大数据背景下的科研信息管理及科研统计-中国知网

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。

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。

C N K I全文数据库简介及使用指南CNKI全文数据库简介及使用指南目录一、CNKI数据库简介二、CNKI操作指南1、初次使用2、单库检索3、跨库检索4、初级检索5、高级检索6、专业检索7、文章下载三、常见问题解答一、CNKI数据库简介中国知识基础设施工程，China National Knowledge Infrastructure，简称CNKI工程，是以实现全社会知识信息资源共享为目标的国家信息化重点工程，被国家科技部等五部委确定为“国家级重点新产品重中之重”项目。

CNKI工程于1995年正式立项。

内容涵盖了我国自然科学、工程技术、人文与社会科学期刊、博硕士论文、报纸、图书、会议论文等公共知识信息资源；用户遍及全国和欧美、东南亚、澳洲等各个国家和地区，实现了我国知识信息资源在互联网条件下的社会化共享与国际化传播，使我国各级各类教育、科研、政府、企业、医院等各行各业获取与交流知识信息的能力达到了国际先进水平。

CNKI全文数据库现已在我院建立本地镜像站点，该镜像站点内含《中国学术期刊全文数据库》、《中国优秀博硕士学位论文全文数据库》、《中国重要会议论文集全文数据库》、《中国工具书》四个子库。

其中；《中国学术期刊全文数据库》子库，是目前世界上最大的连续动态更新的中国期刊全文数据库，收录国内1979年至今约7000多种核心期刊与专业特色期刊的全文，所有文献按类分为理工A、理工B、理工C、农业、医药卫生、文史哲、经济政治与法律、教育与社会科学、电子技术与信息科等九大专辑，数据月更新。

《中国优秀博硕士学位论文全文数据库》子库：收录全国300家博士培养单位的优秀博/硕士学位论文，是目前国内相关资源最完备、高质量、连续动态更新的中国博硕士学位论文全文数据库，目前我馆已镜像有文史哲、政经法等社科专辑和图书馆专题的全文数据。

《中国重要会议论文集全文数据库》子库：收录我国1999年以来国家二级以上学会、协会、高等院校、科研院所、学术机构等单位的论文集。

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。

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。

大数据基于中国知网(2011—2020年）的国 内大数据研究主题热点的可视化分析李成渊任汶灏无锡城市职业技术学院摘要：目前，大数据已经成为我国重要的基础性战略资源，相关研究蓬勃兴起本文首先以中国知网数据库收录 的国内大数据研究文献为例，对2011—2020年国内大数据研究的文献数量、核心期刊、权威机构进行计量与分析；其次，运用中国知网可视化软件，对大数据研究的主题热点及其演变历程进行可视化分析结果表明，大数据研究仍将成为我国重点研究的课题之一：关键词：大数据；主题热点；可视化分析0引言与美国等发达国家相比，国内学者研究大数据起步较晚，我W最早的大数据宏观政策是2012年发布的《广东省实施大 数据T.作方案》，主要任务集中在推进政务公开以及完善广东 宵内网络系统上我国学者对大数据的学术研究在2010年之 后慢慢兴起.在短短10年间，国内学者对大数据的研究主题 热点发生了深刻的变化本文利用中国知网的计量可视化分析T.具，借助2011 —2020年十年间以“大数据”为主题的文献，研究国内学者对大数据研究主题的文献数f i分析、核心期刊 分析、研究机构分析以及主题热点的发展历程1中国大数据研究现状1.1文献收录分析通过中国知网（CNKI)数据库，以“大数据”“big data”为检索同，2011 —2020年为检索期限，文献检索涉及 学术期刊、学位论文、会议、报纸等，在文献“主题”范围 内进行检索通过对检索文献资料的逐一筛查，最后共计得 到中[*1大数据研究文献265 109篇中国知网（2001 —2020年）国内大数据检索文献数量及增 速如阁1所示通过统计发现：（1 )在文献收录总量方面，近 10年中丨詞知网数据库收录国内大数据研究文献数量为265 109 篇；（2)在文献收录年份方面，国内大数据研究文献被中国 知网收录最早年份为2011年；（3 )在文献数量年份变化方面, _内大数据研究文献收录数t t总体呈上升趋势；其中，2012— 2017年，每年都保持高速增长；2013年的增速最快，高达 208.92%; 2018年有小回落；2019年，国内学者对大数据的研究达到峰值；2020年有些许回落，但研究数量仍旧十分可观1.2核心期刊分析同样是在中国知网，以“大数据”"big data”为检索词，检索期限为2011—2020年.文献检索涉及核心学术：在文献中，根据“关键词”范闱内进行检索通过对检索文献资料的逐一筛查，最后共计得到发表在核心期刊上的国内大数ft；册究文献9421篇2011 2012 2013 2014 2015 2016 2017 2018 2019 2020—数里（苠）*埴速图I中国知网（ 2001 —2020年）国内大数据检索文献数量及增速期刊通过统计发现：（1)在文献收录总M方面，近10年中 国知网数据库收录国内大数据研究文献数t t为942丨篇；（2 >在文献收录年份方面，国内大数据研究文献被中国知网收录最 早年份为2011年；（3 )在文献数f i年份变化方面，国内大数据 研究文献收录数M：总体呈上升趋势；其中，2012—20〗7年，每年 都保持高速增长；2018年有小小的回落；2019年，国内学者对 大数据的研究达到峰值；2020年有些许冋落，但研究数量仍旧982021.04I大数据十分可观：除了研究“大数据”在核心期刊上的发表数量和增速以外，还发现“大数据”主题研究集中在以下几个期刊：《电子 政务》（134篇）、《情报理论与实践》（107篇）、《现 代情报》（％篇）、《商业经济研究》（W篇）、《计算机科学》(86篇）、《电信科学》（85篇）、《会计之友》（85篇）、《人 民论坛》（84篇）、《情报杂志》（81篇）等：通过统计发现，排名较为靠前的期刊主要是计算机、图书情报档案、新闻传播、电子商务、通信、会计等领域。

