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。

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。

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。