大数据背景下的科研信息管理及科研统计-中国知网

合集下载

基于大数据的管理信息系统研究与应用

基于大数据的管理信息系统研究与应用随着社会的不断发展和进步，在当今信息化的时代中，大数据成为了一个不可忽视的重要组成部分。

大数据的出现为企业管理带来了全新的变革和机遇，基于大数据的管理信息系统已经逐渐成为了企业管理中不可或缺的一部分。

本文将从大数据基础、管理信息系统、基于大数据的管理信息系统研究以及应用实践等几个方面进行论述，旨在探讨大数据对企业管理的影响以及基于大数据的管理信息系统的研究与应用。

一、大数据基础大数据是指太大、太复杂、传统方法无法处理的数据集合。

与传统的数据管理方式相比，大数据的特点主要体现在“四V”上：Volume（大规模）、Velocity（高速度）、Variety（多样化）和Value（价值）。

首先看Volume，大数据的处理能力主要在于它的数据量大，且规模一直在不断扩大。

目前我们所说的大数据已经远远超过了传统的数据管理方式，因此，如何有效处理大量数据成为了一个重要的问题。

其次是Velocity，大数据管理的特点之一就是数据时效性高。

如果需要更精细化的分析，那么该数据必须在短时间内被获取并进行实时处理。

而在传统的数据管理中，往往需要花费较长的时间才能处理一批数据，而且随着数据量增大，时间成本也将不断增加。

接着，Variety是大数据处理中一个很重要的问题，数据的多样性使得我们无法使用传统的数据处理方式。

在处理大量数据时，数据的来源、种类以及格式都可能是非常复杂的，如何将这些数据整合起来是大数据管理过程中的一个重要挑战。

最后是Value，指的是数据的价值。

对于不同的应用场景和不同的业务需求，数据的价值也是不一样的，因此如果要有效利用大数据，就需要对数据的真正价值有深刻的认识和理解。

二、管理信息系统管理信息系统（Management Information System，MIS）是指通过计算机技术，将企业管理所需的数据、信息、函数、方法、规则和应用系统等有机地整合起来，以实现企业全面、科学、定量的管理。

科研信息管理系统

科研信息管理系统第一章、概述1.1项目背景随着社会的发展，在信息社会中，人们越来越多的使用高质量的计算机软件来完成信息的获取和处理工作。

在高等院校中，教职工科研成果的质量，发表论文的多少，以及出版的教材和获得的奖励，也是评价高校科研水平的依据。

这些高校的科研信息在一定的程度上反映出高校在某一学科领域的科研水平。

由于许多高校对科研信息管理都是手工整理和计算机单机工作，不能很方便的对高校的各种科研信息进行高效的管理，而且还花费了大量的人力物力，数据共享性不好，也不利于科研信息部门对该高校的科研信息进行有效的掌握和分析。

因此，为了更好地节省人力和时间，提高高校的科研信息管理效率，研发适合高校信息管理的系统是很有必要的。

1.2 编写目的一、实现使用的高校科研信息管理系统，方便高校对教职工的科研信息进行管理二、完成课程设计通过课程设计达到以下目的1、根据教材上数据库设计部分的原理和方法，结合软件工程相关知识，能针对一些简单的数据库系统设计问题，进行必要的分析和设计。

2、巩固学习的数据库原理、程序设计语言等课程的基础知识，训练学生分析和解决数据库系统的实际问题的能力3、能查阅资料解决数据库技术方面的问题。

1.3 软件定义科研信息管理系统是针对高校能够有效地对教职工的科研信息进行管理。

实现对教职工的科研信息进行数据录入数据库，各种查询功能和实现对信息的统计功能。

按照一定的条件对数据库进行查询，实现数据共享。

1.4 开发环境开发环境：Windows7辅助工具：Myeclipse数据库管理系统：SQL Server 2005运行环境：Windows XP/Vista/7/8第二章、需求分析说明：本系统要解决的基本问题是：对高校教职工的科研信息进行管理。

即将高校教职工科研信息进行录入数据库和各种查询功能，最后对科研信息进行统计汇总。

所有功能实现对用户透明。

2.1 系统流程图2.1.1 系统流程图说明符处理输入输出联机存储2.2 数据流图2.2.1 科研信息管理系统数据流图说明符外部实体处理数据流向数据存储2.2.2 顶层数据流图顶层数据流图2.2.2 二层数据流图二层数据流图P1.1.12.3 数据字典2.3.2 数据文件2.4 性能分析需实现许多性能特性，实用性、灵活性、可扩展性、易维护性、可靠性、安全保密性等等。