知识服务研究状况及在大数据环境下的研究趋向王曰芬;张柏瑞;周玜宇【摘要】为了解国内外有关知识服务研究的整体状态、主要观点与发展趋向,本文以Web of Science核心合集和中国知网为来源,先以"知识服务"为关键词进行篇名检索,然后对发文量、研究领域与关键词进行分析.在此基础上,通过阅读高被引文献,总结已有研究在知识服务内涵、类型、模式、过程、技术与能力等方面的主要进展.最后,将大数据与知识服务结合,以计量分析和关键词共现分析为依据,进一步从大数据知识服务内涵与特征、大数据知识服务平台体系架构、支撑大数据知识服务技术等方面,对相关研究观点与趋向进行评述.%Knowledge service is a new form of service, which is accompanied by the development of knowledge economy. In order to understand the overall state, main views and development trends of knowledge service research at home and abroad, the paper selected the source of Web of Science and the CNKI database, took"knowledge service" as keyword to search within title, then did the bibliometric analysis and co-occurrence analysis on the volume, research area and keywords. On this basis, authors read literatures, and summarized the main points of view in the connotation, type, pattern, process, technology, and ability of knowledge service. Finally, combining large data with knowledge services, paper analyzed the amount of literature and keywords. Then, reviewed the views and trends of research on the connotation and characteristics of big data knowledge service, on the architecture of the big data knowledge service platform, and the technology to support the big data knowledge service.【期刊名称】《数字图书馆论坛》【年(卷),期】2018(000)003【总页数】8页(P12-19)【关键词】知识服务;文献计量;热点分析;大数据【作者】王曰芬;张柏瑞;周玜宇【作者单位】南京理工大学经济管理学院,南京 210094;江苏省社会公共安全科技协同创新中心,南京 210094;南京理工大学经济管理学院,南京 210094;南京理工大学经济管理学院,南京 210094【正文语种】中文【中图分类】G250;G350知识服务是伴随知识经济发展而生的服务新业态，并逐渐成为学者研究热点。

0引言目前，我国正处于大力实施创新驱动发展战略的关键时期，科技统计工作是其中的重要组成部分，因此做好做实科技统计工作能够极大地推动经济发展和科技进步，进而提升我国的整体创新能力。

