基于数据密集型范式的制图综合难点解决模式

“范式”理论始终是引领各个领域科学研究的重要思想工具和实用工具,地理信息科学领域的研究手段和方法同样遵循4个范式的规律。数据密集型范式是范式理论发展的最新阶段,对各个领域的研究模式和方法产生了根本性的影响。制图综合是地图制作的关键环节,也是地理信息科学领域的世界性难题和热点问题。数据密集型范式将是解决该领域面临挑战的必然的理论、方法与技术。提出了数据密集型范式下居民地制图综合难点问题解决模式,分别设计了地图上居民地要素选取、合并和化简的模式和方法。

数据密集型科研范式下我国高校数据监护教育模式探析

在数据密集型科研范式下,高校开展数据监护教育势在必行。文章通过网络信息搜索调查了国内部分高校开展数据监护教育的情况,进而总结了目前数据监护教育的4种模式,并对我国高校开展的数据监护教育提出了建议。

全球科研范式变革下的图书馆科学数据管理服务创新——基于数据管理生命周期的视角

全球科研范式发生了深刻变革,迫切要求开展全生命周期科学数据管理,以提高科研活动的效率、科研成果的公信力和科技创新的可持续性。文章通过深入分析全球多种代表性的数据生命周期描述模型,梳理国内外图书馆开展数据管理服务的实践经验,初步提出了实现全生命周期科学数据管理的有效路径。研究发现,全生命周期科学数据管理是全流程、全要素、全体系的管理,要求实现数据规范化、检索便利、安全合规、迁移顺畅。为达此目的,需要建立数据平台、构建组织体系、加强国际协作、提升人力资源,从而实现各相关方的密切协同,形成全生命周期科学数据管理服务能力。

大数据背景下的虚拟地理认知实验方法

如何构建新一代的虚拟地理认知实验研究范式,从海量人类活动和地理数据中挖掘人地交互过程中的新模式、新知识成为新一代虚拟地理认知实验需要解决的问题。本研究首先提出了在数据密集型科学研究范式下的虚拟地理认知实验框架,阐述了从环境心理学的视角,结合多源人类活动大数据、城市环境大数据构建实验平台的方法,进而支持地理知识工程的构建。其次,本文介绍了基于海量街景数据和对应的个体情感评分数据,利用深度学习的相关方法和统计模型来进行认知知识挖掘的案例。实验发现了可视域中与个体对场景的情感维度-压抑感具有较高相关性的一系列视觉要素,如植被、建筑、车辆等,并通过回归分析予以量化。

面向数据密集型科研范式的科学大数据服务平台构建研究

文章论述了大数据环境下数据密集型科研活动面临的挑战,在此基础上分析了科学大数据服务平台构建的必要性和可行性,并具体阐述了科学大数据服务平台构建模型,包括科学大数据接收层、科学大数据存储层、科学大数据组织层、科学大数据计算层、科学大数据分析层以及科学大数据用户接口层等,旨在解决数据密集型科研活动面临的大数据采集存储、分析管理以及共享应用等问题。

前沿信息技术在生物医学大数据中的应用及展望

近年来,随着以高通量组学检测技术为代表的生物技术(biological technology,BT)的发展,生物医学研究领域开始进入大数据时代。面对高维度、跨层次、多模态生物医学大数据,科学研究需要数据密集型科研新范式。云计算、区块链、人工智能等前沿信息技术(information technology,IT)的蓬勃发展为这种新型研究范式的实践提供了技术手段。本文对云计算、区块链、人工智能等前沿信息技术在生物医学大数据中的应用进行了描述,并对数据密集型科研新范式支撑环境的构建提出了前瞻展望,以期建立融合BT&IT技术的新型研究方案和科研新范式,最终推动生物医学研究跨越式发展。

科学组织范式的演变及其发展趋势研究

文章采用历史分析方法,通过对各时期科学组织范式所涉及到的研究对象、组织结构及科研机构的演进分析,梳理了科学组织范式的转变情况,同时对科研机构在科学组织体系中的作用及其历史沿革进行了剖析。结合未来数据驱动科学、协作科学、开放科学和公民科学的发展趋势,提出当前科研机构正处于数据密集型的科学范式发展进程中,跨机构、跨学科、平台化、体系化、分工细化、开放协作的特征愈加突出,全新的科学组织范式正在形成。

