数据再生;数据质量正向影响科研大数据再生;数据素养能力对科研大数据再生也有显著的正向影响。延续性再生直接正向影响科研绩效,重构性再生可通过延续性再生间接影响科研绩效。针对科研大数据再生的优化,提出虚实共生式需求感知策略、矩阵网链式平台管控策略、迭进式数据素养能力提升策略。

我国科研大数据生态协同度测度研究

[目的/意义]协同发展是提高科研创新效率的有效途径,对科研大数据生态系统协同程度进行测算能够梳理科研大数据发展脉络,为实现科研大数据协同发展提供参考。[方法/过程]在解析科研大数据生态协同内涵的基础上,引入复合系统协同度测度模型,基于2011—2020年《中国统计年鉴》《中国科技统计年鉴》等面板数据,测算科研大数据生态协同度。根据测度结果提出科研大数据发展现存问题的改善策略。[结果/结论]科研大数据协同治理虽然已经初具成效,子系统的有序度呈逐年增长态势,但整体协同度仍处于较低水平,从规制、技术、管理3个维度提出改善策略,为更好地实现科研大数据协同发展提供参考。

科研大数据迷雾模型的建构与解构

[目的/意义]建构科研大数据迷雾模型有助于科研人员掌握科研大数据迷雾演化规律、完善相应政策、规避科研风险,从而维护科研大数据生态的和谐稳定,是对国家大数据战略的积极响应。[方法/过程]在科研大数据迷雾模型建构与解构的过程中,从时间、空间、强度、利益、繁育等维度对科研大数据迷雾的类型、路径与机理进行了详尽剖析。[结果/结论]研究得出科研大数据迷雾是指衍生于数据迷雾,以科研域虚假、有毒、垃圾、冗余数据为基本组成,以全链性、不严格波动性、派系性、雾化性、灾难性为基本特征,以初生型、激增型、衰退型、焦聚型、弥散型、强迷雾、弱迷雾、趋利型、趋害型、杂育型、寡育型为基本类型,贯穿于科研大数据生产、消费、分解等整个生命周期,降低科研质量、干扰科研决策,进而扰乱科研大数据生态稳定的一类数据的集合。

科研大数据协同治理:体系构建与实施路径

[目的/意义]协同治理是科研大数据实现健康发展的必然要求,厘清科研大数据协同治理的维度与脉络,能更好地实现科研大数据协同发展,从而为科研创新活动奠定坚实的数据“基石”。[方法/过程]对科研大数据协同治理进行概念界定与特性分析,以此为基础构建科研大数据协同治理框架体系(CGFS-SRBD),从规制、技术、网络、文化4个维度分析科研大数据协同治理的活动机理,依据“初生—再生—共生—反馈—分解”五阶段,进一步提出科研大数据协同治理的实施路径。[结果/结论]研究表明,科研大数据协同治理是以层级相济性、迭代循环性、数据云化性、生态趋向性为特性,以规制协同为重要原则,以技术协同为能力基础,以网络协同为核心组成,以文化协同为内化实质,以“层链式”遗传响应路径、“阶梯式”携作迭升路径、“矩阵式”分化管控路径、“螺旋式”纵贯耦合路径为实施路径,以实现科研大数据从混乱到整齐、从无序到有序、总体向好发展为目标的动态、多维过程。科研大数据协同治理体系的构建及实施路径的提出有助于在推动国家大数据战略目标的同时实现科研数据价值最大化。

中国高职院校科研实力研究:现状、问题与对策——基于三十年科研大数据的分析

在类型教育体系中,高职院校科研地位日益提高。科研发展水平是衡量高职院校办学软实力及服务社会经济发展能力的重要指标,发展科研也是建立中国式现代化职业教育体系的内在要求。采用文献计量学方法,从宏观层面对全国高职院校三十年科研大数据加以对比分析,发现科研成果规模巨大、整体科研创新水平和学术影响力有很大提高、国际科研交流与合作程度不断加强、地区经济与历史底蕴是影响高职科研创新活力的两大关键因素,但科研发展水平不均衡、科研创新后劲不足、发文质量和影响因子还有较大提升空间。需要进一步明确高职院校科研创新意义和责任,继续加大科研支持与投入,继续扩大市场开放办学,积极寻求产学研合作,并建立有利于科研创新的评价制度,提升研究水平和研究价值。

