大數(shù)據(jù)可視化分析在支撐智庫研究中的應(yīng)用與創(chuàng)新

熊勵　王錕　鐘美芝

摘要：[目的/意義]大數(shù)據(jù)環(huán)境下的智庫研究旨在對海量的信息進(jìn)行有效采集、處理、分析，挖掘信息中蘊(yùn)含的邏輯規(guī)律，并將大量的無規(guī)則數(shù)據(jù)可視化表示，這是當(dāng)今智庫研究的熱點(diǎn)。[方法/過程]文章通過分析國內(nèi)外智庫和大數(shù)據(jù)可視化的研究現(xiàn)狀，整理了目前運(yùn)用大數(shù)據(jù)可視化進(jìn)行智庫研究的相關(guān)理論，剖析大數(shù)據(jù)可視化方法在智庫研究中的應(yīng)用與創(chuàng)新。[結(jié)果/結(jié)論]結(jié)果表明：我國目前對智庫研究的方法還比較單一，大數(shù)據(jù)可視化的智庫研究方法發(fā)展迅速，包括支持智庫大數(shù)據(jù)可視化分析的海量數(shù)據(jù)處理、可視化算法、圖形可視化、人機(jī)交互、分布式處理等技術(shù)。大數(shù)據(jù)可視化分析在智庫研究中的應(yīng)用有助于智庫數(shù)據(jù)信息直觀展示、動態(tài)圖形可視化對比分析、支持可視化分析的用戶交互、智庫數(shù)據(jù)資源集聚共享、提升智庫作用和影響力。

關(guān)鍵詞：智庫 大數(shù)據(jù) 可視化 研究方法

分類號：TP3-05 C912

DOI： 10.19318/j.cnki.issn.2096-1634.2018.04.03

1 引言

智庫專家的重要工作之一是在科學(xué)數(shù)據(jù)分析的基礎(chǔ)上對未來研究形勢及走向進(jìn)行預(yù)判，形成具有競爭力和影響力的觀點(diǎn)。隨著智庫研究所面對的問題日益復(fù)雜，是否掌握智庫專業(yè)化和細(xì)致化分析方法以應(yīng)對建設(shè)新型智庫的挑戰(zhàn)，將會成為決定智庫機(jī)構(gòu)今后成敗的關(guān)鍵[1]。早在2015年1月，中共中央辦公廳、國務(wù)院辦公廳印發(fā)的《關(guān)于加強(qiáng)中國特色新型智庫建設(shè)的意見》中就強(qiáng)調(diào)了政策咨詢的重要性，需要以改革創(chuàng)新為動力，努力建設(shè)具有中國特色的新型智庫體系，從而大力推動中國新型智庫研究[2]。隨著互聯(lián)網(wǎng)的快速發(fā)展，大數(shù)據(jù)的收集、存儲、分析方法為我國的智庫研究帶來了新的研究動力和挑戰(zhàn)。尤其是大數(shù)據(jù)可視化方法的應(yīng)用，該方法是從政策運(yùn)行、政府管理與決策等視角，基于對海量數(shù)據(jù)的處理和分析，幫助決策者和公眾理解關(guān)鍵問題、獲取有效信息的方法，對該方法的運(yùn)用將是未來進(jìn)行智庫研究的基本趨勢。

1.1 智庫研究現(xiàn)狀

目前，智庫研究已經(jīng)進(jìn)入了快速發(fā)展階段。在機(jī)構(gòu)數(shù)量方面，2018年1月30日，賓夕法尼亞大學(xué)發(fā)布的《2017年全球智庫報告》（《2017 Global Go To Think Tank Index Report》）指出：全球智庫機(jī)構(gòu)數(shù)量高達(dá)7，815家，其中美國智庫數(shù)量位居全球第1，為1，872家；我國智庫數(shù)量位居全球第2，為512家[3]。

國內(nèi)外學(xué)者對智庫的發(fā)展現(xiàn)狀、趨勢等做了深入研究。Jacques Peter就曾針對美國傳統(tǒng)智庫的發(fā)展情況，采用科學(xué)計量方法進(jìn)行統(tǒng)計、測算智庫數(shù)據(jù)，分析美國傳統(tǒng)智庫的運(yùn)行機(jī)制[4]。國內(nèi)學(xué)者呂紅基于WoS數(shù)據(jù)庫對國際智庫研究態(tài)勢進(jìn)行文獻(xiàn)計量分析和信息挖掘，總結(jié)出目前國際智庫的研究熱點(diǎn)：（1）智庫的發(fā)展運(yùn)行現(xiàn)狀及其對社會的影響力；（2）智庫的角色定位與決策作用；（3）智庫分類、領(lǐng)域及功能研究；（4）智庫案例分析[5]。