近年来，我国科技创新的发展是相当迅速，统计数据显示，2020年，我国R&D （科学研究与试验发展）人员达到523.5万人，R&D 经费支出达到24393.11亿元，R&D 经费投入强度达到2.4%，增幅分别高达9%、10.2%和7.14%。

世界知识产权组织发布的2022年全球创新指数显示，我国在2022年的创新能力综合排名榜中位居全球第11位，说明我国的科技发展和创新能力都处于飞速发展时期。

在此关键阶段，进一步加强对科技统计工作的研究，不断改善科技统计体系至关重要。

已有文献多从科技统计管理工作、科技统计数据分析运用等方面进行研究，例如陶幸光等［1］分析了我国科技统计工作中存在的问题，并提出相应的对策；刘树梅［2］梳理了我国科技统计工作的发展概况；焦凌佳［3］通过对科技统计数据的分析，对各地区的科技创新实力进行评价。

然而，目前还没有学者从文献计量的角度对科技统计工作进行分析研究。

本文运用Citespace 软件对CNKI 收录的有关科技统计的研究论文进行文献计量并进行可视化，梳理了我国科技统计研究的发展历程、剖析了当下研究热点并对进一步做好科技统计研究工作做出展望。

1数据来源及研究方法1.1数据来源本文以CNKI 为检索数据库。

检索条件为AND（和），检索日期为2022年10月14日。

检索范围选择“学术期刊”，共检索得到973篇文献。

经过逐篇检查，剔除主题不相关文献及会议通知、报道等非论文文献，最后共得到608篇有效文献。

将有效文献的题录导出作为本文的分析数据。

1.2研究方法Citespace 是一款引文可视化分析软件，它能对科学引文索引（Web of Science ）、中文社会科学引文索引（CSSCI ）、CNKI 等多种中英文数据进行分析处理。

大数据时代下的信息资源管理研究第一章引言随着信息技术的迅猛发展和互联网的普及，人们每天都在产生海量的数据。

这些数据包含了各个领域的信息，从个人的社交媒体使用习惯到企业的市场销售数据等等。

而这些数据的快速增长和复杂性给信息资源管理带来了巨大的挑战。

因此，研究如何在大数据时代下科学高效地管理信息资源显得至关重要。

第二章大数据时代的特征在大数据时代，主要有以下几个特征：数据规模巨大、数据类型多样化、数据存储方式多样、数据处理速度快。

这些特征使得传统的信息资源管理方法变得难以适应当前的需要。

为了更好地理解和应对大数据时代的挑战，我们需要深入研究信息资源的管理和利用。

第三章信息资源管理的意义信息资源管理是指对信息资源的整合、存储、分析和利用，以实现组织内外信息资源的高效利用和创造价值。

在大数据时代，信息资源管理的意义更加凸显。

通过合理规划和管理信息资源，可以帮助企业迅速获取所需的信息，提高决策的准确性和效率。

同时，它也可以帮助企业在激烈的市场竞争中获取竞争优势，推动组织的创新和发展。

在大数据时代下，信息资源整合管理是一项核心任务。

它涉及到数据的收集、存储、整合和处理等环节。

首先，要对数据进行有效的收集和筛选，以确保所收集到的数据能够真正满足组织的需求；其次，要将不同数据源的数据进行整合和清洗，以消除数据的冗余和噪声；最后，要采用适当的技术和工具对整合后的数据进行存储和管理，以便后续的分析和利用。