论学科信息学的兴起与发展

随着数据密集型科学研究新范式的出现与日臻发展，科学研究日益成为数据驱动的知识发现活动，D．science（数据驱动的科学）时代来临。以数据计量分析为核心的一系列专门学科领域的“学科信息学”获得了快速发展和应用，有关的概念、技术和方法等已经得到了相应学科领域的认可。同时，支撑专门领域学科信息学发展的信息分析和应用的一般性知识体系不断完善，为一般学科信息学的产生奠定了坚实的基础。本文基于科学研究新范式的时代背景，提出一个全新的概念——“学科信息学”（SubjectInformatics）。文章首先从分析专门学科信息学出发，介绍了学科信息学的缘起，总结了一般学科信息学的内涵；其次，明确了学科信息学的主要研究内容、学科体系及其关键技术与方法；最后，重点剖析了学科信息学在促进学科知识创新和知识发现、催生数据科学兴起与应用、推动知识计算理论与方法发展以及促进学科情报分析与战略研究计算化、定量化发展等方面所起的作用。本研究对发展学科信息学理论体系、完善学科信息学研究内容、促进学科信息学发展应用、推动知识创新以及发展领域知识发现研究等具有重要意义。

FAIR原则如何成为现实?——FAIRsFAIR项目的运行模式、成效及实践经验

[目的/意义]FAIR原则作为一套促进和确保科研数据可发现、可获取、可互操作和可重用的原则,推进其实施,对保障科研数据充分共享与重用,最大限度地发挥科研数据的价值具有重要意义。[方法/过程]对FAIRsFAIR项目的背景、运行模式、工作成效进行深度剖析,并总结对我国推进FAIR原则实践的启示意义。[结果/结论]将FAIR原则融入科研数据管理相关政策中、建设支持FAIR原则的科研数据基础设施、把FAIR原则的理念内涵融入研究生教育体系、建立FAIR设施与服务的认证评估机制能够更好地推动我国FAIR原则的落实与实施。

再论学科信息学发展与趋向

[目的/意义]学科信息学(Subject Informatics)在数据密集型科学新范式时代应运而生、迅猛发展,作为基于学科领域大数据体系分析而开展学科领域知识发现的前沿交叉性学科,对其理论方法体系的构建完善与知识发现应用研究是发展学科信息学和促进学科领域知识发现的要务。[方法/过程]首先,从学科信息学的缘起背景出发,明确其理论体系、发展态势、学科知识发现全流程;其次,将学科信息学分为普遍性和工具性学科信息学以及典型专门领域学科信息学,观察和揭示其研究方向和研究进展;最后,在归纳学科信息学研究新进展的基础上,对其未来发展进行展望。[结果/结论]未来学科信息学应在建设增强数据存储能力的数据管理平台、完善增强数据治理能力的数据治理体系、改进增强数据分析能力的数据处理手段、提升增强数据解释能力的数据验证功效、应用人工智能和元宇宙等技术方面进一步加强完善。

计算社会科学时代需要什么教育学——兼与《计算教育学:内涵与进路》作者商榷

随着以大数据、人工智能为代表的信息技术的发展,计算教育学作为一个新兴的交叉研究领域受到国内外学者的关注。计算教育学研究教育的基本方式是数据分析与计算,但教育学是否与计算社会学一样同属于"可计算社会科学"值得认真讨论。大数据的化约、数据化处理方式与教育的整体性特质并不完全相容,教育活动或人的行为的数学化操作不具有自然科学的数学化操作那样的有效性和可行性。教育的特殊性以及教育主体的独特性决定了应用数据密集型计算方法所能发现的"新知识"不同于自然科学领域。对教育主体及教育系统各要素之间的互动过程,只能进行有限的、局部的、特定视角下的量化与计算。关于教育知识、教育规律的寻求和表达本质上是原理机制的研究和理论阐释,而不是数据分析。就该问题进行商榷并不表示笔者反对计算教育学作为一个新兴领域、新兴学科的出现,而是主张在学科交叉的样态下保持计算教育学清晰的研究边界和学科归属。从计算教育学赖以诞生的学科渊源来看,其学科归属更应该是计算科学和信息科学。