目前智庫研究領(lǐng)域的文獻(xiàn)逐漸增加，在一定程度上能表征其學(xué)術(shù)研究現(xiàn)狀和發(fā)展趨勢，因此通過對國內(nèi)外文獻(xiàn)進(jìn)行檢索，以智庫研究領(lǐng)域文獻(xiàn)發(fā)文量進(jìn)行對比，分析智庫研究現(xiàn)狀和趨勢。國內(nèi)文獻(xiàn)檢索選取中國知網(wǎng)（CNKI），來源類別為CSSCI的期刊數(shù)據(jù)庫，以篇名為“智庫”精確檢索期刊文章，時間區(qū)間為2000—2017年，共得到1，095篇，國外文獻(xiàn)檢索選取WoS核心合集數(shù)據(jù)庫，以“Think tanks”為主題，文章類型為“Article”進(jìn)行檢索，時間區(qū)間為2000—2017年，共得到947篇，檢索時間為2018年4月11日，相關(guān)文獻(xiàn)的發(fā)文量檢索結(jié)果如圖1所示。

由圖1可知，2011年之前WoS核心合集中智庫研究的文獻(xiàn)數(shù)量相比CNKI的CSSCI期刊數(shù)據(jù)庫較多，說明國外學(xué)者對智庫研究較早，有一定的文獻(xiàn)積累量，發(fā)表相關(guān)論文的數(shù)量在過去的16年間呈平穩(wěn)增長趨勢。而國內(nèi)對智庫的研究相對較晚，21世紀(jì)初才逐漸開始，研究基礎(chǔ)較為薄弱，但從2011年后相關(guān)論文數(shù)量逐漸增加，說明國內(nèi)學(xué)者在智庫領(lǐng)域的研究逐漸增多。

1.2 大數(shù)據(jù)可視化研究現(xiàn)狀

大數(shù)據(jù)可視化分析是目前大數(shù)據(jù)分析的重要方法之一，因其高效、直觀、交互的圖形表示功能，被廣泛應(yīng)用于各研究領(lǐng)域。大數(shù)據(jù)的環(huán)境下，數(shù)據(jù)類型逐漸多元化，用于可視化的數(shù)據(jù)源于數(shù)據(jù)庫、html、XML文件、源代碼等，通過處理、分析數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)的統(tǒng)計分析、知識表示、用戶交互、視覺表現(xiàn)、人類認(rèn)知、感知和探索決策[6-11]。大數(shù)據(jù)可視化技術(shù)充分利用數(shù)據(jù)分析，結(jié)合機(jī)器與人的優(yōu)勢分析問題、解決問題，實(shí)現(xiàn)視覺感知[12]。

大數(shù)據(jù)可視化方法來源于最初的科學(xué)可視化[13]和隨著信息增長產(chǎn)生的信息可視化[14]，二者合稱為數(shù)據(jù)可視化。Nightingale曾運(yùn)用傳統(tǒng)大數(shù)據(jù)可視化方法搜集、分析關(guān)于醫(yī)療和公共衛(wèi)生的信息，其中運(yùn)用最多的是餅圖[15]?；ヂ?lián)網(wǎng)技術(shù)助推了大數(shù)據(jù)可視化技術(shù)的發(fā)展，大量信息的聚集和可視化技術(shù)的改進(jìn)，使得大數(shù)據(jù)可視化的功能不斷完善，如基于海量數(shù)據(jù)，逐漸在內(nèi)容豐富的圖形中展現(xiàn)交互功能。交互式大數(shù)據(jù)可視化有助于復(fù)雜數(shù)據(jù)的選擇和表示，能幫助用戶和系統(tǒng)之間進(jìn)行交互作用[16-17]。由于行業(yè)應(yīng)用和數(shù)據(jù)類型的不同，大數(shù)據(jù)可視化分析方法也不同，其運(yùn)用范圍涉及政治、經(jīng)濟(jì)、金融、醫(yī)療等行業(yè)，處理的數(shù)據(jù)類型包括傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)以及大數(shù)據(jù)環(huán)境下的大量非結(jié)構(gòu)化數(shù)據(jù)如文本、網(wǎng)絡(luò)、圖像等[18]。

1.3 問題提出

通過對國內(nèi)外智庫研究文獻(xiàn)的對比分析，并進(jìn)行研究現(xiàn)狀的梳理，對比國內(nèi)外智庫研究的現(xiàn)狀和趨勢發(fā)現(xiàn)，國外智庫研究起步較早，而我國智庫研究雖有一定成果，但研究方法還比較單一，還未形成成熟的研究體系。大數(shù)據(jù)時代的到來對我國的智庫研究提出了新的挑戰(zhàn)——如何進(jìn)行大數(shù)據(jù)驅(qū)動的智庫研究？大數(shù)據(jù)可視化方法，其應(yīng)用涉及利用多種數(shù)據(jù)類型進(jìn)行行業(yè)決策分析，涉及多學(xué)科交叉研究，如何運(yùn)用大數(shù)據(jù)可視化技術(shù)支撐智庫研究的應(yīng)用和創(chuàng)新值得深思。

文章通過對智庫研究方法和理論進(jìn)行闡述，并梳理大數(shù)據(jù)可視化的智庫研究方法和理論，結(jié)合實(shí)際，分析大數(shù)據(jù)可視化視角下的智庫研究方法應(yīng)用和創(chuàng)新，并對智庫研究趨勢進(jìn)行展望。

2 智庫研究方法發(fā)展動態(tài)