第五章大数据时代下的信息资源分析与挖掘信息资源的分析与挖掘是大数据时代下的另一重要任务。

通过对信息资源的分析与挖掘，可以发现数据中隐藏的规律和趋势，并基于这些发现做出准确的预测和决策。

在分析与挖掘过程中，需要采用先进的数据挖掘算法和技术，如关联规则挖掘、聚类、分类和预测等。

同时，还需要注重数据的可视化，以便更好地理解和解释挖掘结果。

第六章大数据时代下的信息资源利用与创新信息资源的利用和创新是大数据时代下信息资源管理的重要目标。

科研信息管理系统科研信息管理系统在现代科研工作中扮演了重要的角色。

它帮助科研人员有效地组织、存储和检索科研数据，提高科研效率和质量。

本文将探讨科研信息管理系统的定义、功能以及未来的发展趋势。

一、科研信息管理系统的定义科研信息管理系统是一种基于计算机技术的软件系统，用于管理科研项目的各个环节，包括科研数据的收集、整理、存储、分析和共享。

它可以帮助科研人员进行科研进展的追踪和管理，实现科学、系统的科研管理。

二、科研信息管理系统的功能1. 数据收集和整理：科研信息管理系统能够帮助科研人员方便地收集和整理科研数据，包括文献、实验数据、调查问卷等。

通过系统化的方法收集和整理数据，科研人员可以更加高效地进行科学研究。

2. 数据存储和管理：科研信息管理系统提供了数据存储和管理的功能，使科研人员可以将数据进行分类、整理和存储。

同时，该系统还提供备份和恢复功能，确保科研数据的安全性和可靠性。

3. 数据分析和挖掘：科研信息管理系统可以帮助科研人员对数据进行分析和挖掘，提取其中的有用信息。

科研人员可以通过该系统进行统计分析、模型建立等，辅助科研实验和研究。

4. 项目管理和协作：科研信息管理系统可以支持科研项目的管理和协作，包括项目进度的跟踪、资源的分配和团队协作等。

科研人员可以通过系统进行项目管理，提高科研团队的工作效率和合作效果。

5. 文献管理和引用：科研信息管理系统还提供了文献管理和引用的功能，帮助科研人员管理和引用相关文献。

科研人员可以通过该系统进行文献搜索、文献阅读和文献管理等，方便文献的查找和使用。

三、科研信息管理系统的未来发展趋势1. 数据可视化：随着数据量的不断增加，科研信息管理系统将更加注重数据的可视化呈现。

科研人员可以通过图表、图像等方式展示数据，帮助他们更好地理解和分析科研数据。

2. 人工智能应用：科研信息管理系统将会引入人工智能技术，实现对科研数据的自动化处理和分析。

例如，系统可以通过机器学习算法自动分析文献和数据，提供推荐和决策支持。

管理科学 ManagementScience328教育前沿 Cutting Edge Education基于CNKI数据库的科学数据管理研究文献计量分析文/王燕萍摘要：在第四研究范式的驱动下，我国科学数据在科学创新中显得尤为重要，科学数据一旦失存，便有可能永远丢失，应该重点关注科学数据管理。

本研究是基于中国知网（CNKI）文献数据库的题录数据，采用文献计量分析的研究方法，从发文年代、来源出版物、研究主题、研究作者及机构、研究内容等层面对我国科学数据管理研究进行梳理和总结，有助于全面了解我国科学数据管理研究的现状及未来发展趋势。

关键词：科学数据管理；科研数据管理；图书馆；科学数据管理办法科学数据是指人类在认识世界、改造世界的科学研究活动中所产生的原始及其衍生数据，主要包括通过基础研究、应用研究、试验开发等产生的数据，以及通过观测监测、考察调查、检验检测等方式所获得的海量数据，是信息时代传播速度最快、影响面最宽、开发利用潜力最大的科技资源。

鉴于目前研究生态系统的复杂性，科学数据一旦失存，便有可能永远丢失，应该重点关注科学数据管理。

近些年来，我国科学数据管理的理论研究和实践活动取得了长足进展，本文通过中国知网（CNKI）文献数据库，系统下载其题录数据，采用文献计量分析的研究方法，对我国科学数据管理研究文献进行综述，有助于全面了解我国科学数据管理研究的现状及未来发展趋势。

在中国知网中，采用专业检索式,共检索到相关文献为336篇，其总被引次数为1304次，篇均被引3.9次，篇均参考文献数12.25条，篇均下载次数为230.7次，研究活跃时间为2012—2020年。

1 科学数据管理研究文献计量分析1.1 发文年代分析从已有文献看，1992年徐秋元在《SDDB ：一种适用于科研数据管理的数据库管理系统》一文中，首次提出科研数据的概念，文中指出为了避免不必要的重复测试，提高测试数据的共享性以加强对测试数据的管理，委托西北工业大学研制适用于科研数据（主要是测试数据）的数据库管理系统，可见当时的科学数据管理是比较狭义的概念，仅是对测试数据进行管理。

