大数据环境下安全情报学的变革与发展

[目的/意义]在大数据时代,大数据是安全情报学所面临的客观环境。因此,探讨大数据环境下安全情报学的变革与发展是非常必要的。[方法/过程]基于学科高度,聚焦于大数据环境下安全情报学的顶层设计,运用理论思辨和比较分析方法,依次探讨大数据环境下安全情报学的研究资源、研究任务、学科属性、方法论与研究内容的变革与发展。[结果/结论]研究发现,大数据可以拓展与深化安全情报学的学科研究资源和任务,强化安全情报学的交叉综合属性和理工科特征。在大数据环境下,安全情报学方法论的革新需从研究范式、思维和具体方法3方面着手。同时,大数据会渗透、融入至传统的安全情报学研究内容,引出一系列新的安全情报学研究课题。     

安全情报学怎样研究大数据

[目的/意义]大数据时代的到来,再次引发安全科学与情报学的创新思潮,并激起了学界对安全情报学的未来展望,因此将安全与情报的交叉研究轨迹置于具体的大数据语境中,进而实现知识产品的更新与输出,具有重要意义。[方法/过程]以安全科学、情报学、数据科学为视角,通过文献评介、历史爬梳以及困境反思,分析大数据介入安全情报学后所造就的研究脉络、现实困局和可能的发展空间。[结果/结论]安全情报学与大数据的共同演化,描绘出了一个相互促进的知识繁荣景象:在两者关系方面,大数据是安全情报学的革新动力,而后者则构成了前者的价值实现平台;在理论层面,碎片化的安全情报研究在大数据的推动下,转变成系统化的学科知识;在实践层面,国家对安全情报的巨大需求,要求人工智能技术适时加入,以提高数据转化效率和质量。     

大数据环境下情报学的继承与发展

[目的 /意义]分析大数据时代情报学面临的机遇和挑战,探索如何继承和发展情报学的学术传统.[方法/过程]在回顾情报学历史的基础上,分析情报学在大数据时代的处境,提出四个继承和五个发展.[结果/结论]作者认为,没有继承就没有发展,没有借鉴就没有创新.这对于情报学至关重要.     

大数据环境下情报学发展的十个特征

近年来,认知科学、复杂科学、计算社会科学等领域出现的新思潮和新理论,为情报学的发展带来了新的机遇;大数据、人工智能的兴起,为情报学提供了新方法和新技术。大数据环境下的情报学在思想、方法和技术上都发生了许多变革,文章在跟踪近年情报学发展动态的基础上,归纳了大数据环境下情报学发展的十大特征,分别为计算化、模拟化、平台化、知识化、智能化、一体化、多元数据融合、方法联合化、结果聚合化和人机融合化。     

大数据之下我国情报学面临的挑战及应对策略

文章从大数据入手,简要概述了大数据的“4V”特征和我国情报发展简史,进而分析了大数据下我国情报学在实践、技术、理论与情报共享四方面所面临的挑战,并从实践层面、技术层面、人才培养、情报领域研究四个方面探讨了应对策略.     

大数据语境下情报学的坚守与拓展

[目的/意义]研究情报学如何响应大数据语境提出的功能要求,在研究内容、方法及范式上做出相应的调整与聚焦.[方法/过程]应用历史分析方法,梳理总结情报学应对纸介质信息爆炸时在文献选择、内容揭示、服务提供及技术应用等方面积累的经验;应用规范化方法分析大数据时代对情报学在服务对象、信息获取、信息序化和决策支持上的挑战,基于情报学的三维范畴描述讨论情报学在信息发现、信息序化、信息服务、信息技术与信息政策法规等方面的新研究取向.[结果/结论]大数据时代,情报学既应坚守历史演化所积累的学科特色,也应积极响应时代挑战,拓展新的研究领域.     

走向知识融合——大数据环境下情报学的发展趋势

本文首先对当前大数据环境下情报学研究与实践中知识融合的现状和趋势进行了总结,分别从情报理念、情报采集、情报分析、情报服务四个方面梳理了情报学研究与实践中有关知识融合应用的特点。其次概述现有知识科学领域中知识融合研究与实践的内容,并按主要研究内容和特征将其划分为三个发展阶段,分别为基于代理的知识融合、基于模式的知识融合、基于机器学习的知识融合。最后,结合近年来的情报实践,提出了一个知识融合研究的总体框架,一方面对现有情报学研究和实践进行概括和总结,反映当前情报学的新进展、新特征,另一方面勾画出未来情报学的一种发展路径,从而推动情报学的发展。图1。表1。参考文献 58。     

情报学取向的“数据科学与大数据技术”专业人才培养

[目的/意义]情报学作为计算性较强的人文社科学科，具备数据科学的特点，大数据相关技术能为情报学提供有效手段，因此，设立情报学取向的"数据科学与大数据技术"专业，培养具有大数据思维和扎实的情报学专业基础、掌握大数据处理技术及分析理论、并能将其应用于情报学理论与实践的复合型人才，能够促进情报学学科发展。[方法/过程]对国内外大数据相关专业的培养目标和课程设置模式进行调研，总结学科教育发展特色，结合国内的教学资源情况，设计情报学取向的大数据专业人才培养计划。[结果/结论]情报学与大数据既有联系又有不同，情报学为大数据提供了基础研究方法，促进了多源数据融合，拓宽了大数据的应用领域；大数据为情报学研究提供了更多的可能性、丰富了研究方法，提升了研究效率、扩大了研究范围。情报学取向的大数据与数据科学专业人才的培养，既有其必要性，又有其不可替代性。学科体系需进一步改革创新，设立更多紧密结合大数据与情报学专业的新兴课程，如文献大数据分析、用户大数据研究等，系统地培养学生将情报学领域知识与计算机技术和大数据技术融合创新的能力。     