大数据分析技术在高校科研项目管理中的应用研究

大数据分析技术在高校科研项目管理中的应用研究随着信息技术的快速发展，大数据分析技术在各个领域展现出了巨大的应用潜力。

在高校科研项目管理中，大数据分析技术的应用也逐渐成为一种趋势。

本文将探讨大数据分析技术在高校科研项目管理中的应用研究，包括其在项目选题、项目管理、项目评估等方面的应用。

首先，大数据分析技术在高校科研项目选题中具有重要意义。

在传统的项目选题中，通常依赖于专家经验和学术界的意见。

然而，这种方式存在一定的主观性和盲目性。

利用大数据分析技术，可以对科研领域内的大量数据进行挖掘和分析，从而发现潜在的研究热点和趋势。

这种基于数据的选题方法能够更加客观和科学，为高校科研项目的选题提供了有力的支持。

其次，大数据分析技术在高校科研项目管理中具有辅助决策的作用。

科研项目管理包括项目进度管理、资源分配管理等环节，通常需要对大量的数据进行分析和处理。

传统的管理方法主要依赖于人工经验和主观判断，容易产生片面的决策。

而利用大数据分析技术，可以对项目执行中的各种数据进行实时监测和分析，及时发现问题并做出调整。

例如，通过对项目进展数据的分析，可以及时识别出延期风险，并采取相应措施，保证项目按时完成。

这种基于数据的管理方式能够提高项目管理的效率和准确性。

另外，大数据分析技术在高校科研项目评估中也有着重要的应用价值。

科研项目的评估需要全面、客观地评价项目的科技创新能力、成果质量等方面。

传统的评估方法主要基于项目成果的数量和质量，评估结果容易受到主观因素的影响。

利用大数据分析技术，可以对科研项目的各项指标进行全面、多维度的数据分析，帮助评估人员获得更准确、客观的评估结果。

例如，通过对科研项目的论文发表情况、专利申请数量、科研经费使用情况等指标的分析，可以更全面地评估项目的科技创新能力和成果质量。

然而，大数据分析技术在高校科研项目管理中的应用也面临一些挑战。

首先是数据的获取和整理。

高校科研项目涉及的数据种类广泛，包括项目进展数据、科研成果数据等。

大数据时代背景下科学数据发展对情报学变革影响研究

0引言近年大数据、云计算引领的信息技术已然改变了全球经济和社会运行模式，触角遍布几乎所有行业的工作场景和人们的日常生活。

数据是这场转变的中心，而且未来还会有更多的数据。

数据驱动创新将带来巨大的利益，例如通过改进个性化医疗、更新移动传输介质，促进可持续化绿色发展。

与此同时，全球共享科学数据和商业数据量不断增加，数据存储和处理方式的技术革新将成为把握时代命脉的关键。

1994年我国正式接入互联网，数据化、信息化革命开始席卷我国各行各业的科学技术发展，科学数据也迎来数量激增期，数据存储规模日益扩大，同样刺激情报学发展变革，对情报学如何存储、处理、整合以及利用数据施加了不小的压力，情报学研究逐渐向信息化过渡。

2021年我国进入“十四五”规划阶段，对科技创新有了更高的要求和期许［1］，面临这个关键时期，准确了解前沿科技发展方向和尺度，制定合乎我国国情的发展战略，情报学就成为了我国迈向科技强国的指南针。

以情报学深度挖掘科学数据价值，达到科学数据利用效率最大化，正是通向科技强国的一条关键路径［2］。

本论述通过梳理科学数据和情报学研究发展历程，利用文献可视化分析了解交叉领域研究现状，情报学领域研究变化情况，以此得出影响情报学变革的主要原因。

1科学数据和情报学领域发展历程分析1.1科学数据发展历程科学数据指的是在科技活动（实验、观测、探测、调查）中通过其他方式所获取的反应客观世界本质、特征、变化规律等的原始数据，以及根据不同科技活动需要，进行系统加工整理的各类数据集［3］。