大数据时代下的科研数据管理与分析在大数据时代，科研数据管理与分析已成为一个非常重要的领域。

随着科技的飞速发展和技术的改进，数据已经逐渐变得越来越注重，而在科学研究和决策制定中，数据分析和数据管理已经成为至关重要的一环。

一、数据管理数据管理是保证数据完整性与准确性的过程。

在科学研究领域，数据管理涉及到不同阶段的数据处理与存储。

而传统的数据管理方式，无法对大规模数据进行有效管理。

因此，科学家需要依靠新的技术，来处理和管理海量数据。

现时，许多云服务提供商都针对科学研究数据提供免费或低价服务。

这些服务旨在帮助研究人员快速读取、检索和存储数据。

同时，科学家也在研究出一些新的算法和方法，来精确分析海量数据。

通过这些技术，科学家可以更好地处理和管理研究数据。

二、数据分析数据分析是许多科技领域中，最重要的一个方面。

大数据时代下，数据分析将不再只涉及财务、销售和营销等领域，而将在科学研究中扮演更加重要的角色。

它不仅涵盖了快速、有效的数据挖掘，还应参照其他定量研究方法。

在数学、物理、化学等诸多领域中，科学家需要处理大量的数据，并排除那些与研究无关的干扰项。

因此，在数据分析的过程中，科学家需要对采集到的数据进行分类、筛选和处理。

这是因为当数据越来越大时，数据分析的难度也会相应增加。

为了在数据分析中取得最佳效果，特别是对于大型数据来说，最好的方法是使用已经开发出的软件和工具。

这些软件和工具可以帮助科学家快速、高效地处理、挖掘和分析数据。

现在，许多软件和工具已经可用，例如 Matlab、R与Python，这些工具大大简化了数据分析的难度，让许多人都能更好地利用数据分析所带来的优势。

三、数据可视化数据可视化在大数据时代下，也变得更加重要。

数据可视化可以帮助科学家直观地展示研究结果，因此在科学研究与建模中必不可少。

如果能够将研究结果充分展示到用户面前，那么我们可以更好地理解和解读研究结果。

数据可视化是基于数据分析技术而建立。

大数据平台中的信息检索与知识管理研究在当今信息爆炸的时代，大数据平台的出现为我们提供了极大的信息源。

然而，如何从海量的数据中高效地检索所需信息，并对获取的知识进行有效管理，仍然是一个具有挑战性的问题。

在这篇文章中，我们将对大数据平台中的信息检索与知识管理进行研究。

一. 信息检索信息检索是指根据用户需求，在信息系统中进行自动化地检索与获取相关信息的过程。

在大数据平台中，由于数据量庞大且多样性较高，信息检索变得尤为关键。

下面我们将从索引建立、查询优化和结果呈现三个方面来探讨信息检索在大数据平台中的研究。

1. 索引建立索引建立是信息检索中的重要一环。

在大数据平台中，由于数据量大，传统的索引构建方法往往难以应用。

因此，研究人员提出了一系列针对大数据的索引构建方法。

例如，倒排索引是一种常用的索引结构，它可以大大提高信息检索的效率。

此外，还有基于图结构的索引、基于向量空间模型的索引等方法。

这些方法为大数据平台中的信息检索提供了一定的基础。

2. 查询优化查询优化是提高信息检索效率的关键。

在大数据平台中，查询优化更显得尤为重要，因为数据量大、查询复杂度高。

为了提高查询效率，研究人员提出了一些优化策略。

例如，将查询分解为子查询并并行处理，就可以减少查询的响应时间。

此外，还可以通过预计算等方法，避免重复查询，提高查询效率。

3. 结果呈现结果呈现是信息检索的最终目标之一。

在大数据平台中，挑选合适的结果呈现方式对于用户的满意度至关重要。

研究人员提出了一些改进的结果呈现方式，例如基于用户行为的结果排名、基于标签的结果分类等。

这些方法可以根据用户的需求，提供更加准确、个性化的结果呈现。

二. 知识管理知识管理是指对获取到的知识进行有效的组织、存储、利用和传播的过程。

在大数据平台中，由于数据量大、种类多样，知识管理变得尤为重要。

下面我们将从知识抽取、知识表示和知识共享三个方面来研究大数据平台中的知识管理。

1. 知识抽取知识抽取是从大数据中提取有用的知识的过程。

大数据时代数据管理技术研究综述论文大数据时代数据管理技术研究综述论文随着计算机技术和网络的快速发展，半结构化和非结构化等类型数据成几何倍增长，学习和使用大数据管理技术顺应时代发展潮流。