科研大数据共生的机理研究

科研大数据共生作为科研大数据共享的重要过程,在科研数据生成过程中发挥着至关重要的作用,探究其内在机理具有重要的理论价值和实践价值。文章在共生理论的基础上,给出"科研大数据共生"的概念,构建了科研大数据共生模型(SM-SRBD),然后从维度分析、共生方程分析与寄生机制的关联分析等几个方面,深入阐释了科研大数据共生的内在运行机理,分析了科研大数据共生和寄生之间的趋利型和趋害型两类演化路径。研究表明:科研大数据共生是一个以利益维、自由度维、空间维、时间维、强度维等不同维度的共生活动为核心活动体系,以"共生数据源"为基,以"数据共生方程"为过程逻辑,以实现优势互补、共同成长(或偏利成长)并生成共生化新数据、构建科研大数据命运共同体、提升科研大数据质量为目标,不断趋于优化的泛在化、协同化的动态进化过程。

科研大数据治理多螺旋联动模型研究

[研究目的]为响应国家大数据发展战略,完善科研大数据治理理论,提升科研人员数据治理能力,继而维护科研大数据生态系统稳定。[研究方法]针对科研大数据治理现存问题,在现有的双螺旋、三螺旋、四螺旋模型研究基础上,构建了科研大数据治理多螺旋联动模型并以中国科学院数据云为例对其应用场景进行了分析。[研究结论]研究表明,多螺旋联动模型是在数据维度混乱、数据不对称引用、生态关系薄弱、国际数据壁垒等问题下催生的,以控制科研数据质量、保护科研数据安全、维护科研大数据生态系统稳定为目标,以降维旋、定位旋、转化旋为核心,以人员旋、服务旋、管理旋、数据旋、技术旋、X旋、Y旋、Z旋为辅助,以数据降维、快速定位、线性转化为策略的多螺旋联动的具有较强适用性的科研大数据治理模型。

基于尖点型突变理论的科研大数据治理模型研究

[目的/意义]科研大数据治理在促进科学发展中起着重要推动作用,是提高治理能力与增强核心竞争力的关键途径,而突变是科研过程中广泛存在的现象。研究突变状态下的科研大数据治理过程有助于解决系统封闭、数据壁垒等问题。[方法/过程]借鉴突变理论中的尖点型突变理论,以科研大数据治理系统内生域科研大数据为状态变量,系统内生域科研大数据引起的熵增和系统外生域要素引起的负熵为控制变量,构建科研大数据治理模型(GM-SRBD),并对其机理进行解构。[结果/结论]研究表明,科研大数据治理过程可看作一个以突变性、随机性为特性,以模型上叶"无序态科研大数据治理系统"为基础,以实现模型下叶"有序态科研大数据治理系统"为目标,以"预备阶—逐进阶—临界阶—突变阶"四阶段为治理过程,以"环境融合策略(E)—网络梳理策略(I)—文化多元策略(C)—规制完善策略(R)—技术促进策略(T)"(EICRT)为五位一体治理策略体系,从而促进科研大数据治理系统内外交融,并使科研大数据由无序趋于有序的动态治理过程。

科研大数据再生的内涵解析

作为科研大数据共享的核心过程,科研大数据再生在科研创新活动中发挥着重要的作用。文章基于再生理论,在对科研大数据再生概念进行界定和特性分析的基础上,构建了科研大数据再生模型(RM-SRBD),然后从阶段分析、核心活动维度分析、转化分析、状态演化分析、循环反馈路径分析等几个方面对模型的运行机理进行了解析。研究表明,科研大数据再生的过程可以看成是一个以"科研大数据再生需求""科研大数据再生核心活动""科研大数据再生应用"为阶段,以修复性、重用性、继承性、可溯源性、增值性等为特性,以结构、空间、时间、过程、关联程度、有益性等不同维度的再生活动为核心活动体系,以单阶反馈、双阶反馈与有利性反馈(同时也存在着有害性反馈)为循环反馈路径,以"旧数据"为基,实现数据再生优化并生成"新数据"为目标,进而使之焕发生命活力,阶跃式、非线性、迭代式的周期性动态演化过程。

医院科研大数据平台的应用实践探索

目的:利用大数据平台在科研一体化构建等方面的科学性与时效性,探讨其在单病种研究的使用价值。方法:利用医院科研大数据平台高效的数据采集与清洗、数据治理与标准化、后结构化处理、大数据搜索能力、科研统计分析能力等科研手段,优化科研工作模式,提高科研效率与分析能力。结果:针对科研要求,设计电子CRF表单,通过宣教、电话、微信、医院信息管理系统、电子病历等实时获取患者康复情况,专项建立患者康复随访数据库,实时更新数据库数据。结论:科研大数据平台能够有效地提高科研工作效率,对单病种研究有积极的促进作用,并能够加快科研进程与科研结果产出。

