数据密集型社会科学发展的经验及启示:一个国际案例的分析

面对未来发展的不确定性,以及技术发展在学科建设及其研究范式的高渗透性,高校尤其是以人文社会科学见长的高校更应该主动迎接并积极运用数据密集型科学发现的优势,充分考虑数据驱动下的知识发现对于传统社会科学学科建制及其研究范式的重大影响、冲击乃至颠覆作用。一方面,数据密集型科学的发现及其在社会科学领域的渗透与应用,会带来数据密集型科学与社会科学的交叉融合发展,推动社会科学的学科建设方向由传统走向现代、由经验转向科学;另一方面,借助数据密集型科学发现基于数据驱动的研究优势能够有效提升社会科学研究的速度、效率和效果,进一步推动社会科学研究范式的转型,且人文主义与科学主义相结合的混合研究将成为社会科学研究的主流范式。以耶鲁大学为研究个案,着重分析其发展数据密集型社会科学的愿景目标和实践举措。研究发现,耶鲁大学通过发展并应用数据密集型社会科学的方法,拟实现借助数据密集型科学的强大力量不断赋能并推动社会科学研究范式转型、通过建立社会科学研究社区促进跨学科研究与协作、有选择地改善基础服务并强化制度保障与治理支持3个维度的愿景目标。为了实现这些愿景目标,耶鲁大学通过创建数据密集型社会科学中心、了解其他大学和行业卓越机构的发展趋势、在大学层面建立委员会等实践举措,实现重塑组织结构、调整组织行为和促进跨学科研究的整合效应;通过加强基础数据密集型课程群建设、增强数据密集型社会科学发展的多样性和包容性,以及教师年度会议和委员会等制度保障和治理支持,不断优化数据密集型社会科学的人才培养目标,推动课程教学的创新发展和科学评估。由此,耶鲁大学不仅推动了数据密集型科学与社会科学的知识交叉融合发展,还加快了数据密集型科学在社会科学研究中的应用。我国高校在未来的数据密集型社会科学发展实践中,需要主动转变社会科学发展的传统理念,主动运用数据密集型科学发现赋能社会科学转型发展,加强社会科学与数据密集型科学之间的深度融合,建立与数据密集型社会科学发展相匹配的人才培养目标与跨学科课程体系,注重数据密集型社会科学发展的整体规划与适时动态调整。

数据密集型科学与工程：需求和挑战

科学研究在经历了实验科学、理论科学、计算科学阶段后,进入了数据密集型科学阶段,与之相伴的是大数据时代的到来.大数据泛指规模达到几百TB,甚至PB级的数据①,其典型的特征是分布、异构、低质量等.尽管传统数据库管理技术(特别是商业关系型数据库)在过去40年间取得了巨大成功,但是这些技术和系统无法有效管理支持数据密集型科学与工程(Data-Intensive Science and Engineering,DISE)的大数据.文中探讨数据密集型科学与工程的具体需求和现实挑战.它涵盖的内容表现在4个层面,包括数据存储与组织、计算方法、数据分析以及用户接口技术等.同时,数据质量、数据安全、数据监护等内容也需要在各层面得到重视.文中尝试梳理了数据密集型科学与工程的整体架构,回顾了相关领域的新近发展,分析了面临的挑战,探讨了未来的研究方向.

数据密集型科学研究的需求分析与保障

[目的/意义]随着科学进入数据密集型时代,科研环境发生变化,科研需求也随之改变,充分了解并保障数据密集型科研环境下的科研需求对于推动科研活动的顺利进行、加速科研成果产出具有重要意义。[方法/过程]在传统科研需求的基础上,结合数据密集型科研的特点,从对科研基础设施的需求、对科学数据管理的需求和对新型科学交流体系的需求3个方面探讨了数据密集型科学研究的需求变化。[结果/结论]分析了数据密集型科学研究活动的需求,提出了需求保障策略。

数据密集型科学环境下的情报服务与发展

数据密集型科学环境的兴起与发展,使得情报服务的内容与方式发生了变化,基于科学数据的保存、发现、分析等服务成为了信息服务机构的服务增长点。文章对科学研究的第四范式、数据密集型科学环境的形成与推动因素进行了概述,重点对数据密集型科学环境下的情报服务内容与发展途径进行了分析。