在大数据时代背景下，数据传输的速度、影响、潜力都已经与一个国家战略实力高度成正比，科学数据更是成为科技创新的基石和命脉。

欧美等国家早已开启深度挖掘科学数据资源余量价值，我国虽然起步较晚，但也逐步在人才培养、政策制定上显现出对科学数据的重视。

科学数据伴随科学研究范式的变化而变化，科学数据目前为止经历了4个科学研究范式：实验科学范式、理论科学范式、计算科学范式和数据密集型科学范式［4］，如图1所示。

数智驱动下基于CiteSpace的智慧图书馆研究的知识图谱分析

DOI ：10.15913/ki.kjycx.2024.02.012数智驱动下基于CiteSpace的智慧图书馆研究的知识图谱分析＊蒋丽艳（东北师范大学图书馆，吉林长春 130024）摘要：以大数据、人工智能、数智驱动技术为核心的信息技术正助力着现代图书馆由传统模式向智慧方向转变。

通过运用先进CiteSpace 技术可视化的方法，对CNKI （中国知网）数据库中主题词是“智慧图书馆”、发文时间在2012-12-01—2022-12-01期间的论文进行统计和可视化分析。

通过对智慧图书馆各类型机构论文产出分布、高产机构论文产出分布及论文发表期刊分布图谱进行详细研究，以期为智慧图书馆的模式构建及实践路径提供强有力的借鉴。

关键词：CiteSpace ；智慧图书馆；知识图谱；可视化分析中图分类号：G250.7 文献标志码：A 文章编号：2095-6835（2024）02-0045-04——————————————————————————＊［基金项目］吉林省教育科学“十四五”规划2023年度一般课题“创新驱动发展战略下吉林省校地文化深度融合协同育人机制研究”（编号：GH23790）信息技术的蓬勃发展，为智慧图书馆构建注入全新动力。

在大数据、数智驱动技术、人工智能快速发展的环境下，网络信息资源非常丰富，开放共享已经成为最主要的趋势。

先进的创新智慧技术已经成为智慧图书馆最主要的技术支撑，用数智驱动、云计算、物联网等特定的先进技术和全新的管理理念作为主要辅助，产生不受时空束缚且可被感知的新一代图书馆模式。

图书馆崭新的管理模式和服务能力因为智慧图书馆的出现而发生重要改变。

复合图书馆和数字图书馆全新发展理念与实践的延续、整合与升华的终极产物就是智慧图书馆，是目前图书馆的全新发展模式。

率先在欧美建立名为“Smart Library ”图书馆联盟的是加拿大渥太华，建立时间在2001年前后，是国外关于智慧图书馆的最早实践。

中国学术期刊网检索方法介绍

年鉴
年鉴是以全面、系统、准确地记述上年度事物运动、发展状况为主要内容的资料性工具书。汇辑一年内的重要时事、文献和统计资料，按年度连续出版的工具书。它博采众长，集辞典、手册、年表、图录、书目、索引、文摘、表谱、统计资料、指南、便览于一身，具有资料权威、反应及时、连续出版、功能齐全的特点。属信息密集型工具书。
中国大百科全书全文数据库（2）
它是中国第一部大型综合性百科全书，也是世界上规模较大的几部百科全书之一。1978年，国务院决定编辑出版《中国大百科全书》，并成立中国大百科全书出版社。中国大百科全书总编辑委员会和中国大百科全书出版社先后组织2万余名专家学者，取精用宏，历时15载，终于纂成这部煌煌世制。全书按学科或领域分成74卷，共收7.8万个条目，计1.26亿字，并附有近 5 万幅图片，册叶浩瀚，内容宏富，适于高中以上、相当于大学文化程度的读者使用。
中国年鉴网络出版总库（1）
中国年鉴网络出版总库是目前国内最大的连续更新的动态年鉴资源全文数据库。内容覆盖基本国情、地理历史、政治军事外交、法律、经济、科学技术、教育、文化体育事业、医疗卫生、社会生活、人物、统计资料、文件标准与法律法规等各个领域。文献来源：中国国内的中央、地方、行业和企业等各类年鉴的全文文献, 共 2,339 种、 17,684 本、 14,836,813 篇。
中国博士学位论文全文数据库
《中国博士学位论文全文数据库》简称 CDFD，是国内内容最全、质量最高、出版周期最短、数据最规范、最实用的博士学位论文全文数据库。覆盖基础科学、工程技术、农业、医学、哲学、人文、社会科学等各个领域。截止2011年06月，收录来自397家培养单位的博士学位论文15万多篇。收录全国985、211工程等重点高校，中国科学院、社会科学院等研究院所的博士学位论文。从1984年至今的博士学位论文。

