Methodology and Trends of Linguistic Research in the Era of Big Data

This paper presents methodology and trends of linguistic research in the era of big data.We begin with a discussion of the role of linguists in the information society and illustrate the opportunities and challenges linguists are currently facing.After highlighting the significance of authentic data on linguistic research,we argue that language is a complex adaptive system driven by humans.Then,from the perspective of philosophy of science,we introduce the research paradigm of quantitative linguistics through several cases.Finally,we discuss how China’s linguistic research will benefit from the data-intensive approach in terms of scientification and internationalization.

The development history and enlightenment of the scientific data services of American university libraries

In the era of the big data. the national strategies and the rapid development of computers and storage technologies bring opportunities and challenges to the library＇s data services. Based on the investigation literature of the scientific data services in the university libraries in the United States, the development process of the scientific data is analyzed from three aspects of the service types, the service mode and the service contents. The author of this paper also proposes opportunities and challenges from 5 aspects of the policy support. strengthening the publicity, the self learning, the self positioning and relying on the embedded subject librarians, to promote the development of the library scientific data services.

SwCS: Section-Wise Content Similarity Approach to Exploit Scientific Big Data

The growing collection of scientific data in various web repositories is referred to as Scientific Big Data,as it fulfills the four“V’s”of Big Data—volume,variety,velocity,and veracity.This phenomenon has created new opportunities for startups;for instance,the extraction of pertinent research papers from enormous knowledge repositories using certain innovative methods has become an important task for researchers and entrepreneurs.Traditionally,the content of the papers are compared to list the relevant papers from a repository.The conventional method results in a long list of papers that is often impossible to interpret productively.Therefore,the need for a novel approach that intelligently utilizes the available data is imminent.Moreover,the primary element of the scientific knowledge base is a research article,which consists of various logical sections such as the Abstract,Introduction,Related Work,Methodology,Results,and Conclusion.Thus,this study utilizes these logical sections of research articles,because they hold significant potential in finding relevant papers.In this study,comprehensive experiments were performed to determine the role of the logical sections-based terms indexing method in improving the quality of results(i.e.,retrieving relevant papers).Therefore,we proposed,implemented,and evaluated the logical sections-based content comparisons method to address the research objective with a standard method of indexing terms.The section-based approach outperformed the standard content-based approach in identifying relevant documents from all classified topics of computer science.Overall,the proposed approach extracted 14%more relevant results from the entire dataset.As the experimental results suggested that employing a finer content similarity technique improved the quality of results,the proposed approach has led the foundation of knowledge-based startups.

面向数据密集型科研的科学数据管理模式研究

数据密集型科研范式下,科学研究中产生越来越多的科学数据,科学数据管理变得尤为重要。在梳理国内外相关研究的基础上,剖析数据密集型科研环境下对科学数据管理的新要求,结合数据生命周期理论分析科学数据管理各个阶段任务,构建相应的科学数据管理模式,提出多方主体实践的对策建议,以推动大数据时代的科学数据管理与共享。

以效为标·以数为据·以调为治——论中医学的数据科学思维

中医学的本质是追求人与自然的统一和健康平衡,是人类智慧与疾病对抗并寻找和逼近健康解决方案中最优解的过程。中医学持续的生命力源于对临床疗效的追求、从大量复杂数据中寻找促进健康的证据,以及调整健康状态的干预模式。中医学的诊疗模式本身就蕴含着数据科学思维,体现了以数据驱动的决策模式,是一种天然基于数据的科学。

大数据赋能下移动App个性化用户报告技术特征的维度探索与量表开发

基于需求-示能性-特征理论,厘清移动App个性化用户报告情境下用户与品牌间产生情感联结的心理机制。采用定性与定量相结合的研究范式,通过扎根理论对技术特征的结构维度展开探索性研究,在此基础上开发并检验了测量量表,还实证检验了技术特征对用户心理的预测效用。研究表明:该情境的技术特征包括镜像性、客观性、社会性、趣味性、安全性5个维度;技术特征的测量量表由5个因子、21个题项构成,且信度和效度均达到理想水平;技术特征能够通过自我展示示能性对心理所有权进行正向预测,满足用户心理需求并促进用户与品牌的关系。

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。

智能城市规划的理论与技术机制探索

为预判智能城市规划未来发展趋势,研究了既有城市规划研究模式及其中的技术机制与技术流程.在现代城市规划研究模式的发展历程中,先验模式、循证模式、定量模式和智能模式4种模式的传承与迭代呈现螺旋式发展特征.相较传统,智能城市规划的技术机制着眼于城市规划的全链条,呈现自动化集成的特征.智能城市规划的流程包含智能分析、智能规划、智能管控3个阶段,具体包括智能城市感知、智能洞察识别、智能模拟仿真、智能稳态预测、智能规划生成、智能交互优化、智能公众参与、智能规划审批和智能规划管控9个技术模块.未来,智能城市规划需进一步依托人工智能大模型技术的发展,增强可解释性,逐步实现智能化的先验与循证,针对城市问题提出创新、可信、可行的智能化解决方案.

