基于共詞分析的我國(guó)科學(xué)數(shù)據(jù)領(lǐng)域研究主題探析?

(武漢大學(xué)信息管理學(xué)院 湖北武漢 430072)

1 引言

隨著數(shù)據(jù)密集型、數(shù)據(jù)驅(qū)動(dòng)的科研成為新的科研方式，科學(xué)數(shù)據(jù)的管理和共享迅速得到了國(guó)內(nèi)外圖書(shū)情報(bào)界、信息科學(xué)和其他學(xué)科領(lǐng)域的高度重視。王巧玲等從時(shí)間、主題和期刊等方面對(duì)我國(guó)科學(xué)數(shù)據(jù)共享研究的論文進(jìn)行了計(jì)量分析，〔1〕姜曉虹梳理了科學(xué)數(shù)據(jù)研究的進(jìn)程，并提出了現(xiàn)階段研究存在的問(wèn)題與不足以及未來(lái)重點(diǎn)關(guān)注的方向。〔2〕這些研究對(duì)了解科學(xué)數(shù)據(jù)研究的發(fā)展現(xiàn)狀和趨勢(shì)及其研究進(jìn)程和結(jié)構(gòu)有較大的參考價(jià)值，但他們均利用頻次對(duì)文獻(xiàn)數(shù)量、作者、主題、機(jī)構(gòu)、來(lái)源期刊等進(jìn)行統(tǒng)計(jì)描述，缺乏基于內(nèi)容的分析，在考察科學(xué)數(shù)據(jù)的研究現(xiàn)狀，尤其是對(duì)于當(dāng)前科學(xué)數(shù)據(jù)的研究主題和熱點(diǎn)的揭示存在一定的局限性。

共詞分析法屬于內(nèi)容分析方法的一種，其原理是對(duì)一組詞兩兩統(tǒng)計(jì)它們?cè)谕黄墨I(xiàn)中出現(xiàn)的次數(shù)，以此為基礎(chǔ)對(duì)這些詞進(jìn)行聚類(lèi)分析，從而反映出這些詞之間的親疏關(guān)系，進(jìn)而分析這些詞所代表的學(xué)科和主題的結(jié)構(gòu)變化，鑒別某一學(xué)科或主題的主要知識(shí)結(jié)構(gòu)和研究熱點(diǎn)?！?〕研究借助SPSS統(tǒng)計(jì)分析軟件，采用共詞分析方法探討當(dāng)前科學(xué)數(shù)據(jù)的研究主題，并結(jié)合文獻(xiàn)梳理主要的研究?jī)?nèi)容，旨在更加完整、客觀地展示科學(xué)數(shù)據(jù)領(lǐng)域的研究現(xiàn)狀和結(jié)構(gòu)。

2 研究設(shè)計(jì)

2．1 數(shù)據(jù)來(lái)源

研究所使用的數(shù)據(jù)來(lái)自CNKI全文數(shù)據(jù)庫(kù)，為了盡可能地保證查全率，檢索主題為“科學(xué)數(shù)據(jù)”或“科研數(shù)據(jù)”的相關(guān)文獻(xiàn) (精確匹配)，時(shí)間設(shè)定為2003年至2013年(檢索時(shí)間為2014年1月13日)，共獲得2221條記錄。剔除與主題不符、重復(fù)刊載的論文和會(huì)議文獻(xiàn)，有效記錄為582條，下載相應(yīng)的題錄數(shù)據(jù)，采用共詞分析法，分三個(gè)階段進(jìn)行研究。

2．2 研究過(guò)程

2．2．1 統(tǒng)計(jì)高頻詞和構(gòu)造共詞矩陣

第一，關(guān)鍵詞的預(yù)處理。抽取題錄數(shù)據(jù)中的關(guān)鍵詞，在詞頻統(tǒng)計(jì)之前進(jìn)行關(guān)鍵詞的消歧處理，如將“data curation”中文譯名統(tǒng)一為“數(shù)據(jù)監(jiān)護(hù)”。第二，統(tǒng)計(jì)關(guān)鍵詞頻次和構(gòu)建共詞矩陣。利用EXCEL統(tǒng)計(jì)分析功能統(tǒng)計(jì)關(guān)鍵詞的出現(xiàn)頻次，并截取頻次不小于5的48個(gè)關(guān)鍵詞作為科學(xué)數(shù)據(jù)領(lǐng)域研究方向和熱點(diǎn)的高頻關(guān)鍵詞。高頻詞不足以概括該領(lǐng)域的研究主題，需要兩兩統(tǒng)計(jì)這48個(gè)高頻詞在文獻(xiàn)中出現(xiàn)的頻次，利用EXCEL構(gòu)造共詞矩陣。