本文从数据管理技术的发展进程出发，介绍了人工管理方式、文件系统管理方式、数据库管理方式三种阶段的管理方式。

然后详细介绍了关系数据库和NoSQL非关系数据库，并且将两者从三种角度进行了对比。

最后对未来大数据时代信息管理方式作出了展望。

引言随着计算机和网络技术的快速发展，移动互联、社交网络、电子商务、云计算等各种新兴服务的兴起，极大拓展了互联网的疆界和应用领域，随之产生的是海量的数据，这些数据不仅来源的渠道多样，并且数据规模和数据种类也是快速的增长，大数据时代已经来临。

大数据时代，无法将海量数据存储和管理在一台或者有限数目的服务器内，更无法借助有限的计算机去处理和管理大数据。

因此，如何利用现有的资源应对当前数据量的快速增长，实现对大数据的有效、便捷、安全的管理，是当前国内外关于数据管理和数据分析亟需解决的问题。

1数据管理技术的发展数据管理是指对各种类型的数据进行采集、存储、分类、计算、加工、检索和传输的过程。

随着计算机和网络技术的不断发展和改进，数据库管理技术也在不断的更新换代。

到目前阶段为止，数据管理技术主要发展历程经历了以下阶段：人工数据管理方式、文件系统管理方式和数据库系统管理方式。

1.1 人工数据管理方式20世纪50年代中期，计算机初期被应用于科学计算方面，因此，早期的数据处理都是手工完成的。

数据存储只有磁带、卡片和纸带等低速存储设备。

既没有操作系统，也没有管理数据的专门软件，此阶段管理的数据，不能进行共享，且没有独立性，数据纯粹面向应用，服务于应用。

1.2 文件系统管理方式20世纪60年代中期，随着计算机进一步的发展，不仅用于科学计算，而且更多地用于信息处理。

对于数据存储，有了磁盘、磁鼓等存储设备。

操作系统和高级语言的出现为文件系统管理提供了可能。

收稿日期:2020-01-22作者简介:吴莹莹(1985 ),盐城市图书馆馆员㊂大数据环境下信息资源管理模式的创新研究吴莹莹(盐城市图书馆,江苏盐城 224000)关键词:大数据;图书馆;资源整合摘 要:在科技力量的推动下,各级图书馆纷纷走上了数字化发展的道路㊂在大数据环境下,图书馆应创新信息资源管理模式,这也是图书馆未来的发展趋势㊂文章分析了大数据环境下图书馆信息资源管理模式的创新方式,以期为未来图书馆信息资源整合工作的开展提供借鉴㊂中图分类号:G 250文献标识码:A文章编号:1003-1588(2020)02-0135-021 大数据环境的产生以及图书馆信息资源整合重要性分析1.1 大数据环境的产生2012年之后,大数据越来越多地被人们所提及,并被广泛应用到各个领域中㊂‘纽约时报“‘华尔街日报“等知名报纸都刊登过与大数据有关的报道㊂互联网和物联网的出现产生了大量的数据信息,这些信息数据决定了某个领域的未来发展㊂今天的人们都处于大数据环境下,虽然真正的大数据意识还没有成型,但已成为共识㊂大数据(B i g Da t a )是指多个领域中的数据迅速膨胀㊁变大所产生的新型海量数据信息,而真正的大数据概念并不是表面的海量数据,而是对海量数据进行的数据挖掘,从中获取更为重要的信息㊂1.2 图书馆信息资源整合的重要性信息资源整合是对所有信息资源进行聚合㊁融合的意思,将看似无关㊁实则有实际联系的数据信息整理成一个有机整体的过程和结果,最终形成一个有效的系统㊂信息资源整合可以被理解为是将信息资源进行优化组合的一种动态概念㊂图书馆的信息资源构成是将图书馆的信息进行收集㊁加工㊁利用和传播,如图书馆MA R C 