社会技术融合:政策信息学的由来、范畴与框架

政策信息学是涉及政策科学、信息学等多学科的新兴交叉领域,从情报学视角去观察和梳理政策信息学的由来、范畴与框架,能为政策信息学提供学科发展的土壤,并增强情报学的话语权和生命力。首先,本文基于社会技术系统理论,从社会和技术两方面系统阐述了政策信息学的缘起由来,并阐明其研究范畴,对代表性概念及研究进行总结和辨析。其次,从社会技术融合视角构建了面向政策过程全生命周期的政策信息学分析框架,梳理政策信息学分析的研究问题、方法和工具。最后,对政策信息学的研究与应用进行展望,认为未来政策信息学将继续进行社会技术融合,并围绕全流程分析、全数据挖掘、全主体服务、全方位评价、全时空推演等五个方面深化拓展。图5。表3。参考文献66。

SDGs科研工作台架构设计与实现

【目的】地球大数据平台为可持续发展目标研究提供了计算资源和数据资源的支持,但各学科研究人员对于资源的占用不均衡,且对资源的使用率也不高。本文致力于解决地球大数据平台中资源使用的问题,更好地服务科研人员开展SDGs研究。【方法】本文采用云原生技术构建了一个面向可持续发展研究的一站式科研工作环境,为研究人员提供在线获取和处理数据、训练和使用模型、构建和部署应用软件等服务。【结果】极大地减轻了科研人员搭建科研软件栈的工作负担,提高了对占用资源的使用率,同时依托云原生的自动扩缩容能力,实现了资源的均衡使用。【结论】通过云原生架构构建的科研工作台,实现了云服务从研发、测试、部署、版本更新到使用的一体化应用生态,有效地支持了面向数据驱动的SDGs研究新范式。

国家大数据综合试验区设立对城市绿色创新的影响及空间溢出效应研究

在数字经济时代,大数据为推动城市绿色发展提供了重要驱动力。利用国家大数据综合试验区设立来构建准自然试验,基于双重差分模型全面评估了大数据对城市绿色创新的影响及其空间溢出效应。研究发现:国家大数据综合试验区设立显著提高了城市绿色创新水平,引入一系列稳健性测试后,结论依然成立。机制检验表明,国家大数据综合试验区设立主要通过促进城市金融发展、提升数字经济水平以及强化科技人才集聚三条渠道驱动了城市绿色创新水平提升。异质性分析揭示,国家大数据综合试验区设立对城市绿色创新的增进效应表现出地理区位、互联网发展水平、公众环境关注度和资源禀赋异质性。具体来看,该效应对东部地区城市、互联网发展水平和公众环境关注度较高地区城市以及资源型城市绿色创新水平的提升作用更为强烈。进一步地,采用双重差分空间滞后模型进行检验发现,国家大数据综合试验区设立产生了显著的空间溢出效应,有效驱动了周边城市绿色创新水平提升。研究结论拓宽了国家大数据综合试验区设立的经济效应研究,为通过推动大数据发展来增进城市绿色创新提供了重要政策启示。

大数据时代国内外个人信息保护研究热点和演化趋势——基于科学知识图谱分析的文献计量方法分析

[目的/意义]对大数据时代国内外个人信息保护的研究热点和演化趋势进行了总结和回顾,旨在为相关领域的研究提供参考和启示。[方法/过程]运用文献计量法和科学知识图谱法,基于CNKI和Web of Science数据库,以ITGInsight为主体工具,再辅之Gephi、Excel、SATI等科学计量与知识网络分析软件,对大数据领域国内外个人信息保护研究领域的热点分布、主题演化以及研究内容进行分析。[结果/结论]大数据时代国内外个人信息保护相关研究主题分布广泛、演化规律较为复杂,呈现出显著的变化趋势,在未来的研究中,需要综合考虑技术、法律、政策等多个方面的因素,以构建更加全面、系统的个人信息保护体系。

科技情报智慧数据治理技术体系研究与应用实践

[目的/意义]科技情报的智能化发展给数据治理带来了新的挑战,研究数据治理中数据建设内容不成体系、数据建设和业务缺少协同纽带、数据质量差等关键问题,推进数智驱动情报分析新模式的形成。[方法/过程]基于智慧数据内容层级结构,设计了基础治理与协同治理相辅相成的整体架构,分别面向通用化数据处理和定制化数据处理。结合协同主体和协同机制,探索交互式、低代码协同治理平台的建设路径,并以质量指标为牵引制定数据治理全链条的质量控制模块,最终形成科技情报业务牵引的智慧数据治理技术体系。[结果/结论]该体系指导了中国科学院文献情报中心智慧数据治理工作,设计研发了6套治理工具集,实现了对142项数据资产管理以及约4.6亿篇文献数据的内容治理,并支撑了多个知识服务系统的运行。[局限]该治理体系未研究对图片、音频、视频等多模态数据的治理方案。