大数据技术在科研中的应用

大数据技术在科研中的应用随着科技的不断发展，一种新型的技术被越来越多的人所熟知——大数据技术。

大数据技术是指在通常的计算机系统难以应对的数据量级别的数据管理和处理技术，是通过从大数据中提取有价值的信息来进行分析和挖掘，进而发现有用的规律并应用于现实生活中。

在如今数字化的世界中，大数据技术正在得到越来越广泛的应用。

在科研领域也不例外，大数据技术在科研中的应用正在成为一个热门话题。

一、数据采集科学家们借助大数据技术，可以采集和记录各种学科领域的数据，采集数据的方式也变得越来越先进。

比如，日本的KEK高能加速器研究中心，采用文本挖掘技术来收集与高能物理领域相关的文献。

文本挖掘技术可以快速准确地获取科技文献信息并精确定位关键字，大大减轻了科学家们的工作量，并大大缩短了研究时间。

二、数据分析科学家们使用大数据技术，可以对已有的数据进行深入分析，更好地理解数据之间的联系，从而探究关于宇宙、生命、医学、气候、物理等领域的秘密。

例如，在气象学领域，科学家们使用计算机模拟技术将过去10年的气象数据进行模拟，从而预测未来20年的天气情况。

这种数据分析方法可以帮助人们做出针对未来气候变化的决策。

三、数据可视化在科研中，数据可视化也是非常重要的一部分。

科学家们可以将一些看似复杂的数据通过数据可视化呈现出来。

在大数据可视化领域，科学家们运用包括图表、热图等多种手段，以直观的形式呈现出大规模数据之间的关系和规律。

通过可视化的方式，科学家们可以更加深入理解大数据，发现数据之间的联系和规律，同时让其他人也能够更好地了解和理解他们的研究项目。

四、应用领域大数据技术在科研领域的应用覆盖面日益广泛。

在医学领域，科研人员可以通过收集和分析大量病人的数据，来了解不同疾病的影响因素、症状及管理方式。

在数据分析过程中，大数据技术还可以通过机器学习算法，预测患该疾病的人的风险程度，提高个性化就诊服务水平。

在天文学领域，科研人员可以使用大数据技术对望远镜所采集的海量数据进行挖掘研究，发现新的恒星、行星和星系等宇宙奥秘。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