美國學(xué)者保羅·迪克森曾在其1971年出版的《智庫》中首次對智庫的作用進(jìn)行了研究分析。隨后更多的國內(nèi)外學(xué)者意識到智庫的重要性，紛紛對智庫進(jìn)行研究，研究領(lǐng)域涵蓋政府政策、經(jīng)濟(jì)、教育等諸多方面，智庫的研究方法也在逐漸增多的研究中不斷演變。

2.1 傳統(tǒng)的計量統(tǒng)計方法

國外學(xué)者對智庫研究較早，早期主要在理論層面，以定性分析法和定量分析法為基礎(chǔ)進(jìn)行，涉及問卷調(diào)查、專家訪談、訪問等，運(yùn)用傳統(tǒng)的計量統(tǒng)計方法分析智庫數(shù)據(jù)。Abelson研究了智庫的影響力，運(yùn)用定量分析的方法測度智庫對社會、政治、經(jīng)濟(jì)的影響力 [19]。Rich率先將統(tǒng)計學(xué)中的回歸分析方法運(yùn)用到美國的醫(yī)療改革、政府政策制定過程中，對智庫的作用進(jìn)行了實(shí)證研究[20]。為了對國內(nèi)外智庫研究的態(tài)勢進(jìn)行分析，趙蓉英等運(yùn)用文獻(xiàn)統(tǒng)計計量方法分析智庫研究文獻(xiàn)的累積量，分析當(dāng)今研究態(tài)勢 [21]。從對智庫理論研究到統(tǒng)計分析，傳統(tǒng)的計量方法在智庫研究中起到了重要作用，為大數(shù)據(jù)時代下新興的智庫研究方法奠定了基礎(chǔ)。

2.2 大數(shù)據(jù)環(huán)境下的智庫研究方法

互聯(lián)網(wǎng)和信息技術(shù)的發(fā)展促使信息呈指數(shù)倍增長，為智庫信息的快速獲取、高效分析和資源共享提出了新的挑戰(zhàn)。潘教峰教授結(jié)合其智庫研究和實(shí)踐經(jīng)驗(yàn)，提出DIIS智庫研究方法，認(rèn)為智庫研究只有走完Data-Information-Intelligence-Solution全過程，才能真正提出有效服務(wù)決策的科學(xué)決策和咨詢建議 [22]。

大數(shù)據(jù)環(huán)境下，數(shù)據(jù)驅(qū)動的思維逐漸在智庫研究中擴(kuò)散，大數(shù)據(jù)可視化分析方法得到靈活運(yùn)用，實(shí)現(xiàn)海量數(shù)據(jù)分析和圖形直觀展示。如構(gòu)建國際智庫研究的國家地區(qū)間合作情況網(wǎng)絡(luò)圖譜，直觀展示合作情況，并可繪制高頻關(guān)鍵詞的共現(xiàn)網(wǎng)絡(luò)圖 [5]，將可視化與文獻(xiàn)分析結(jié)合進(jìn)行國內(nèi)外智庫研究對比分析，把握當(dāng)前智庫研究的趨勢 [23]。

網(wǎng)絡(luò)圖譜能直觀地展示智庫研究的熱點(diǎn)和趨勢，為政府、教育機(jī)構(gòu)等決策提供依據(jù)。目前在智庫研究的文獻(xiàn)中進(jìn)行可視化分析的工具有Pajek合作網(wǎng)絡(luò)圖譜軟件、CiteSpace、VOSviewer等。目前智庫研究在政治、經(jīng)濟(jì)、教育領(lǐng)域的重要性正在逐漸增強(qiáng)，且大數(shù)據(jù)可視化的研究方法也較為方便直觀，更加有利于決策者把握智庫研究的熱點(diǎn)和趨勢。

2.3 大數(shù)據(jù)可視化的研究方法

大數(shù)據(jù)可視化技術(shù)對高效的智庫研究起到了驅(qū)動作用，主要運(yùn)用在智庫數(shù)據(jù)處理、數(shù)據(jù)分析和圖形表示中，分析結(jié)果可作為決策依據(jù)。目前在智庫研究領(lǐng)域中涉及的大數(shù)據(jù)可視化技術(shù)主要包括海量非結(jié)構(gòu)化數(shù)據(jù)處理技術(shù)、大數(shù)據(jù)可視化算法技術(shù)、復(fù)雜信息的圖形可視化技術(shù)、支持可視化分析的人機(jī)交互技術(shù)、可視化分布式處理技術(shù)等。

大數(shù)據(jù)環(huán)境下不斷增加的智庫數(shù)據(jù)應(yīng)以海量非結(jié)構(gòu)化數(shù)據(jù)處理技術(shù)為依托，實(shí)現(xiàn)高效、準(zhǔn)確的數(shù)據(jù)預(yù)處理和量化分析，目前大數(shù)據(jù)分析平臺可以實(shí)現(xiàn)對實(shí)時采集到的海量非結(jié)構(gòu)化數(shù)據(jù)的挖掘分析[24]。在數(shù)據(jù)的處理層面，分布式技術(shù)的發(fā)展為海量智庫數(shù)據(jù)的高效存儲、快速檢索、實(shí)時共享提供了技術(shù)支撐。在算法層面，大數(shù)據(jù)可視化的功能提升為可視化算法改進(jìn)提供了契機(jī)，主要在經(jīng)典算法如：分類、決策樹、樸素貝葉斯、Apriori算法、神經(jīng)網(wǎng)絡(luò)、遺傳算法等的基礎(chǔ)上進(jìn)行運(yùn)算速度和圖形展示功能的提升，對大數(shù)據(jù)可視化的智庫研究起到促進(jìn)作用。如目前常用的機(jī)器學(xué)習(xí)算法，通過深度學(xué)習(xí)，可預(yù)測基于海量數(shù)據(jù)的不確定事件的發(fā)展趨勢，圖形表達(dá)內(nèi)容豐富，用戶交互性能良好 [25]。