科学数据管理与共享的FAIR原则--背景、内容与实施

数据密集型科学的一个重大挑战是如何帮助人和机器通过对科学数据的发现、访问、集成和分析以促进知识的发现。而FAIR原则(可发现,可访问,可互操作,可重用)是一套旨在提高科学数据的开放性、透明性和可重用性的准则,帮助确保正在形成中的“数据互联网”中的所有数据和相关服务对所有人(包括机器)都是可查找的、可访问的、可互操作的和可重用的。本文对FAIR原则进行解读,包括其提出背景与主要内容、实施步骤以及相关案例,以期推动我国科学数据管理与共享工作的进展。

科学数据权益分析的基本框架

科研数据是科学发展的一个重要部分,而且作为一种知识资产,它也是图书馆知识管理的一项新兴挑战。科研数据权益是进行科研数据管理的关键,它的基本框架包括:利益相关方的权益、不同学科的管理方式、不同层级的管理政策、使用与引用的权益、存储与传播的权益、公共共享的权益等。在考虑现阶段我国科研数据管理与服务的需求后,最终提出面向科研工作流程的科研数据权益管理的未来工作。

数据密集型科研环境下的高校图书馆发展与思考

数据密集型科学环境的兴起与发展,使得高校图书馆在数据处理与科研支撑面临挑战,也将使高校图书馆的资源建设向上游转移、数据服务成为主要服务、数据素养成为图书馆员必备素养。

高等教育学科发展背景的自动化计算和图示化描绘——以数据科学为视角

大数据时代的来临,数据科学的兴起,为高等教育学科研究模式的创新提供了新的可能。高等教育学科面临的机遇与挑战是什么,这是每个高等教育研究者共同关注的问题,但在以往,这类研究几乎都是基于模糊、定性的判断。为此,以数据科学为视角,以词频计量、共词分析、知识图谱呈现等为技术手段,以CSSCI论文数据库为数据来源,设计一种通用而高效的自动化计算和图示化呈现的方法重新解答这个问题,实现其研究方法上的创新。

E-Science环境下图书馆科学数据管理研究--以新墨西哥大学图书馆DataONE项目为例

e-Science环境下,科学数据管理正逐渐成为科学领域和图书馆界的关注热点,国外图书馆界在科学数据管理方面出现了一些成功做法与最佳实践。新墨西哥大学图书馆主持的DataONE项目,在分布式信息基础架构、多元协作与整合、数据生命周期管理等方面的成功经验,为我国图书馆开展科学数据管理提供了有益借鉴,并引发对图书馆未来角色的新思考。图2。参考文献14。

浅析大数据时代的科学研究方法

大数据时代的到来,使得科学研究方法发生变革。文章分析了科学研究方法的历史演变,并阐述了在大数据时代研究范式的转变及其必然性,最后提出只有新型研究范式的产生才能适应大数据时代的要求。

企业财务大数据系统建设刍议

作为现代科学产生与处理信息能力飞速发展的产物,大数据影响了科学研究范式上的变革,同时在商业生产层面也有快速发展。图灵奖获得者、资讯工程学家格雷(James Gray)将迄今为止的科学研究范式分成了3个阶段:从实验科学,到理论科学,再到计算科学;并大胆宣告第四范式:数据密集型科学的到来。

数据引证研究：进展与展望

随着大数据时代的来临以及数据密集型科学研究范式的兴起,"数据引证"问题日益受到关注。本文对该领域的国际研究现状进行了梳理总结,研究发现:①对数据引证的知识计量研究,将推动文献计量学、信息计量学和科学计量学三者的合流,形成一个统一的新学科———知识计量学;②数据引证实践的现状不尽如人意,但已在诸如数据集标识系统建立等问题上取得了重要进展,统一规范化数据引证格式的趋势日益清晰;③数据引证现状评估与研究进展的追踪,数据引证索引的编纂、指标体系研究以及数据引证数据库的建立,基于数据引证行为、记录以及索引的分析,应是未来需重点突破的方向。