①国家社会科学基金、全国教育科学规划课题、国
C3.科研项目
S15.科研家自然科学基金、国家软科学研究计划、教育部人项目（含文社会科学研究项目、全国高校古委会项目、国家人均情况）清史纂修工程项目；
②省部级及重要横向科研项目（限填 30 项）。
公共数据学校填报
• 规范数据结构、丰富数据采集手段，提高基础数据质量
• 过程
– 项目、成果、机构、学术交流等科研活动 – 与人事、财务、规划等业务对接、数据共享
• 目标
– 全流程管理：记录各类科研活动流程信息 – 发展状况：学者、学科、机构等 – 规划战略：优劣势分析、历史回顾 – 外宣交流：支撑科研拓展和交流
2、科研信息管理的价值
• 实施科研管理 • 展示科研成效 • 分析发展趋势 • 支撑科研战略
S12.出版专著
近四年出版的学术专著（包括著、译著、编著，教材、教学用书不计入内）；入选国家哲学社会科学成果或出版译本的专著加分。学校填报
S13.出版教材
近四年获批的“十二五”国家级规划教材与出版的“马工程教材”。
公共数据
C2.科研获奖
S14.科研获奖
①教育部高校科研成果奖（人文社科）；②省级科研获奖（清单见附件 2-1）、国家民委民族问题研究成果奖及其他部级科研获奖（获奖证书上需盖有关部委“国徽章”）。
– 以人员关联承担项目、产出成果 – 以项目关联成果情况、转化
科研信息越来越符合大数据特征
2、趋势背景
• 政策背景
– “双一流”建设 – 教育信息化2.0 – “放管服”、高校内控体系建设
• 数据推动（大数据）
– 科研信息多元化、频发化 – 科研系统管理普及 – 科研信息数据的应用场景多样化
• 技术支撑
• 已实现与学校办公室、人事处、研究生院、财务处、教务处、图书馆等部门的数据共享。
二、大数据视角
1、何谓大数据
• 数据特征
– 非抽样数据而是全体 – 单元数据信息含量不高 – 非单一的数值化数据而是量化与质性数据共存
• 分析工具
– 关系分析 – 聚类 – 模式探索
• 数字化：得益于科研管理系统的普及 • 频发性：每天都有新数据产生 • 类型多样：文本、音视频、数据库 • 关联性：
– 科研数据库的规范性、关联性加强 – 科研管理系统电脑端、移动端
• 用户需求
– 教师用户行为习惯，档案在线存储使用普遍 – 管理部门对数据准确、及时的要求不断提高
3、科研信息管理与大数据
• 数据入口：对接成熟数据库或管理系统 • 分析研究：引入统计学工具、深度挖掘关联性 • 信息产品：多维数据（复杂性）、集成信息（相
大数据背景下的科研信息管理及科研统计
关晓斌 2018年8月30日
提要一、科研信息管理二、大数据视角三、科研统计
一、科研信息管理
1、科研信息
• 基本信息和过程信息的集合
– 基本信息：科研人员、机构 – 过程信息：科研活动产生的过程数据、资料
• 科研管理实施的关键环节
– 产生于过程 – 服务于目标
– 引入知网CNKI等覆盖全面、数据可靠的数据源规范数据结构
– 主推成果认领，为科研人员减负 – 科研简历“一张表”，提升服务
案例论文数据采集整合
• 数据推送：从知网CNKI数据库等抓取推送 • 数据清理：作者认领、拓展信息 • 关联整合：以作者为主索引，关联项目、研究机构、
学科 • 分析研究：
– 发文、引文、合作关系、基金支持 – 学科分布、历史变化、热点分析
• 形成数据集和统计报表，客观体现科研发展、全面展示科研实力
– 科研统计报表越来越成为各级主管部门全面掌握高校科研进展的核心渠道
– 科研统计数据已成为官方或非官方机构进行高校评价、学科评估等工作中所采用的最主要数据来源
案例教育部科技统计年报
关性）
三、科研统计
1、定位
• 科研统计涵盖数据采集、梳理整合、数据开发等，是科研信息的源头和核心运用。
• 科研统计
– 对外形成数据集和报表 – 对内支撑管理工作
价值
•状态描述：回答是什么和怎么样的问题 •影响因素：哪些指标具有显著影响力 •时间序列：变化趋势平稳与否、脉冲响应显著指标 •热点分析：学科热点的发现、发展规律，可否提前引导
预期成效
• 用户满意度
– 科研人员：科研简历一张表、项目管理在线办理 – 院系平台：科研组织、考核绩效 – 管理部门：流程规范、科研组织、统计、外宣 – 决策层：掌握科研进展，在点（重大科研进展）和面
（各种口径统计报表）获得决策支持。
案例
• 人民大学科研管理系统开发起步较早（2000年），最初为独立系统，2007年纳入学校“数字人大”整体系统运行至今，已有论文数据3万余条、项目数据1万余条、机构数据超过200条，累计用户超过5000人。
3、系统化需求
• 规范的管理流程、科研数据流 • 统一的科研管理信息数据平台 • 实时、准确的决策支持
在线流程规范
数据服务便捷
用户角色清晰
多维数据互通
数据存档完善
构建原则
• 架构优化、能适应政策变化 • 数据实时准确、扩展信息充分 • 业务流程完备、多部门数据共享 • 客观描述呈现、科学分析、支持管理决策
数据来源：https:///uploadfile/stat/2017chengguo.pdf
数据来源：第四轮学科评估指标体系及有关说明，2016年5月25日
一级指标
二级指标
三级指标
三级指标说明
数据来源
C.科学研究
水平（含教师和学
生）
C1.科研成果
S11.学术论文质量
①师均被 SCI、SSCI、EI、A&HCI、CSCD、CSSCI 收录的论文；②30 篇代表性论文（国内论文不少于公共数据/ 15 篇，同一人员最多填写 5 篇），由专家参考论文学校填报引用、期刊档次等情况对论文的实际水平进行评价。
2、思路
• 构建核心科研数据集，支持双一流建设与绩效评价
– 结合学科发展典型指标、学科评估及双一流建设绩效等评价体系，构建级学科评估指标
• （一）哲学、文学、历史学门类 • （二）经济学、法学、教育学门类 • （六）管理学门类、统计学学科 • （七）艺术学门类 • （八）体育学学科