Deep learning for processing and analysis of remote sensing big data:a technical review

In recent years,the rapid development of Earth observation tech-nology has produced an increasing growth in remote sensing big data,posing serious challenges for effective and efficient proces-sing and analysis.Meanwhile,there has been a massive rise in deeplearningbased algorithms for remote sensing tasks,providing a large opportunity for remote sensing big data.In this article,we initially summarize the features of remote sensing big data.Subsequently,following the pipeline of remote sensing tasks,a detailed and technical review is conducted to discuss how deep learning has been applied to the processing and analysis of remote sensing data,including geometric and radiometric processing,cloud masking,data fusion,object detection and extraction,landuse/cover classification,change detection and multitemporal ana-lysis.Finally,we discussed technical challenges and concluded directions for future research in deep-learning-based applications for remote sensing big data.

职业院校中高职协同培养研究

本文以北京信息职业技术学院大数据技术专业为立足点,对中职教育衔接高职教育的衔接现状进行了深入的调研分析,研究发现在中职衔接高职的过程中存在一些共性问题。本文汇总分析了这些共性问题,并提出了职业院校中、高职教育衔接的对策与建议,以期为实现职业教育中高协同培养提供理论借鉴。

中国石油精细油藏描述技术新进展与展望

精细油藏描述研究是油田开发基础工作之一,其研究精度的不断提高,极大地促进了油田开发水平的提升。“十二五”和“十三五”期间,中国石油精细油藏描述研究针对多层砂岩油藏、复杂断块油藏、低渗透砂岩油藏、砾岩油藏、稠油油藏、特殊岩性油藏分别开展了技术攻关,形成了不同类型油藏配套技术系列。为了支撑剩余经济可采储量(SEC)储采平衡、老油田“压舱石”、采收率再提高、页岩油革命等“四大工程”,系统梳理中国石油精细油藏描述研究在5个方面的最新进展,分别是井震结合构造精细解释技术实现低级序断层定量描述,基于储层构型研究的单砂体刻画技术实现米级砂体描述预测,室内实验、数字岩心、物理模拟和数值模拟等方法技术实现综合剩余油表征,精细油藏描述成果平台建设实现研究过程协同共享和成果规范化存储管理,建章立制制定系列标准规范实现精细油藏描述研究规范化。通过系统总结精细油藏描述存在的8个方面问题,提出精细油藏描述的发展方向。

数字经济对全要素生产率的影响研究——来自国家级大数据综合试验区的证据

基于国家级大数据综合试验区的准自然实验,运用2014—2019年280个地级市的面板数据,采用多期双重差分法实证检验数字经济对全要素生产率的影响。研究结果表明:数字经济显著提升了全要素生产率,这一结论在经过多种稳健性检验后仍然成立;中介效应检验表明,数字经济通过提高资源配置效率和促进技术创新来提升全要素生产率;异质性分析表明,数字经济对低资源禀赋城市、低数字经济发展水平城市以及智慧城市的全要素生产率具有促进作用,抑制高资源禀赋、高数字经济城市的全要素生产率,而对非智慧城市的作用则不明显。因此,应基于大数据综合试验区深度挖掘数字经济的直接作用与间接作用,同时采取差异化发展战略,培育壮大全要素生产率增长新动能。

大数据时代下的计算机信息处理技术分析

随着大数据技术的飞速发展,大数据已成为改善人们生活质量的重要工具,同时也促进了计算机信息处理技术的进一步完善。因此,企业和个人都要有创新思维,以便利用这项先进的科学技术促进社会的可持续发展。随着科技的不断发展,大数据时代的到来为企业带来了前所未有的挑战,企业必须充分利用这种新兴技术,强化各项信息的归集工作,以期获得更好的竞争力,并保证信息的安全性和可靠性。

大模型视域下大数据政策生态链研究 ——以科学数据政策为例

[目的/意义]分析大模型时代背景下大数据政策生态链,旨在提升大数据政策效能,促进大数据共享。[方法/过程]基于大模型时代大数据政策新特性,结合生态学理论、大数据生命周期理论与政策生命周期理论,阐述了大数据政策生态链内涵,并以科学数据政策为例,总结了大数据政策生态链面临的新挑战,并推理出相应优化策略。[结果/结论]大数据政策生态链是生态学、社会生态、政治生态交集子生态的下级单元,是大数据背景下衍生贯穿于大数据生产、传播、消费、分解、再生全数据生命周期,串联政策颁发、传递、接受、反馈、改革众多政策过程,以配置大数据资源、监管大数据生态活动为工作内容,以控制数据质量、保障数据安全、促进数据共享为目标的,具有互动性、循环性、价值性、权威性、合法性、专有性、科学性的双螺旋链式生态结构,但其正面临着节点弱、链条短、网络疏等新挑战。