2．2．2 基于共詞矩陣的因子分析

在共詞矩陣的基礎(chǔ)上，利用SPSS軟件進(jìn)行因子分析，進(jìn)而展示該領(lǐng)域的研究主題和結(jié)構(gòu)。因子分析的目標(biāo)是用盡可能少的因子去描述眾多的指標(biāo)或要素之間的聯(lián)系，根據(jù)相關(guān)性大小把研究對(duì)象的變量分組，使相關(guān)性比較密切的幾個(gè)變量歸在同一類(lèi)中，每一類(lèi)變量就成為一個(gè)因子?！?〕因子分析中，為消除共詞頻次差異的影響，首先根據(jù)相關(guān)性將48×48的共詞矩陣轉(zhuǎn)化成斯皮爾曼相關(guān)矩陣。在此基礎(chǔ)上，利用主成分分析法(Principal Components)、協(xié)方差矩陣(Covariance Matrix)和平均正交旋轉(zhuǎn)方法(Equamax)進(jìn)行因子分析，得到主成分列表，并根據(jù)各主成分內(nèi)因子載荷的分布情況結(jié)合文獻(xiàn)內(nèi)容對(duì)主成分進(jìn)行命名。

2．2．3 研究結(jié)果的分析和討論

通過(guò)因子分析獲得了國(guó)內(nèi)科學(xué)數(shù)據(jù)領(lǐng)域研究論文關(guān)鍵詞的聚類(lèi)結(jié)果，結(jié)合相關(guān)主題的文獻(xiàn)對(duì)研究結(jié)果進(jìn)行進(jìn)一步的闡釋說(shuō)明，確定我國(guó)科學(xué)數(shù)據(jù)領(lǐng)域的研究主題和結(jié)構(gòu)，并深入分析相關(guān)主題的研究?jī)?nèi)容。

3 研究的主要發(fā)現(xiàn)

3．1 獲取的高頻關(guān)鍵詞和構(gòu)造的共詞矩陣

通過(guò)對(duì)582篇文獻(xiàn)的關(guān)鍵詞進(jìn)行詞頻統(tǒng)計(jì)，共獲取1193個(gè)關(guān)鍵詞。按照詞頻由高到低進(jìn)行排序，并截取詞頻不小于5的48個(gè)高頻關(guān)鍵詞作為共詞分析的基礎(chǔ)(如表1)?？梢钥闯?，科學(xué)數(shù)據(jù)共享和科學(xué)數(shù)據(jù)是出現(xiàn)最為頻繁的關(guān)鍵詞，其頻次遠(yuǎn)遠(yuǎn)高于排在第三的元數(shù)據(jù)。

表1 國(guó)內(nèi)科學(xué)數(shù)據(jù)研究論文的高頻關(guān)鍵詞(頻次＞4)

將48個(gè)高頻關(guān)鍵詞兩兩組合，統(tǒng)計(jì)其在582篇文獻(xiàn)中共現(xiàn)的次數(shù)，形成48×48的共詞矩陣，如表2所示(版面所限，只列出共詞矩陣的局部)。由于科學(xué)數(shù)據(jù)共享本身出現(xiàn)的頻次遠(yuǎn)遠(yuǎn)高于其他關(guān)鍵詞，因此，科學(xué)數(shù)據(jù)共享與其他關(guān)鍵詞在同一篇文獻(xiàn)中共現(xiàn)的概率也是最高的。

表2 國(guó)內(nèi)科學(xué)數(shù)據(jù)研究論文高頻詞的共詞矩陣(部分)

3．2 因子分析結(jié)果

通過(guò)因子分析，最終可得到主成分列表(如表3)。圖1中列出了部分主成分，它們按特征根從大到小排列，放棄特征值小于1的主成分，前8個(gè)主成分解釋了總變量的89．893%，其中僅前3個(gè)主成分的信息解釋量就達(dá)到了63．914%。表3顯示了因子載荷大于0．5的關(guān)鍵詞在8個(gè)因子(主成分)中的分布情況。

表3 因子數(shù)與涵蓋的信息量

表4 因子分析確定的科學(xué)數(shù)據(jù)研究主題結(jié)構(gòu)

結(jié)合表3和表4，因子分析的結(jié)果如下:

(1)因子命名。大部分關(guān)鍵詞都?xì)w于相應(yīng)的因子，只有1個(gè)關(guān)鍵詞——云計(jì)算，由于其載荷系數(shù)小于0．5而未能參加分類(lèi)，說(shuō)明這一關(guān)鍵詞代表的主題較新，還沒(méi)有很好地同其他研究方向相結(jié)合。根據(jù)因子載荷大于0．7就對(duì)因子解釋有幫助的原則，〔5〕并綜合因子中其他關(guān)鍵詞的屬性，筆者給8個(gè)因子依次命名為:科學(xué)數(shù)據(jù)共享和數(shù)據(jù)共享平臺(tái)、科學(xué)數(shù)據(jù)組織與分類(lèi)、科學(xué)數(shù)據(jù)監(jiān)護(hù)與服務(wù)、科學(xué)數(shù)據(jù)整合、科學(xué)數(shù)據(jù)政策與開(kāi)放獲取、科學(xué)數(shù)據(jù)網(wǎng)格技術(shù)、科學(xué)數(shù)據(jù)挖掘、科學(xué)數(shù)據(jù)管理(見(jiàn)表4)。

