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。

科研大数据生态治理的影响因素研究——基于扎根理论的探索

[目的/意义]探究科研大数据生态治理的影响因素,有利于促进科研大数据的良性发展和数据资源的优化再生。[方法/过程]文章运用扎根理论的研究方法,分析了不同领域人员对于科研大数据的使用需求,构建了原生、伴生、次生影响因素框架模型,并对其影响因素之间进行了关联性分析,最后针对不同群体的使用需求提出了数据治理的优化建议。[结果/结论]科研大数据生态治理受原生数据、伴生环境、次生资源等因素影响,具体来说,数据初始质量和传播过程影响着原生数据质量,同时受数据治理架构规范性、治理技术适配度、人才积聚量等伴生因素的影响,最后输出的数据资源则作为次生因素对治理过程进行着反馈与更新,总体上形成了“输入+输出”“内调节+外循环”“治理+反馈”的生态化治理框架。

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。