医院科研大数据平台的应用与实践

有效的挖掘海量的临床医疗数据,可以降低科研成本,提升医疗机构服务质量和科研成果转化效率。以HANA内存数据库为支持,通过标准化、归一化及数据治理,整合临床各个系统数据库提供统一的数据支撑,应用于科研大数据平台的建设。构建全院医疗科研大数据平台,实现科研人员快速、准确提取科研数据并转化科研成果。医疗科研大数据平台的构建是利用丰富的临床医疗资源,把临床医疗资源变成临床研究资源,通过临床研究提高医疗服务能力,提升医院核心竞争力。

科研大数据质量管控模型仿真研究

[目的/意义]大数据时代科研数据激增,与此同时劣质科研数据的传播给中国与世界的科研工作带来巨大的挑战,如何合理有效地管控劣质科研数据是科研工作所面临的难题。[方法/过程]面向科研大数据质量管控的紧迫需求,结合博弈论模型、改进病毒传播SIR模型构建科研大数据质量管控模型(CM-SRBD),并对科研大数据各阶段管控措施效果进行仿真模拟。[结果/结论]研究表明,科研大数据质量管控是一个以控制劣质科研大数据在数据生态链中传播、提升科研大数据质量为目标,以“源头博弈阶段(G)—传播阻隔阶段(D)—修复淘汰阶段(E)”(GDE)为一体化管控阶段,以建立产出质量控制机制、设立数据隔离空间单元、引入劣质状态优选机制为管控策略体系,进而对具有“致命性、隐藏性、专业性、潜伏性”的劣质科研大数据实现有效管控,以减少易劣质科研大数据、快速发掘暗劣质科研大数据、有效优化数据修复流程,从而维护科研大数据生态平衡的动态过程。

基于Hadoop的医疗科研大数据平台的构建与应用

目的:为了提高医疗数据的利用率,整合各类临床数据、科研数据、随访数据等,可以实现各类数据的利用与共享。方法:构建稳定、高效的医疗大数据平台,以Hadoop 2.0技术框架为基础,采用分布式数据存储结构,并运用机器学习及自然语言处理等技术,有效地采集和存储数据,并对其进行标准化和归一化处理。结果:搭建了医疗科研大数据平台并应用于临床科研。结论:医疗科研大数据平台可以为临床科研、临床辅助决策和管理决策提供数据支持。

科研大数据生态系统:构成要素及关联关系

[目的/意义]科研大数据是技术进步与经济发展的先导,科研事业发展的源动力,科学设计科研大数据生态系统,梳理各要素间关联关系,可帮助人们调整科研大数据共享流程,使其流向科研人员最高益部分。[方法/过程]结合国内外研究,以我国极地科研大数据发展为实例,对科研大数据生态的构成要素进行详尽剖析,并以此为基础分析科研大数据、科研大数据环境、科研人员间关联关系。[结果/结论]分析得出科研大数据生态系统是一个以数据层、环境层、人员层三层协契为基本框架,以赋予科研大数据生命特征为特色,以科研大数据生命周期各活动为核心,以实现科研大数据价值最大化为目标,数据间存在同源关系、重生关系、遗传变异关系、离易关系,人员间存在链带关系、子集关系、迭升关系,数据、人员与环境间同步与异步关系并存且不断演化的相互关联、和谐有序的动态系统。

科研大数据变异的机理研究

[目的/意义]科研大数据变异作为数据发展的客观现象是数据质量控制的关键问题,探究其内在机理对于促进数据生态良性发展,巩固国家科研数据成果等方面具有十分重要的意义。[方法/过程]文章以遗传变异理论为基础,对科研大数据变异的概念及特性进行了分析,进而构建了“科研大数据变异演化模型”(VM-SRBD),并从阶段分析、核心活动分析、传播应用分析三方面进行了分解,最后以实际案例对科研大数据的变异演化过程进行了具体论述。[结果/结论]研究表明,科研大数据变异是以不可规避性、双向性、可修复性、可溯源性、遗传性为特征,以变异诱发、变异核心过程、变异传播应用为发展阶段,以数据内生及外生因素为诱发原因,以数据恶性变异及良性进化为发展趋势,以可修复恶性变异数据及进化数据再传播为目标的非线性、多路径、可反馈的动态演化过程。