(2)關(guān)鍵詞跨區(qū)分布情況。共有4個(gè)關(guān)鍵詞跨區(qū)分布。因子1和因子7中同時(shí)出現(xiàn)了數(shù)據(jù)共享平臺(tái)，因子3和因子8中同時(shí)出現(xiàn)了科學(xué)數(shù)據(jù)管理，因子1和因子3中同時(shí)出現(xiàn)了數(shù)據(jù)服務(wù)，因子3和因子5中同時(shí)出現(xiàn)了關(guān)聯(lián)數(shù)據(jù)。這表明了上述的兩兩因子包含的內(nèi)容相互滲透和交叉，有一定的相關(guān)性。

(3)關(guān)鍵詞的因子載荷系數(shù)為負(fù)的分布情況。共有2個(gè)關(guān)鍵詞的因子載荷系數(shù)為負(fù)，分別為“數(shù)據(jù)集成”(系數(shù)為-0．588)和“關(guān)聯(lián)規(guī)則”(系數(shù)為 -0．584)，同相應(yīng)的因子構(gòu)成負(fù)相關(guān)關(guān)系，一般對(duì)此類(lèi)因子不予考慮。例如，在因子3中的“關(guān)聯(lián)規(guī)則”是負(fù)值，這表明關(guān)于科學(xué)數(shù)據(jù)監(jiān)護(hù)與服務(wù)的研究可能涉及關(guān)聯(lián)規(guī)則方面的問(wèn)題，但還是比較少。

4 討論

本部分結(jié)合關(guān)鍵詞詞頻和因子分析的結(jié)果，確定了科學(xué)數(shù)據(jù)研究的8大主題。從數(shù)據(jù)庫(kù)中獲得相關(guān)主題文獻(xiàn)的全文，通過(guò)深入分析文獻(xiàn)內(nèi)容，剖析這些主題的研究?jī)?nèi)容和結(jié)構(gòu)，進(jìn)而探討目前國(guó)內(nèi)科學(xué)數(shù)據(jù)研究所呈現(xiàn)出的特征。

4．1 研究分布的8大主題

4．1．1 科學(xué)數(shù)據(jù)共享和數(shù)據(jù)共享平臺(tái)

國(guó)內(nèi)對(duì)科學(xué)數(shù)據(jù)共享的研究主要涉及以下4方面:①科學(xué)數(shù)據(jù)共享的動(dòng)力分析。如張晉朝采用問(wèn)卷調(diào)查方法，通過(guò)結(jié)構(gòu)方程模型分析了影響我國(guó)高?？蒲腥藛T科學(xué)數(shù)據(jù)共享意愿的關(guān)鍵因素?！?〕②圖書(shū)館、科研機(jī)構(gòu)等機(jī)構(gòu)參與科學(xué)數(shù)據(jù)共享。如黃筱瑾等探討了研究型圖書(shū)館與科學(xué)數(shù)據(jù)共享的關(guān)系，指出不同類(lèi)型圖書(shū)館應(yīng)根據(jù)自身的服務(wù)能力及服務(wù)對(duì)象的需求提供不同類(lèi)型的科學(xué)數(shù)據(jù)共享服務(wù)?！?〕③不同技術(shù)在科學(xué)共享中的應(yīng)用，包括本體、元數(shù)據(jù)、網(wǎng)格等。如李麗亞等構(gòu)建了基于Ontology的數(shù)據(jù)共享檢索體系，并實(shí)現(xiàn)了簡(jiǎn)單的語(yǔ)義查詢(xún)功能?！?〕④科學(xué)數(shù)據(jù)共享的模式和實(shí)踐。如左建安和陳雅提出了大數(shù)據(jù)環(huán)境下科學(xué)數(shù)據(jù)共享的4種模式:國(guó)家政策驅(qū)動(dòng)、部門(mén)之間交換、企業(yè)發(fā)展帶動(dòng)以及國(guó)際組織參與?！?〕

科技部在2002年和2003年分別啟動(dòng)的“國(guó)家科學(xué)數(shù)據(jù)共享工程”和“國(guó)家基礎(chǔ)條件平臺(tái)建設(shè)”項(xiàng)目，引發(fā)了科學(xué)數(shù)據(jù)共享平臺(tái)建設(shè)與研究的熱潮。地球、氣象、林業(yè)、水利、機(jī)械、資源環(huán)境等不同學(xué)科和專(zhuān)業(yè)領(lǐng)域的學(xué)者均探討了相應(yīng)領(lǐng)域中數(shù)據(jù)共享平臺(tái)中數(shù)據(jù)資源建設(shè)、數(shù)據(jù)資源分類(lèi)與編碼、數(shù)據(jù)安全、數(shù)據(jù)匯交、網(wǎng)站總體設(shè)計(jì)、平臺(tái)的架構(gòu)與實(shí)現(xiàn)、互操作等問(wèn)題。如諸云強(qiáng)等基于Java EE環(huán)境，研制開(kāi)發(fā)了分布式地球系統(tǒng)科學(xué)數(shù)據(jù)共享平臺(tái)，能夠?qū)崿F(xiàn)跨部門(mén)、跨系統(tǒng)的部署?！?0〕

4．1．2 科學(xué)數(shù)據(jù)組織與分類(lèi)