信息的數(shù)量、維度等逐漸增加，對圖形可視化技術(shù)的功能要求提高。復(fù)雜信息的圖形可視化技術(shù)實(shí)現(xiàn)需要根據(jù)數(shù)據(jù)類型和特征匹配圖形功能，其涉及的數(shù)據(jù)包括文本數(shù)據(jù)、網(wǎng)絡(luò)數(shù)據(jù)、時空數(shù)據(jù)、多維數(shù)據(jù)等，并具有實(shí)時交互的功能 [26-27]。目前，虛擬現(xiàn)實(shí)技術(shù)、可視化仿真技術(shù)等都在智庫復(fù)雜信息可視化中有所運(yùn)用，支持智庫可視化分析的人機(jī)交互技術(shù)逐漸成為大數(shù)據(jù)可視化的智庫研究中的重要方法 [28]。

隨著智庫需要處理的信息量的增加以及資源共享的需求，可視化的信息分布式處理技術(shù)逐漸被運(yùn)用。分布式計算如云計算技術(shù)，其深度學(xué)習(xí)功能進(jìn)行圖像識別、語音識別、數(shù)據(jù)分析等 [29-30]。且具有快速訪問資源和多用戶共同使用的特點(diǎn)，分布范圍廣，使用人數(shù)多，網(wǎng)絡(luò)系統(tǒng)性能強(qiáng)，廣泛運(yùn)用于目前大數(shù)據(jù)可視化的智庫研究中，有助于具體化和多維化共享大數(shù)據(jù)可視化分析結(jié)果。

3 大數(shù)據(jù)可視化視角下的智庫應(yīng)用研究分析

目前世界各國越來越重視智庫建設(shè)，將智庫研究成果視為政治、經(jīng)濟(jì)決策的重要依據(jù)。隨著大數(shù)據(jù)時代的到來，信息量激增，如何有效地進(jìn)行海量數(shù)據(jù)采集，并進(jìn)行有效、動態(tài)、直觀地分析成為智庫研究的挑戰(zhàn)。目前，社會網(wǎng)絡(luò)分析、知識圖譜、共現(xiàn)網(wǎng)絡(luò)分析等都是智庫研究中較為常用的數(shù)據(jù)可視化方法，有利于數(shù)據(jù)的高效和精準(zhǔn)采集、處理、分析、預(yù)測。因此，本文從分析智庫研究中復(fù)雜圖形可視化應(yīng)用、智庫研究成果的復(fù)雜問題簡單化、支持研究過程中可視化分析用戶交互、智庫數(shù)據(jù)資源集聚共享的方法創(chuàng)新、大數(shù)據(jù)可視化提升智庫作用和影響力等5方面來探討大數(shù)據(jù)可視化視角下的智庫應(yīng)用研究和創(chuàng)新。

3.1 智庫數(shù)據(jù)信息直觀展示

大數(shù)據(jù)可視化的智庫研究方法在數(shù)據(jù)處理階段較傳統(tǒng)的方法具有更快的速度和更高的效率。智庫采集的數(shù)據(jù)包括傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)和海量非結(jié)構(gòu)化數(shù)據(jù)，較傳統(tǒng)的統(tǒng)計數(shù)據(jù)全面而具體，但也具有較高的復(fù)雜性。在大量復(fù)雜數(shù)據(jù)信息的基礎(chǔ)上，運(yùn)用大數(shù)據(jù)可視化技術(shù)將智庫數(shù)據(jù)進(jìn)行總結(jié)歸納和直觀展示，可以進(jìn)行高效的智庫研究。例如，美國布魯金斯學(xué)會在智庫研究中運(yùn)用了大數(shù)據(jù)可視化技術(shù)，對數(shù)據(jù)進(jìn)行直觀地可視化分析[31]，如圖2所示。

該項(xiàng)智庫研究主要面向中國關(guān)稅的變動對美國就業(yè)和農(nóng)業(yè)的影響，通過運(yùn)用大數(shù)據(jù)可視化的方法直觀展示了就業(yè)人員的地區(qū)分布情況，非常清晰地展示大量數(shù)據(jù)信息，是非常典型的應(yīng)用創(chuàng)新，便于智庫研究人員理解數(shù)據(jù)信息和進(jìn)行后續(xù)研究。此外，國內(nèi)的公平競爭相關(guān)政策和事件等文本數(shù)據(jù)，可視化能直觀表示數(shù)據(jù)信息及地域分布如圖3所示。