格式目录的资源整合㊁图书馆自建学位论文数据库的资源整合㊁图书馆购买使用权的数据或视频监控数据整合㊁图书馆文件管理库信息资源整合以及图书馆网络虚拟馆藏信息资源等㊂由于图书馆各种信息的载体不同㊁类型不同,所涉及的资源检索程序也不同,图书馆需要把些看似无关实则有实际联系的数据整合为一个有机整体,并通过不同的使用权限,为图书馆的读者利用带来更多的便利㊂2 图书馆信息资源整合的类型和模式2.1 图书馆区域信息资源整合图书馆的馆藏信息大体上是按照馆藏区域进行划分的,区域划分又可分为地理划分㊁主体划分和个体划分㊂地理划分是按照不同国家的文献资源整合,这是一种宏观的信息数据,涉及全球范围内各个图书馆的信息,这种宏观信息资源整合需要保证各个环节的标准统一㊁协调性统一,实现全球数据信息的互通有无和资源共享㊂目前, 中国知网 作为我国第一大图书馆网络虚拟数据库,就是集合了多个国家文献信息的一个网络图书馆平台㊂ C A I J S 全国高校文献保障体系 的联合编目系统通过执行Z 39.50协议,也是集合了不同平台的异构O P A C 数据库,建设了全国书目整合系统㊂主体划分是指对不同图书馆的信息资源进行整合,对集合的信息开展信息内容发布和信息服务的工作㊂例如,在上海交通大学图书馆㊁北京大学图书馆的书目信息数据库,读者只需通过图书馆主体划分方式就能检索到图书馆馆藏数据[1]㊂目前,主体划分方式需要在图书馆信息平台的基础上进行数据整合,但我国很多偏远地区图书馆的网络系统比较松散,且资源利用程度不高,处于相对独立的局面,已成为制约图书馆在信息资源管理过程中采用主体划分方式的一个主要因素㊂单体划分是指将某一个图书馆的多种信息数据进行整合,这种整合方式具体表现为该馆的图书内容检索㊁学科检索㊁馆员检索㊁跨数据库检索等㊂目前,大部分图书馆都采用这种划分方式,便于馆员及读者的管理和使用㊂2.2 馆藏信息层次划分资源整合按照馆藏信息层次划分是指将图书馆的数据信531第40卷第2期河南图书馆学刊2020年2月息进行资源层次划分后再进行检索的行为㊂浅度信息是指馆藏的基本信息,对信息数据并没有进行深加工,如馆藏书目㊁数量㊁分布等㊂层次划分的优势是查询界面简洁易懂,即使出现重复数据也很容易被分辨出来,但其缺点是数据信息整合能力弱,没有进行深度融合㊂中度信息是指将馆藏的数据信息进行重复信息排除整合,提供给用户的不仅是查询界面,而且是不重复的高质量信息[2]㊂目前, W e b o f K n o w l e d g e学术资源体系 就是采用了中度信息整合方式,提供了多个数据库的交叉检索,并且会对检索数据进行查重处理,节省了用户对海量数据重复内容的排除时间㊂深度信息是指将图书馆的知识管理理念深入读者服务中,打破了每个数据库资源的分割现状,按照知识单元体的形式提供给用户㊂这种形式下的检索效率更快,并且融合的数据更多㊂从以上分析可以看出,信息整合的层次越深,证明信息资源整合的效果越好,读者吸收和利用信息的效率越高㊂3大数据背景下图书馆信息资源管理模式创新方式3.1形成数据挖掘理念,扩大区域信息整合在大数据环境下,图书馆一定要保证信息整合效率,采用数据挖掘技术,最大限度地满足读者的需求[3]㊂首先,图书馆要合理借鉴国外经验㊂在全球市场发展的环境下,图书馆作为社会文化提升的主要场所,是每个国家对外发展的文化资源和财富㊂图书馆要积极借鉴㊁吸纳㊁汲取国外先进的信息资源整合理念,采用信息技术和信息手段,对图书馆信息资源进行合理的开发,实现图书馆信息资源的整合㊂其次,图书馆要重视发挥信息资源整合的优势㊂目前,图书馆的优势是能够结合网络信息资源构建网络数据库,减少不必要的重复建设[4]㊂因此,图书馆信息资源整合要抓住资源和技术的特点,将有关联的信息进行收