科學(xué)數(shù)據(jù)分類(lèi)與組織是科學(xué)數(shù)據(jù)管理、集成和服務(wù)的基礎(chǔ)。早期的研究主要包括元數(shù)據(jù)和XML等數(shù)據(jù)標(biāo)引技術(shù)、分類(lèi)和編碼體系以及傳統(tǒng)的信息組織方法的應(yīng)用。如耿慶齋等提出了多維組合的水利科學(xué)數(shù)據(jù)分類(lèi)體系結(jié)構(gòu)，構(gòu)建了由科學(xué)屬性、獲取方法、數(shù)據(jù)載體和時(shí)空定位組成的多維水利科學(xué)數(shù)據(jù)分類(lèi)體系，并對(duì)其進(jìn)行了規(guī)范化的編碼設(shè)計(jì)。〔11〕

隨著對(duì)語(yǔ)義網(wǎng)技術(shù)研究的深入，數(shù)據(jù)資源的組織方法不再僅僅從數(shù)據(jù)資源的表面特征入手，而是逐漸深入至數(shù)據(jù)資源的概念和語(yǔ)義，出現(xiàn)了一些基于本體、關(guān)聯(lián)數(shù)據(jù)、生命周期的數(shù)據(jù)組織的理論與方法。如房小可指出圖書(shū)館可以從實(shí)體命名、實(shí)體資源描述框架描述、實(shí)體關(guān)聯(lián)胡和實(shí)體的發(fā)布等方面構(gòu)建科學(xué)數(shù)據(jù)的組織模型。〔12〕

4．1．3 科學(xué)數(shù)據(jù)監(jiān)護(hù)與服務(wù)

國(guó)外圖書(shū)情報(bào)界對(duì)數(shù)據(jù)監(jiān)護(hù)(Data Curation，DC)的研究涉獵較廣，從其歷史背景、概念界定、戰(zhàn)略規(guī)劃的制定、數(shù)據(jù)標(biāo)準(zhǔn)、關(guān)鍵技術(shù)到相關(guān)法律制定等都作了很多探索性研究與實(shí)踐?！?3〕然而，DC在國(guó)內(nèi)圖書(shū)情報(bào)界還是一個(gè)新興的研究領(lǐng)域，目前還沒(méi)有相關(guān)實(shí)踐探索，理論研究主要集中在:①?lài)?guó)外的機(jī)構(gòu)、組織及高校圖書(shū)館等有關(guān)DC的會(huì)議、培訓(xùn)、項(xiàng)目和實(shí)踐活動(dòng)及其最新進(jìn)展。②國(guó)內(nèi)圖書(shū)館可開(kāi)展的DC服務(wù)，包括數(shù)據(jù)保存、數(shù)據(jù)共享和教育培訓(xùn)等服務(wù)類(lèi)型，分析開(kāi)展此項(xiàng)服務(wù)面臨的問(wèn)題，并提出相應(yīng)的對(duì)策。〔14〕③在國(guó)內(nèi)實(shí)施DC的方法和途徑，包括制定明確的DC規(guī)劃和發(fā)展策略、培訓(xùn)數(shù)據(jù)監(jiān)護(hù)人才、完善高校圖書(shū)館數(shù)字資源長(zhǎng)期保存機(jī)制等?！?5〕

隨著科學(xué)研究逐漸向數(shù)據(jù)密集型科研轉(zhuǎn)變，科研信息服務(wù)也由傳統(tǒng)的文獻(xiàn)服務(wù)轉(zhuǎn)向科學(xué)數(shù)據(jù)服務(wù)。國(guó)內(nèi)科學(xué)數(shù)據(jù)服務(wù)研究主要關(guān)注以下3個(gè)方面:①科學(xué)數(shù)據(jù)服務(wù)的內(nèi)容與方式。主要包括數(shù)據(jù)存儲(chǔ)與發(fā)布服務(wù)、數(shù)據(jù)發(fā)現(xiàn)與獲取服務(wù)、數(shù)據(jù)管理規(guī)劃服務(wù)、數(shù)據(jù)分析服務(wù)、數(shù)據(jù)引用服務(wù)和用戶(hù)社區(qū)服務(wù)等。〔16〕②科學(xué)數(shù)據(jù)服務(wù)中技術(shù)的應(yīng)用。涉及數(shù)據(jù)共享平臺(tái)的構(gòu)建技術(shù)、數(shù)據(jù)存儲(chǔ)、訪(fǎng)問(wèn)和獲取技術(shù)、SOA技術(shù)、語(yǔ)義集成技術(shù)、云計(jì)算和虛擬化技術(shù)等。③圖書(shū)館參與科學(xué)數(shù)據(jù)服務(wù)。研究主要包括科學(xué)數(shù)據(jù)服務(wù)引發(fā)的圖書(shū)館未來(lái)發(fā)展定位、戰(zhàn)略規(guī)劃問(wèn)題、圖書(shū)館參與科學(xué)數(shù)據(jù)服務(wù)的角色定位、圖書(shū)館可提供的科學(xué)數(shù)據(jù)服務(wù)方式及基于科學(xué)數(shù)據(jù)服務(wù)的信息素養(yǎng)教育等?！?7〕