圖3是針對國內(nèi)各省的公平競爭審查政策和事件的大數(shù)據(jù)可視化結(jié)果，將各省的政策、事件數(shù)量進(jìn)行可視化直觀展示，顯示出地區(qū)內(nèi)公平競爭審查政策和事件的數(shù)量。在全局范圍內(nèi)通過顏色的深淺表示政策和事件數(shù)量的多少，便于直觀而高效地接收信息。

3.2 動態(tài)圖形可視化對比分析

大數(shù)據(jù)可視化方法在智庫研究中的運(yùn)用彌補(bǔ)了傳統(tǒng)方法在圖形可視化方面的不足，其運(yùn)用計算機(jī)技術(shù)將大規(guī)模集群的信息有效處理，將數(shù)據(jù)之間的相關(guān)關(guān)系運(yùn)用動態(tài)的多維可視圖形的形式展現(xiàn)出來，尤其是智庫研究報告中的動態(tài)圖形可視化應(yīng)用，使得用戶可以直觀地看到數(shù)據(jù)之間的關(guān)系以及數(shù)據(jù)與數(shù)據(jù)之間動態(tài)對比結(jié)果。

世界資源研究所（WRI）在其自建的數(shù)據(jù)庫中基于大數(shù)據(jù)可視化技術(shù)對研究領(lǐng)域分布地圖、研究熱點(diǎn)圖、時空圖等進(jìn)行可視化，有助于用戶在查詢相關(guān)報告時直觀準(zhǔn)確地觀察研究領(lǐng)域的地域分布、熱點(diǎn)、趨勢等信息。上海競爭生態(tài)研究中心通過運(yùn)用時空可視化的方式動態(tài)分析我國的進(jìn)出口貿(mào)易情況，分析在國內(nèi)和出口市場上，是否實(shí)施極端松弛和自由放任的競爭政策，如圖4所示。

從圖中可看出，通過將各國貿(mào)易進(jìn)出口額進(jìn)行時空可視化，不僅能看到各國的貿(mào)易額對比情況，還能動態(tài)地展示貿(mào)易去向，判斷進(jìn)出口態(tài)勢。同時，時間軸的變動可以實(shí)時觀測各國貿(mào)易進(jìn)出口額變化情況。國內(nèi)方面，通過采集全國各省進(jìn)出口額數(shù)據(jù)進(jìn)行動態(tài)圖形的可視化對比分析，如圖5所示。

各省的進(jìn)出口額隨時間的變化，動態(tài)展示進(jìn)出口額變化情況，同時分別對比分析各城市2015年和2016年的進(jìn)口、出口情況，便于對國內(nèi)城市進(jìn)出口貿(mào)易情況進(jìn)行實(shí)時觀察。

3.3 支持可視分析的用戶交互

海量的非結(jié)構(gòu)化數(shù)據(jù)使得傳統(tǒng)的可視化分析方法在幫助用戶理解數(shù)據(jù)方面存在一定的局限性，為了讓用戶更易于理解和分析，用戶交互功能被運(yùn)用到大數(shù)據(jù)可視化的智庫研究報告中。這種方法是通過對數(shù)據(jù)或者圖形結(jié)果進(jìn)行處理實(shí)現(xiàn)的，便于分析和理解數(shù)據(jù)?？茖W(xué)知識圖譜軟件在智庫可視化分析中能夠提供良好的用戶交互功能，是大數(shù)據(jù)可視化的方法之一。為深入地了解公平競爭的市場環(huán)境，將多類商品的零售價格指數(shù)進(jìn)行統(tǒng)計，并進(jìn)行可視化分析，可以動態(tài)實(shí)時地監(jiān)控商品零售價格指數(shù)變化情況，如圖6所示。

圖中根據(jù)用戶的選擇項(xiàng)，分品類分別展示2015年—2017年月度、半年度、年度商品零售價格指數(shù)變化情況，運(yùn)用不同類型的圖形、多維度地展示商品零售價格指數(shù)變化情況，從而實(shí)現(xiàn)實(shí)時監(jiān)控市場環(huán)境的效果。同時，也可以根據(jù)用戶的需求展示歷年的商品零售價格指數(shù)變化情況，體現(xiàn)交互性能，如圖7所示。

另外，用戶還可以自由選擇數(shù)據(jù)項(xiàng)進(jìn)行實(shí)時對比分析，實(shí)現(xiàn)用戶交互。由此看來，大數(shù)據(jù)可視化的智庫研究方法能將智庫研究成果中復(fù)雜的問題以簡單易懂的方式呈現(xiàn)出來，從而增加大眾對智庫研究成果的接受度和認(rèn)可度。在2017年1月7日舉辦的第二屆新經(jīng)濟(jì)智庫大會上，卡內(nèi)基梅隆大學(xué)計算機(jī)學(xué)院副院長Justine Cassel認(rèn)為，下一代人機(jī)交互界面需具備兩個屬性：通過對話和肢體語言進(jìn)行自然互動；采用社交模式而非任務(wù)模式 [32]，直觀、自然的人機(jī)交互有助于未來智庫平臺完善和技術(shù)創(chuàng)新。蘭德公司（RAND）擁有美國多個行政機(jī)構(gòu)及行業(yè)的數(shù)據(jù)，信息需求者、供應(yīng)者、多個數(shù)據(jù)庫之間的良好交互有利于增強(qiáng)后續(xù)分析的靈活性。大數(shù)據(jù)可視化交互功能使得分析過程更加靈活、直觀、便捷，同時還保證了結(jié)果的準(zhǔn)確性和易接受性。