“众包科学”的组织类型及其特征

众包科学是近年来应数据密集型科学与跨学科研究需要所产生的一种新型公众参与科学研究的组织方式。不同的科学研究项目,其众包的组织方式不尽相同,目前已经衍生出4种不同的组织类型。对这些组织类型不同的实践图景进行描绘和讨论,可以为该领域的理论研究和科研实践提供有价值的参考。

大数据环境下的电子数据审计:机遇、挑战与方法

电子数据审计的研究与应用是近年来审计领域的热点问题。大数据时代的到来给电子数据审计带来了机遇与挑战。首先阐述了研究大数据环境下电子数据审计的重要性;然后分析了电子数据审计的内涵及原理;在此基础上,重点研究了大数据环境下电子数据审计面临的机遇与挑战,并结合大数据的特点以及目前已有的大数据分析技术与工具,探讨了大数据环境下开展电子数据审计的方法;最后给出了大数据环境下开展电子数据审计的相关建议。研究结果为今后大数据环境下开展电子数据审计提供了理论基础。

经济犯罪侦查中的大数据思维研究

大数据思维是人类通过数据采集、处理、分析和可视化等大数据技术手段来解决客观问题时产生的一种思维态度和逻辑范畴。随着经济犯罪侦查和大数据技术的深度融合,经济犯罪侦查工作已经成为数据密集型科学发现的应用领域。第四代科学研究范式对当前的大数据侦查工作有极其重要的理论价值。数据驱动理念、相关性研究理论、从"未知"中发掘价值、数据核心主义都是大数据思维的重要内容。大数据侦查以数据精确反映客观世界为前提,印证了世界是普遍联系的哲学原理并在实践中还原联系的全貌。大数据侦查思维体现了唯物辩证法对事物客观、全面、整体、系统性的认识和把握。未来,大数据思维的应用体现在强大数据后台赋能地方经侦队伍;通过类罪模型的迭代优化使情报研判越来越智能化;大数据预测功能也能洞悉经济犯罪的发展趋势,服务地方经济建设。

新基建条件下数据赋能国土空间规划模式创新探索

结合相关技术的发展针对国土空间规划的编制思路、模式、评价标准和平台建设进行相关分析和研究,提出基于数字中台的国土空间规划体系架构,以推动大数据赋能国土空间规划的探索和创新。大数据、人工智能、区块链、物联网、数字中台等技术的发展为新时期国土空间规划提供了新的算法、平台和数据支持。

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。

人工智能驱动科学研究视角下的日本战略提案研究

日本科学技术振兴机构下属的研究开发战略中心(CRDS)以科研周期中的"假说"为视角,提出3个研究开发课题,旨在建立"AI自动化科研周期"体系,从而抢占未来科研竞争制高点。我国有关人工智能驱动科研周期自动化发展的研究较少,该文具体分析了日本研究开发战略中心(CRDS)发布的战略提案报告《人工智能与科学——以AI·数据驱动科学促进发现和理解》,阐述了日本对AI自动化科研周期体系建立的一些战略方针,以期对我国未来科研周期的智能化发展提供参考。

基于关联规则数据挖掘算法的推荐系统研究与实践

传统以计算为中心的系统设计思想在大数据时代日益不能满足系统设计需求,无论是系统资源利用率还是用户信息获取体验都达到了一个瓶颈。而以大数据为中心的设计思想日益呈现巨大的优势。基于此,笔者研究了在逻辑层面围绕以数据为中心的系统设计模式。计算上利用关联规则算法生成的推荐信息作为核心数据,借助云计算技术实现用户需求信息的预测,做到对用户需求信息的预先分析、生成,并对用户需求做到即时响应。

大数据时代的思维特点研究

近年来,"大数据"已经成为科技界和企业界关注的热点,所谓big data(大数据),是指靠专有平台实现价值提炼以帮助使用者决策分析的海量数据集产品。目前,拥有数据的规模大小和运用数据的能力将成为一个国家综合国力的重要组成,一个国家对数据的占有、控制将成为国家间和企业间新的争夺焦点。重点研究分析了大数据的5个特性,指出了企业的经济效益是推动大数据发展的主要动力,当前的大数据处理技术使人们从事的工作变得更加智能。通过对大数据时代的思维特点及思维方式进行研究,可以得出大数据时代最大的转变就是研究方式将进入数据密集型科学的范围中进行。