4．1．4 科學(xué)數(shù)據(jù)整合

整合集成海量與異構(gòu)的科學(xué)數(shù)據(jù)資源是實(shí)現(xiàn)科學(xué)數(shù)據(jù)管理和共享的基礎(chǔ)。目前在實(shí)際應(yīng)用中已經(jīng)形成了一些較為成熟的整合方式，主要包括基于數(shù)據(jù)倉(cāng)庫(kù)和基于中間模式的整合方式?！?8〕隨著數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用和網(wǎng)絡(luò)技術(shù)的發(fā)展，基于數(shù)據(jù)倉(cāng)庫(kù)的整合方式有了一些新的發(fā)展，如整合的對(duì)象由異構(gòu)數(shù)據(jù)庫(kù)向Web數(shù)據(jù)發(fā)展、利用數(shù)據(jù)挖掘等技術(shù)實(shí)現(xiàn)決策服務(wù)等更深層次的服務(wù)?；谥薪槟Ｊ降恼戏绞街饕遣捎弥虚g件，中間件構(gòu)建方法主要有兩種:基于XML和基于語(yǔ)義模型的構(gòu)建。〔19〕基于中介模式的整合方式也有一些新的發(fā)展，如開(kāi)始利用Web Service、網(wǎng)格中間件等相關(guān)技術(shù)實(shí)現(xiàn)面向服務(wù)的集成整合。另外，為了解決數(shù)據(jù)整合中的語(yǔ)義異構(gòu)問(wèn)題，研究者開(kāi)始關(guān)注如何利用具有較強(qiáng)語(yǔ)義概念的本體來(lái)解決數(shù)據(jù)整合中的語(yǔ)義不一致的問(wèn)題。

4．1．5 科學(xué)數(shù)據(jù)政策與開(kāi)放獲取

科學(xué)數(shù)據(jù)的管理和共享需要政策的支持和引導(dǎo)，國(guó)外在科學(xué)數(shù)據(jù)政策的制定和研究起步較早。國(guó)內(nèi)相關(guān)研究主要側(cè)重于對(duì)英、美和澳大利亞等發(fā)達(dá)國(guó)家科學(xué)數(shù)據(jù)政策的調(diào)查和分析。從結(jié)構(gòu)層次上看，科學(xué)數(shù)據(jù)政策體系應(yīng)該是由宏觀(國(guó)家)、中觀(科研資助機(jī)構(gòu))、微觀(科研機(jī)構(gòu)、高校、出版機(jī)構(gòu)等)層面分別制定的科學(xué)數(shù)據(jù)政策共同組成。從內(nèi)容上看，科學(xué)數(shù)據(jù)政策體系的內(nèi)容至少應(yīng)該涵蓋數(shù)據(jù)產(chǎn)生與匯交政策、數(shù)據(jù)管理與共享政策、數(shù)據(jù)保管與利用政策、技術(shù)支持政策。裴雷結(jié)合我國(guó)科學(xué)數(shù)據(jù)相關(guān)政策進(jìn)行了實(shí)證研究，構(gòu)建了上下位政策概念的一致性指標(biāo)測(cè)算框架，討論了12個(gè)領(lǐng)域數(shù)據(jù)共享政策在吸收、擴(kuò)散和創(chuàng)新過(guò)程中的政策文本質(zhì)量，并提出改進(jìn)建議?！?0〕

相關(guān)的科學(xué)數(shù)據(jù)保存和共享政策，極大地促進(jìn)了數(shù)據(jù)的開(kāi)放獲取。國(guó)內(nèi)對(duì)科學(xué)數(shù)據(jù)開(kāi)放獲取的研究主要集中在科學(xué)數(shù)據(jù)公共獲取的障礙、開(kāi)放科學(xué)數(shù)據(jù)的相關(guān)政策、科學(xué)數(shù)據(jù)的開(kāi)放注冊(cè)和引用、開(kāi)放科學(xué)數(shù)據(jù)倉(cāng)儲(chǔ)與數(shù)據(jù)共享平臺(tái)等。陳傳夫較早地關(guān)注了科學(xué)數(shù)據(jù)的公共獲取問(wèn)題，分析了科學(xué)數(shù)據(jù)獲取方面存在的障礙，提出促進(jìn)科學(xué)數(shù)據(jù)公共獲取的建議?！?1〕隨后，劉細(xì)文和熊瑞分析了英美以及眾多國(guó)際組織與研究機(jī)構(gòu)的開(kāi)放獲取政策的特點(diǎn)，認(rèn)為其體現(xiàn)出圍繞科學(xué)數(shù)據(jù)交流渠道的各環(huán)節(jié)的特征。〔22〕另外，黃永文等對(duì)國(guó)外3個(gè)開(kāi)放科學(xué)數(shù)據(jù)倉(cāng)儲(chǔ)進(jìn)行了介紹和比較，指出唯一標(biāo)識(shí)符(DOI)和CC協(xié)議的采用有利于科學(xué)數(shù)據(jù)的開(kāi)放共享和再利用?！?3〕