3.4 智庫數(shù)據(jù)資源集聚共享

智庫數(shù)據(jù)資源集聚共享是未來智庫發(fā)展的必然趨勢。智庫通常涉及訪問眾多的知識型數(shù)據(jù)庫，從數(shù)據(jù)庫中獲取大量信息并進(jìn)行處理具有難度，由于機(jī)構(gòu)之間的數(shù)據(jù)相對獨(dú)立，使得資源共享很有限；并且公眾用戶用傳統(tǒng)的查詢、統(tǒng)計等方法無法直觀地判斷智庫研究機(jī)構(gòu)的研究現(xiàn)狀、機(jī)構(gòu)之間的聯(lián)系以及數(shù)據(jù)庫資源等信息。隨著互聯(lián)網(wǎng)和多媒體技術(shù)的應(yīng)用和普及，各智庫紛紛運(yùn)用互聯(lián)網(wǎng)平臺進(jìn)行數(shù)據(jù)采集、分析和可視化成果展示，并進(jìn)行智庫數(shù)據(jù)資源共享，實(shí)現(xiàn)機(jī)構(gòu)間互通有無，普通大眾共同參與學(xué)習(xí)和研究。

目前，很多智庫都運(yùn)用分布式處理技術(shù)建立知識型數(shù)據(jù)庫，并整合相關(guān)的數(shù)據(jù)資源，建立開放式的數(shù)據(jù)資源平臺，運(yùn)用大數(shù)據(jù)可視化分析方法直觀展示數(shù)據(jù)資源分布，使大眾參與分析和判斷，高效獲取智庫數(shù)據(jù)資源，實(shí)現(xiàn)智庫數(shù)據(jù)資源共享。很多國際知名智庫都建立了強(qiáng)大的數(shù)據(jù)庫，以便保存重要的文獻(xiàn)資料和研究報告，同時提供網(wǎng)絡(luò)資源共享平臺，加強(qiáng)知識的學(xué)習(xí)和共享。英國皇家國際事務(wù)研究所在完善建設(shè)數(shù)據(jù)庫的基礎(chǔ)上，設(shè)立專門的數(shù)字資源部門支持資源共享?？▋?nèi)基國際和平基金也提供智庫知識資源的共享服務(wù)，服務(wù)對象是其注冊會員。中國社會科學(xué)院的中國社會科學(xué)網(wǎng)數(shù)據(jù)中心將社會科學(xué)領(lǐng)域的學(xué)術(shù)期刊、社會調(diào)查資料等進(jìn)行整合、集聚在一個開放平臺中，實(shí)現(xiàn)資源共享。同時，云平臺的建立和相關(guān)配套系統(tǒng)的開發(fā)和應(yīng)用使智庫的存儲和利用效率大大提升，數(shù)據(jù)庫之間的信息通信更加便捷，便于用戶訪問數(shù)據(jù)庫，降低了信息的獲取成本，有效實(shí)現(xiàn)資源共享，滿足用戶需求。

3.5 大數(shù)據(jù)可視化提升智庫作用和影響力

賓夕法尼亞大學(xué)智庫與公民社會項(xiàng)目主任詹姆斯·麥甘博士曾表示，大數(shù)據(jù)不僅可以用來收集海量數(shù)據(jù)，更重要的是要對海量數(shù)據(jù)進(jìn)行專業(yè)分析，通過數(shù)據(jù)分析結(jié)果發(fā)掘社會問題，為政府和研究人員提供處理問題的決策依據(jù)，提升了智庫在解決例如健康、交通等實(shí)際問題方面的作用。

大數(shù)據(jù)可視化分析方法在智庫中的應(yīng)用創(chuàng)新，使得智庫研究人員可以利用互聯(lián)網(wǎng)、計算機(jī)技術(shù)、數(shù)據(jù)庫技術(shù)等技術(shù)進(jìn)行深入的實(shí)證研究，運(yùn)用大數(shù)據(jù)可視化分析方法分析問題，并幫助決策人員和公眾理解問題、獲取知識資源，助推政府在解決社會問題上進(jìn)行科學(xué)決策。近年來、大數(shù)據(jù)可視化領(lǐng)域逐漸衍生出大量的新興技術(shù)，但在社會層面上，大數(shù)據(jù)可視化分析技術(shù)需要有針對社會公眾的人性化的交互系統(tǒng)，不僅使得智庫工作者快速掌握大數(shù)據(jù)可視化分析技術(shù)，滿足智庫研究人員的需求，同時使更多的社會公眾理解問題、參與政府決策，促進(jìn)公眾認(rèn)知和學(xué)習(xí)智庫研究成果，實(shí)現(xiàn)智庫數(shù)據(jù)資源共享，有力提升智庫的社會影響力。

4 結(jié)論

文章對智庫研究現(xiàn)狀進(jìn)行闡述，整理大數(shù)據(jù)可視化方法相關(guān)理論，并分析智庫研究成果中大數(shù)據(jù)可視化分析的應(yīng)用和創(chuàng)新。