科研大数据休眠:类型划分及消解机制研究

[目的/意义]科研大数据开放共享是科技创新发展的关键,唤醒休眠科研大数据充分挖掘其价值潜能,对于促进数据资源及科研大数据生态的良性发展具有重要的理论与实践意义。[方法/过程]以生物休眠理论为基础,提出“科研大数据休眠”的概念,并对其发展特性进行分析,进而对其类型划分以及对应的消解机制和演化路径进行论述。[结果/结论]科研大数据休眠是以自发性、潜伏性、再生性、触发性、多线性为特征,以数据被动或主动休眠为类型,以数据激活、数据复苏、数据价值重塑的三阶模型(A-R-R机制)为消解机制,以减少数据被动休眠、促进数据复苏及价值重塑为目标的多路径、多层次、循环式动态演化过程。

科研大数据风险传导的机理研究

[目的/意义]科研大数据风险长期蛰伏于科研活动过程,威胁着科研大数据的健康发展,探究科研大数据风险传导的核心机理,解构其形成—传导过程,能够为后续相关研究提供理论参考。[方法/过程]构建科研大数据风险传导模型(RCM-SRDB),从要素、维度等方面深入分析,并进一步对科研大数据风险的传导路径进行多维度解读。[结果/结论]研究表明,科研大数据风险传导是一个以风险原体、风险散播者、传导介质、风险感染者为链条,以生态本质使然、自我主义驱使、安全技术时滞、多元环境威胁为诱因,以时间维、空间维、层次维、强度维为风险核心维度,以线形靶向路径、多重交互路径、星形扩散路径、孤波—分形式路径为传导路径,以危害科研大数据生态系统健康发展为潜在威胁的动态多维过程。

科研大数据非稳态的机理研究

[目的/意义]科研大数据非稳态是科研大数据发展过程的重要一环,对科研工作者来说既是机遇也是挑战,分析其内在机理对于激发科研主体的创新活力,推动科研大数据生态实现更高层级的稳态协同式发展具有重要意义。[方法/过程]首先提出“科研大数据非稳态”的概念,然后对其特性进行分析,构建科研大数据非稳态模型,最后以此为基础探究科研大数据非稳态到稳态的转化路径。[结果/结论]科研大数据非稳态是一个以泛化性、阶跃性、重构性、双刃性、辐射性、多维性为特征,以科研基础条件变化、科研主体交互失衡、科研多元环境突变、科研数据流动异常为诱因,以时间维、空间维、主体维、客体维为核心维度,以应急阻断式路径、巡航交互式路径、以变应变式路径、节流分流式路径为转化路径,以影响系统转化发展为结果的不稳定的过渡过程。

医院科研大数据平台建设与应用

疾病资源数据是医学发展的重要战略资源,通过整合医院信息系统的数据资源,加强数据治理,完善数据结构化、标准化与信息平台的互联互通,建立科研大数据平台,为医院各学科开展研究工作提供优质、标准的数据资源和高效的科研管理,实现以病种为导向,加快医学研究产出,降低科研门槛,促进医学发展。

林草科研大数据平台的研建与应用

针对林草领域数据量大、数据类型多样、知识挖掘和可视化分析技术门槛高等问题,结合林草行业科研数据现状,以计算机应用技术为基础,构建了林草科研大数据平台,实现了林草科研数据资源汇聚和知识发现。该平台采用包含基础设施层、数据资源层、数据分析层、数据服务层等四层总体架构的设计模式,使用Java语言,基于Spring MVC框架、ECharts可视化工具,系统实现了林草知识的深度搜索、大数据分析、知识图谱和可视化展示等功能,并依托Spring框架集成安全认证shiro,日志管理log4j和缓存redis组件。本文首先概述了林草科研大数据的内涵以及研究现状;然后从数据类型、数据处理与集成、数据分析与解释等角度阐述了林草科研大数据平台的数据资源建设流程;详细介绍了林草科研大数据平台的技术实现框架和4个典型特色功能应用;最后总结了林草科研大数据平台取得的成效并进行了展望。研究表明,建设林草科研大数据平台,汇聚及共享林草数据资源,提供精准知识化服务,有效促进了林草科研数据的高效管理利用以及科研知识的深度挖掘,对加快林草科技创新具有重要的意义。