4．1．6 科學(xué)數(shù)據(jù)網(wǎng)格技術(shù)

網(wǎng)格是一個(gè)集成的計(jì)算和資源環(huán)境，其目標(biāo)是將分布在不同地理位置上的網(wǎng)絡(luò)、數(shù)據(jù)、計(jì)算資源、存儲(chǔ)、應(yīng)用等在內(nèi)的資源整合成一個(gè)無(wú)縫的計(jì)算環(huán)境?！?4〕科學(xué)數(shù)據(jù)網(wǎng)格(SDG)是其在國(guó)內(nèi)的主要應(yīng)用。SDG是中科院科研信息化環(huán)境建設(shè)中的一個(gè)試點(diǎn)項(xiàng)目，建立在海量數(shù)據(jù)資源的基礎(chǔ)上，旨在利用網(wǎng)格技術(shù)達(dá)到大規(guī)模、分布、異構(gòu)的數(shù)據(jù)資源的集成和共享，并以網(wǎng)格服務(wù)的形式提供數(shù)據(jù)服務(wù)的發(fā)布、查找和調(diào)用?！?5〕

目前科學(xué)數(shù)據(jù)網(wǎng)格以Globus為基礎(chǔ)提供數(shù)據(jù)訪(fǎng)問(wèn)和統(tǒng)一服務(wù)接口，但本質(zhì)上還是C/S模型，在發(fā)布和發(fā)現(xiàn)服務(wù)上采用集中式模式，對(duì)海量數(shù)據(jù)訪(fǎng)問(wèn)低效，周園春等在結(jié)合P2P特點(diǎn)的基礎(chǔ)上，提出了一種新的數(shù)據(jù)訪(fǎng)問(wèn)中間件框架，具有可擴(kuò)展性、數(shù)據(jù)訪(fǎng)問(wèn)高效性等特點(diǎn)?！?6〕另外，科學(xué)數(shù)據(jù)網(wǎng)格環(huán)境下數(shù)據(jù)傳輸技術(shù)、數(shù)據(jù)資源節(jié)點(diǎn)信任評(píng)價(jià)系統(tǒng)、信息服務(wù)技術(shù)、分布式查詢(xún)處理技術(shù)的關(guān)注也不斷增加。

4．1．7 科學(xué)數(shù)據(jù)挖掘

科學(xué)數(shù)據(jù)海量增長(zhǎng)的態(tài)勢(shì)，使得科學(xué)數(shù)據(jù)挖掘技術(shù)在數(shù)據(jù)分析、聚類(lèi)、關(guān)聯(lián)、知識(shí)發(fā)現(xiàn)以及趨勢(shì)預(yù)測(cè)等各項(xiàng)應(yīng)用中變得尤為重要。由于數(shù)據(jù)的高維度、時(shí)變、時(shí)空相關(guān)等特性，使得現(xiàn)有的數(shù)據(jù)挖掘技術(shù)不能夠完全適應(yīng)這些特性，很多學(xué)者探討如何將傳統(tǒng)的數(shù)據(jù)挖掘方法包括基于決策樹(shù)的方法、基于神經(jīng)網(wǎng)絡(luò)的方法、基于遺傳算法的方法、貝葉斯方法、基于粗糙集的方法等應(yīng)用在科學(xué)數(shù)據(jù)挖掘中，提高挖掘的效率與精度。另外，針對(duì)當(dāng)前對(duì)科學(xué)數(shù)據(jù)特征表示的深度不夠問(wèn)題，孫巍提出了一種基于復(fù)合文本描述的科學(xué)數(shù)據(jù)特征的表示方法，提高了科學(xué)數(shù)據(jù)聚類(lèi)的效果。〔27〕

4．1．8 科學(xué)數(shù)據(jù)管理

科學(xué)數(shù)據(jù)管理的研究主要集中在:①?lài)?guó)外科學(xué)數(shù)據(jù)管理與服務(wù)實(shí)踐。如彭建波歸納了北美人文社會(huì)科學(xué)數(shù)據(jù)管理典型案例的特點(diǎn)，對(duì)我國(guó)開(kāi)展人文社會(huì)科學(xué)數(shù)據(jù)管理提出了建議?！?8〕②科學(xué)數(shù)據(jù)管理工具與模式，涉及科學(xué)數(shù)據(jù)管理系統(tǒng)與平臺(tái)、科學(xué)數(shù)據(jù)可視化分析系統(tǒng)、科學(xué)數(shù)據(jù)管理的方法與程序和科學(xué)數(shù)據(jù)管理框架等。③科學(xué)數(shù)據(jù)管理政策。主要包括宏觀和微觀兩個(gè)層面，宏觀政策為科學(xué)數(shù)據(jù)的管理和共享提供法律上的依據(jù)，〔29〕微觀層面主要體現(xiàn)在組織、機(jī)構(gòu)等的數(shù)據(jù)發(fā)展與管理政策。④科學(xué)數(shù)據(jù)管理的教育與培訓(xùn)。主要是對(duì)國(guó)外培訓(xùn)項(xiàng)目的介紹，目前國(guó)內(nèi)圖書(shū)情報(bào)專(zhuān)業(yè)課程設(shè)置中還未曾見(jiàn)到與科學(xué)數(shù)據(jù)管理相關(guān)的課程?！?0〕