（1）智庫建設(shè)逐漸受到各國政府的廣泛重視，越來越多的學(xué)者針對智庫展開相關(guān)研究，智庫研究逐漸成為學(xué)術(shù)界研究的熱點(diǎn)。但我國智庫的研究方法還比較單一，未形成完整的方法體系。大數(shù)據(jù)時代下海量信息的收集、處理、分析成為難點(diǎn)，大數(shù)據(jù)可視化分析方法在傳統(tǒng)可視化方法的基礎(chǔ)上可高效處理海量數(shù)據(jù)、通過圖形直觀展示數(shù)據(jù)分析結(jié)果，結(jié)果更易于被接受，有必要將大數(shù)據(jù)可視化方法運(yùn)用到智庫研究中。

（2）智庫的研究方法主要基于傳統(tǒng)的計量分析方法演變而來，但面對智庫海量信息，大數(shù)據(jù)可視化的智庫研究方法快速發(fā)展。目前大數(shù)據(jù)可視化的研究方法主要針對海量智庫數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理、算法應(yīng)用和提升、支持可視化的人機(jī)交互功能實(shí)現(xiàn)等，提高智庫研究的效率。

（3）大數(shù)據(jù)可視化技術(shù)目前都被逐漸運(yùn)用在智庫的研究中，給智庫的研究方法和技術(shù)創(chuàng)新提供了強(qiáng)有力的支撐。海量智庫數(shù)據(jù)可以通過計算機(jī)軟件平臺快速準(zhǔn)確地獲取，并進(jìn)行高效的數(shù)據(jù)預(yù)處理。運(yùn)用多維的圖形界面將復(fù)雜的數(shù)據(jù)可視化直觀展現(xiàn)，使復(fù)雜問題簡單化。并且運(yùn)用多種可視化圖形對比分析；利用良好的交互技術(shù)使得用戶能更加準(zhǔn)確地操縱、分析、理解數(shù)據(jù)。基于大數(shù)據(jù)的云共享技術(shù)能幫助更多的用戶訪問知識型數(shù)據(jù)庫，實(shí)時采集數(shù)據(jù)，分析結(jié)果，有效實(shí)現(xiàn)資源共享。

（4）大數(shù)據(jù)可視化支撐的研究方法目前已有一定的應(yīng)用，是傳統(tǒng)研究方法的重大改進(jìn)，在智庫研究成果中的應(yīng)用和創(chuàng)新都具有強(qiáng)有力的支撐作用，這不僅是對當(dāng)前智庫的研究方法的初探，也是未來的發(fā)展趨勢之一。

參考文獻(xiàn)：

[1] 許鑫， 吳珊燕. 智庫知識庫的構(gòu)建研究[J]. 情報理論與實(shí)踐， 2014， 37（3）： 68-72.

[2] 中共中央辦公廳， 國務(wù)院辦公廳. 關(guān)于加強(qiáng)中國特色新型智庫建設(shè)的意見[EB/OL]. [2017-06-10]. http：//www.gov.cn/xinwen/2015-01/20/content_2807126.htm.

[3] MCGANN J G. 2017 Global go to think tank index report[EB/OL]. [2018-01-31]. https：//repository.upenn.edu/think_tanks/13/.

[4] PETER J. JACQUES， RILEY E. DUNLAP， MARK F. The organization of denial： conservative think tanks and environment scepticism[J]. Environmental Politics， 2008， 17（3）： 349-385.

[5] 呂紅. 國際智庫研究態(tài)勢及其熱點(diǎn)主題分析[J]. 高教發(fā)展與評估， 2016（5）： 42-49， 83， 121.

[6] GERSHON N D， EICK S G. Information visualization[J]. IEEE Computer Graphics and Applications， 1997， 17（4）： 29-31.

[7] PECK R， OLSEN C， DEVORE J. Introduction to statistics and data analysis （3rd edition）[M]. Australia， Belmont， CA， 2008： 7-24.

[8] HARMELEN F V， LIFSCHITZ V， et al. Handbook of knowledge representation[M]. Amsterdam： Elsevier， 2008： 374-391.

[9] FREY S， SADLO F， MA K L， et al. Supporting communication and coordination in collaborative sensemaking[J]. IEEE Transactions on Visualization and Computer Graphics， 2014， 20 （12）： 1633-1642.

[10] LEUNG Y K， APPERLEY M D. A review and taxonomy of distortion-oriented presentation techniques[J]. ACM Transactions on Computer-Human Interaction， 1994， 1（2）： 126-160.

[11] DRIGAS A， KOUKIANAKIS L， PAPAGERASIMOU Y. Towards an ICT-based psychology： w-psychology[J]. Computers Human Behavior， 2011（27）： 1416-1423.

[12] BOUKHELIFA N， RODGERS P J. A model and software system for coordinated and multiple views in exploratory visualization [J]. Information Visualization， 2003， 2（4）： 258-269.

[13] 俞宏峰. 大規(guī)?？茖W(xué)可視化[J]. 中國計算機(jī)學(xué)會通訊， 2012， 8（9）： 29-36.

[14] 陳明. 大數(shù)據(jù)可視化分析[J]. 計算機(jī)教育， 2015（5）： 94-97.