集㊁鉴别㊁剖析和总结,进而形成一个专题数据库,并从该数据库中提取数据挖掘技术所要用到的数据信息,便于开展今后的信息整合工作㊂3.2结合数据挖掘技术,进行深度信息整合为了扩大区域信息整合,图书馆不仅要处理好单体划分,将本馆信息进行深入融合,还要将主体划分方式㊁地理划分方式融合到一起㊂为此,图书馆要树立数据挖掘理念,学习数据挖掘技术,提高数据整合能力㊂地理划分是将全球图书馆的信息综合起来形成一个数据库,或将其他图书馆的数据平台链接到本馆的一种方式,因此图书馆要应用统计分析类数据挖掘技术㊂目前,有许多统计类数据的挖掘工具软件可供图书馆使用,在使用统计类数据挖掘技术时,图书馆要明确挖掘对象,针对挖掘对象进行数据统计,并选择合适的统计模型,进行分析处理和分析结果的分步验证[5]㊂目前,图书馆应用最广泛的就是S P S S统计分析软件,该软件通过O D B C数据库接口与图书馆的各种数据信息文件相连,并将其转换为S P S S文件形式进行数据统计,利用回归分析㊁相关分析㊁统计分析的挖掘形式对图书馆馆藏数据㊁使用周期㊁文献资源建设㊁借阅趋势等进行分析和判断㊂对于主体划分方式,图书馆要结合我国现有的信息平台,利用知识类数据挖掘技术,选择常用的关联规则㊁神经网络㊁遗传算法等技术手段[6]㊂关联规则是对主体图书馆的数据进行分析,让读者了解图书馆信息产生的因果关系,有助于读者从源头上选择资源内容和个体图书馆㊂神经网络是一种预测型模型,该模型对图书馆的读者群体进行分类,按照主题划分形式,根据不同读者群体的特点和阅读习惯等各项指标建立神经网络模型㊂图书馆利用神经网络模型能够更加快速地对信息进行整合处理,从中提取出相关信息,并将有用的信息提供给管理人员和读者㊂目前,大部分图书馆都能对自身信息进行整合,且效果较好[7]㊂但是,为了深度融合个体信息数据,图书馆要采用多种手段解决本馆的不确定问题,在处理过程中无需对以往数据整合内容进行技术处理和信息挖掘,而要针对某些问题找出其内在规律,用于文献资源建设㊁各项决策分析及知识发现㊂4结语综上所述,信息资源整合是大数据背景下出现的一种工作需要,图书馆要根据不同信息类型㊁不同信息形态对相关信息进行整合㊂图书馆要从宏观和微观的角度规范信息资源整合的行为,宏观方面是构建全球图书馆的信息数据平台,从中汲取大量有用数据,丰富图书馆的数据信息;微观方面是图书馆的自身数据整合㊂大数据背景下的图书馆信息资源整合是一项系统工程,既要保证整体的战略发展方向,还要顾及局部信息的重叠㊂因此,图书馆不仅要重视信息资源整合模式,还要研究具体的应用技术,更好地促进图书馆信息资源整合工作的开展㊂参考文献:[1]汤德强.图书馆馆藏数字资源安全管理措施研究[J].传媒论坛,2019(24):147-148.[2]张娟,邓菲.大数据环境下图书馆信息组织对策分析[J].四川图书馆学报,2019(6):11-14.[3]陈诗莲.新信息环境下高校图书馆资源采访优化策略[J].中国管理信息化,2019(24):157-158. [4]何望枝.大数据背景下数字图书馆建设面临的问题及解决[J].中外企业家,2019(36):105.[5]廖宇峰.基于云计算的图书馆大数据创新服务探析[J].内蒙古科技与经济,2019(22):150-151,153.[6]李晨,魏墨济,李宪毅.浅析大数据时代下的智慧图书馆建设[J].内蒙古科技与经济,2019(22):158,160.[7]王慧娜.大数据时代图书馆信息资源建设策略研究[J].智库时代,2019(47):104-105.(编校:崔萌)631吴莹莹:大数据环境下信息资源管理模式的创新研究。