4．2 研究特點(diǎn)分析

通過(guò)因子分析和對(duì)文獻(xiàn)內(nèi)容的研究，國(guó)內(nèi)學(xué)者對(duì)科學(xué)數(shù)據(jù)的研究已經(jīng)形成了相對(duì)集中的主題領(lǐng)域，我們可以對(duì)科學(xué)數(shù)據(jù)的研究特點(diǎn)做進(jìn)一步的探討。第一，從上述8大主題的研究深度來(lái)看，部分主題還停留在基礎(chǔ)理論的研究階段。以科學(xué)數(shù)據(jù)共享主題為例，主要探討了數(shù)據(jù)共享的方法與機(jī)制，并沒(méi)有深入探究科研人員對(duì)科學(xué)數(shù)據(jù)需求狀況、數(shù)據(jù)共享中利益平衡問(wèn)題以及科學(xué)數(shù)據(jù)共享中的障礙因素。第二，許多新興主題研究力度不夠，難以單獨(dú)形成體系。通過(guò)對(duì)關(guān)鍵詞的統(tǒng)計(jì)分析，發(fā)現(xiàn)“云計(jì)算”、“關(guān)聯(lián)數(shù)據(jù)”等主題正在逐步成長(zhǎng)為新的熱點(diǎn)，但由于關(guān)注度和研究力度不夠，使得他們?cè)诠苍~分析中只能依附于其他主題。第三，部分研究主題內(nèi)容相互交叉。例如，“科學(xué)數(shù)據(jù)共享和數(shù)據(jù)共享平臺(tái)”和“科學(xué)數(shù)據(jù)監(jiān)護(hù)與服務(wù)”這兩個(gè)主題均涉及到科學(xué)數(shù)據(jù)服務(wù)的研究。

5 結(jié)論

研究以近十年國(guó)內(nèi)科學(xué)數(shù)據(jù)研究的582篇文獻(xiàn)的高頻關(guān)鍵詞為數(shù)據(jù)基礎(chǔ)，通過(guò)共詞分析方法對(duì)研究主題和結(jié)構(gòu)進(jìn)行了分析，揭示了國(guó)內(nèi)科學(xué)數(shù)據(jù)8大研究主題，分別為科學(xué)數(shù)據(jù)共享和數(shù)據(jù)共享平臺(tái)、科學(xué)數(shù)據(jù)組織與分類(lèi)、科學(xué)數(shù)據(jù)監(jiān)護(hù)與服務(wù)、科學(xué)數(shù)據(jù)整合、科學(xué)數(shù)據(jù)政策與開(kāi)放獲取、科學(xué)數(shù)據(jù)網(wǎng)格技術(shù)、科學(xué)數(shù)據(jù)挖掘、科學(xué)數(shù)據(jù)管理，對(duì)了解國(guó)內(nèi)科學(xué)數(shù)據(jù)研究的關(guān)注主題具有較大的參考價(jià)值。需要指出的是，研究尚處于探索性階段，還存在著一些不足。首先，在高頻詞的閾值確定方面，沒(méi)有足夠的理論支撐，閾值的確定很大程度上依賴(lài)于以往的經(jīng)驗(yàn)，具有一定的主觀性。其次，所研究的文獻(xiàn)類(lèi)型為期刊論文，并沒(méi)有包括學(xué)位論文等其他文獻(xiàn)，如果將其他類(lèi)型的文獻(xiàn)統(tǒng)計(jì)在內(nèi)，可能會(huì)對(duì)研究結(jié)論有一定的修正作用。另外，還可以利用CiteSpace等軟件對(duì)共引作者、機(jī)構(gòu)等進(jìn)行分析，展示當(dāng)前科學(xué)數(shù)據(jù)領(lǐng)域的研究進(jìn)展和前沿。

1．王巧玲，鐘永恒，江洪．我國(guó)科學(xué)數(shù)據(jù)共享研究的文獻(xiàn)計(jì)量分析．情報(bào)雜志，2008(7):128-130

2．姜曉虹．國(guó)內(nèi)科學(xué)數(shù)據(jù)相關(guān)研究進(jìn)展分析．圖書(shū)情報(bào)工作，2009，53(13):50-53

3．李武，董偉．國(guó)內(nèi)開(kāi)放存取的研究熱點(diǎn):基于共詞分析的文獻(xiàn)計(jì)量研究．中國(guó)圖書(shū)館學(xué)報(bào)，2010(6):105-115

4．陸宇杰，張鳳仙，范并思．基于共詞分析的高校圖書(shū)館核心價(jià)值研究．大學(xué)圖書(shū)館學(xué)報(bào)，2012(6):34-40

5．馬費(fèi)成，望俊成，張于濤．國(guó)內(nèi)生命周期理論研究知識(shí)圖譜繪制．情報(bào)科學(xué)，2010(3):334-340