[15] AGRAWAL R， SRIKANT R. Fast algorithms for mining association rules in large databases[C]// International conference on very large data bases. Morgan Kaufmann Publishers Inc， 1994： 487-499.

[16] DILLA W， JANVRIN D J， RASCHKE R. Interactive data visualization： new directions for accounting information systems research[J]. Journal of Information Systems American Accounting Association， 2010， 24（2）： 1-37

[17] ROGER S. Software engineering： a practitioners approach[M]. New York： McGraw Hill， 2010： 216-240.

[18] CARD S K， MACKINLAY J D， SHNEIDERMAN B. Readings in information visualization： using vision to think[M]. Readings in Information Visualization： Morgan Kaufmann Publishers， 1999： 647-650.

[19] ABELSON D E. American think-tank and their role in US foreign policy[M]. New York： ST. Martins Press， 1996： 21-25.

[20] RICH A. Think tanks， public policy， and the politics of expertise[M]. New York： Cambridge University Press， 2004： 74-103.

[21] 趙蓉英， 魏緒秋. 基于文獻(xiàn)數(shù)據(jù)的國內(nèi)外智庫研究動態(tài)分析[J]. 智庫理論與實(shí)踐， 2016（3）： 6-14.

[22] 呂青. 從智庫研究理論到科技智庫建設(shè)： 專訪中國科學(xué)院科技戰(zhàn)略咨詢研究院潘教峰院長[J]. 智庫理論與實(shí)踐， 2016， 1（6）： 2-5.

[23] 武慧娟， 秦雯， 韓林叢， 等. 國內(nèi)外智庫研究態(tài)勢知識圖譜對比分析[J]. 現(xiàn)代情報， 2016（11）： 170-177.

[24] 陳臣. 基于Hadoop的圖書館非結(jié)構(gòu)化大數(shù)據(jù)分析與決策系統(tǒng)研究[J]. 情報科學(xué)， 2017（1）： 24-28.

[25] 何清， 李寧， 羅文娟， 等. 大數(shù)據(jù)下的機(jī)器學(xué)習(xí)算法綜述[J]. 模式識別與人工智能， 2014（4）： 327-336.

[26] VI?GAS F B， WATTENBERG M， FEINBERG J. Participatory visualization with wordle[J]. IEEE Transactions on Visualization & Computer Graphics， 2009， 15（6）： 1137-1144.

[27] ZHAO J， CHEVALIER F， COLLINS C， et al. Facilitating discourse analysis with interactive visualization[J]. IEEE Transactions on Visualization & Computer Graphics， 2012， 18（12）： 2639-48.

[28] OVIATT S， COHEN P， WU L， et al. Designing the user interface for multimodal speech and pen-based gesture applications： state-of-the-art systems and future research directions [J]. Human-computer Interaction， 2000， 15 （4）： 263-322.

[29] CHAN T H， JIA K， GAO S， LIU J， et al. PCANet： a simple deep learning baseline for image classification[J]. IEEE Transactions on Image Processing， 2014， 24（12）： 5017-5032.

[30] HINTON G， DENG L， YU D， et al. Deep neural networks for acoustic modeling in speech recognition： the shared views of four research groups[J]. IEEE Signal Process Magazine， 2012， 29 （6）： 82-97.

[31] Brookings. How Chinas proposed tariffs could affect U.S. workers and industries [EB/OL]. [2018-04-09]. https：//www.brookings.edu/blog/the-avenue/2018/04/09/how-chinas-tariffs-could-affect-u-s-workers-and-industries/.

[32] 國際在線. 第二屆新經(jīng)濟(jì)智庫大會召開人機(jī)交互、平臺經(jīng)濟(jì)體受熱[EB/OL]. [2017-06-07]. http：//news.cri.cn/ 20170107/95f2415b-7777-78e8-ff4b-4f9e9435b60e.html.

作者貢獻(xiàn)說明：

熊 勵：負(fù)責(zé)研究選題、研究與方法設(shè)計及論文撰寫；

王 錕：資料收集與論文撰寫；

鐘美芝：文獻(xiàn)綜述與論文撰寫。

Abstract： [Purpose/significance] Think tanks research in the big data environment aims at collecting， processing， analyzing， and digging out the logical rules contained in the massive information effectively， and representing large amounts of irregular data by visualization. This is the hot topic of research on think tanks. [Method/process] This article analyzes the current research status of think tanks and the big data visualization at home and abroad， sorts out the related theories of think tanks research methods on big data visualization， and then， explores the application and innovation of big data visualization in supporting think tanks research. [Result/conclusion] The results show that the research methods of think tanks in China are relatively simple at present， but the research methods based on big data visualization have developed rapidly， including techniques of the massive data process， the visualization algorithm， the graphic visualization， the human-computer interaction， the distributed processing and so on. The application of big data visualization analysis in think tanks research can help directly viewing the data information of think tanks， comparison and analysis of dynamic graphic visualization， user interaction that supporting visual analysis， gathering and sharing of data resources of think tanks， and enhancing the role and influence of think tanks.

Keywords： think tank big data visualization research method

收稿日期：2017-06-21 修改日期：2018-04-16 本文責(zé)任編輯：唐果媛