6．張晉朝．我國(guó)高?？蒲腥藛T科學(xué)數(shù)據(jù)共享意愿研究．情報(bào)理論與實(shí)踐，2013，36(10):25-30

7．黃筱瑾，朱江，李菁楠．研究型圖書(shū)館參與科學(xué)數(shù)據(jù)共享服務(wù)研究．圖書(shū)館論壇，2009，29(6):177-179

8．李麗亞等．基于Ontology的科學(xué)數(shù)據(jù)共享檢索體系解析．情報(bào)理論與實(shí)踐，2009(5):81-85

9．左建安，陳雅．基于大數(shù)據(jù)環(huán)境的科學(xué)數(shù)據(jù)共享模式研究．情報(bào)雜志，2013(12):151-154

10．諸云強(qiáng)等．分布式地球系統(tǒng)科學(xué)數(shù)據(jù)共享平臺(tái)研究．計(jì)算機(jī)工程與應(yīng)用，2009，45(1):245-248

11．耿慶齋，張行南，朱星明．基于多維組合的水利科學(xué)數(shù)據(jù)分類(lèi)體系及其編碼結(jié)構(gòu)．河海大學(xué)學(xué)報(bào)(自然科學(xué)版)，2009(3):23

12．房小可．基于關(guān)聯(lián)數(shù)據(jù)的高校圖書(shū)館科學(xué)數(shù)據(jù)組織研究．圖書(shū)館建設(shè)，2013(10):31-44

13．吳敏琦．Digital Curation:圖書(shū)情報(bào)學(xué)的一個(gè)新興研究領(lǐng)域．圖書(shū)館雜志，2012(3):8-12

14．沈婷婷，盧志國(guó)．?dāng)?shù)據(jù)監(jiān)管在我國(guó)高校圖書(shū)館的應(yīng)用展望．圖書(shū)情報(bào)工作，2012，56(7):54-57

15．程蓮娟．美國(guó)高校圖書(shū)館數(shù)據(jù)監(jiān)護(hù)的實(shí)踐及其啟示．圖書(shū)館雜志，2012，31(1):76-78

16．洪程．國(guó)外科學(xué)數(shù)據(jù)服務(wù)現(xiàn)狀研究．圖書(shū)館雜志，2012(10):31-34

17．肖瀟，呂俊生．E-science環(huán)境下國(guó)外圖書(shū)館科學(xué)數(shù)據(jù)服務(wù)研究進(jìn)展．圖書(shū)情報(bào)工作，2012，56(17):53-58

18．馬文峰，杜小勇．基于數(shù)據(jù)的資源整合．情報(bào)資料工作，2007(1):41-45

19．白如江，冷伏海．“大數(shù)據(jù)”時(shí)代科學(xué)數(shù)據(jù)整合研究．情報(bào)理論與實(shí)踐，2014(1):94-99

20．裴雷．我國(guó)科學(xué)數(shù)據(jù)共享政策概念一致性與政策質(zhì)量評(píng)估．情報(bào)理論與實(shí)踐，2013，36(9):28-31

21．陳傳夫．中國(guó)科學(xué)數(shù)據(jù)公共獲取機(jī)制:特點(diǎn)、障礙與優(yōu)化的建議．中國(guó)軟科學(xué)，2004(2):8-13

22．劉細(xì)文，熊瑞．國(guó)外科學(xué)數(shù)據(jù)開(kāi)放獲取政策特點(diǎn)分析．情報(bào)理論與實(shí)踐，2009(9):5-9

23．黃永文等．國(guó)外開(kāi)放科學(xué)數(shù)據(jù)研究綜述．現(xiàn)代圖書(shū)情報(bào)技術(shù)，2013(5):21-27

24．宋佳等．人地系統(tǒng)科學(xué)數(shù)據(jù)網(wǎng)格．科研信息化技術(shù)與應(yīng)用，2011(2):82-89

25．張西廣等．科學(xué)數(shù)據(jù)網(wǎng)格研究進(jìn)展．計(jì)算機(jī)應(yīng)用研究，2009，26(10):3601-3603，3624

26．周園春等．科學(xué)數(shù)據(jù)網(wǎng)格中數(shù)據(jù)訪(fǎng)問(wèn)中間件的研究．微電子學(xué)與計(jì)算機(jī)，2006，23(11):44-46

27．孫巍．一種基于復(fù)合文本描述的科學(xué)數(shù)據(jù)特征表示方法．現(xiàn)代圖書(shū)情報(bào)技術(shù)，2009(5):22-27

28．彭建波．北美人文社會(huì)科學(xué)數(shù)據(jù)管理的實(shí)踐及其啟示．大學(xué)圖書(shū)館學(xué)報(bào)，2013(6):33-37

29．孟祥保，錢(qián)鵬．高校社會(huì)科學(xué)數(shù)據(jù)管理的國(guó)際經(jīng)驗(yàn)及其借鑒——以UKDA和ICPSR為例．情報(bào)資料工作，2013(2):77-80

30．司莉等．2005年以來(lái)國(guó)外科學(xué)數(shù)據(jù)管理與共享研究進(jìn)展與啟示．國(guó)家圖書(shū)館學(xué)刊，2013，22(3):40-49