基于大数据、云服务的科技情报工作思考

本文简要回顾情报学的历史,从科学研究的4个范式引入,描述了情报工作与大数据、云服务的关联。在简要总结大数据、云计算、云服务特征及发展趋势后,归纳总结了情报工作面临的挑战与机遇,结合WorldCat、CALIS、NSTL案例,给出了情报工作在发展方向上的思考。     

大数据环境下网络安全态势感知研究

随着网络规模和应用的迅速扩大,网络安全威胁不断增加,单一的网络安全防护技术已经不能满足需要。网络安全态势感知能够从整体上动态反映网络安全状况并对网络安全的发展趋势进行预测,大数据的特点为大规模网络安全态势感知研究的突破创造了机遇。文章在介绍网络安全态势相关概念和技术的基础上,对利用大数据开展基于多源日志的网络安全态势感知研究进行了探讨。     

数据引证研究：进展与展望

随着大数据时代的来临以及数据密集型科学研究范式的兴起,数据引证问题日益受到关注。本文对该领域的国际研究现状进行了梳理总结,研究发现:①对数据引证的知识计量研究,将推动文献计量学、信息计量学和科学计量学三者的合流,形成一个统一的新学科———知识计量学;②数据引证实践的现状不尽如人意,但已在诸如数据集标识系统建立等问题上取得了重要进展,统一规范化数据引证格式的趋势日益清晰;③数据引证现状评估与研究进展的追踪,数据引证索引的编纂、指标体系研究以及数据引证数据库的建立,基于数据引证行为、记录以及索引的分析,应是未来需重点突破的方向。     

大数据分析与情报分析关系辨析

近年来,包括大数据分析在内的大数据理念和方法引起了图书情报界的密切关注,成为情报学的热点话题之一。通过对比分析,发现大数据分析与情报分析有着天然的联系,两者既有共性,又存在着一定的差异。共性表现在看重对数据的定量分析,关注多源数据融合和强调相关性分析三个方面。同时,两者在数据对象、数据规模、分析任务与分析时机等方面又各具特色。本文认为,应该充分认识这些共性与差异,把情报分析的特色与优势发挥好,以迎接大数据带来的挑战。表1。参考文献25。     

大数据视域下的档案安全管理体系构建及可引入技术分析

在大数据视域下,以档案管理理论和信息系统安全理论为基础,参考国家相关法规及标准,结合档案管理工作实务,研究当下档案管理工作中的风险,在此基础上初步构建起档案安全管理体系,并对可引入该体系的实用技术进行分析。     

大数据环境下图书馆用户个人信息保护研究

本文在对大数据环境下图书馆用户个人信息泄露原因和传统保护措施局限性进行分析的基础上,提出有效保护与充分使用并重等大数据环境下图书馆用户个人信息保护的3项原则,构建了由事前预防、事中控制、事后问责和立法规制等4个模块组成的图书馆用户个人信息保护框架,指出国家立法和行业树规相结合构建用户个人信息保护的法规基础等大数据环境下图书馆用户个人信息保护的5条路径。     

大数据时代我国数据素养分类研究

文章通过对国内数据素养研究文献的梳理,提出了数据素养是大数据时代个人及组织的基本素养和技能的观点,以期促进全社会形成人人皆应具备过硬的数据素养的共识,并构建以政府及教育行政主管部门、各级各类学校、图书馆、公司、企业等社会组织及公民个人为主体的数据素养提升系统。     

大数据时代档案馆服务创新研究

本文分析了大数据时代给档案事业发展带来的影响,指出了传统的档案服务方式将越来越难以满足大数据时代档案利用者的需要,设计了创新大数据时代档案馆的服务模式,主要有档案馆的人性化服务、个性化服务、智能化服务、知识化服务。     

大数据时代档案专业人员数据素养提升探析

大数据时代下,档案专业人员应提升自身的数据素养,以适应时代的要求。为探析大数据时代档案专业人员数据素养的提升策略,文章结合时代特点及档案工作要求,从大数据时代档案专业人员数据素养提升的缘由和内容框架入手,对档案专业人员数据素养的三个层面,即数据意识素养、数据处理素养、数据利用素养进行探析,并提出针对性意见。     

信息资源管理理论的继承与创新:大数据与数据科学视角

在大数据时代,信息资源管理理论研究面临着新的挑战与重要变革。本文首先分析大数据时代信息资源管理研究面临的四个主要挑战:研究假定有待重新审视,研究范围亟待进一步拓展,研究范式需要多样化,主要应用场景已发生变迁;其次,探讨了数据科学的研究进展以及数据科学与信息资源管理研究的内在关联;接着,提出了下一代信息资源管理理论的主要变革:从信息资源的管理到基于信息资源的管理,从模式在先到模式在后或无模式,从目标/任务驱动型管理到数据驱动型管理,从计算密集型应用到数据密集型应用,从基于知识的研究范式到基于数据的研究范式;最后,提出了下一代信息资源管理的主要研究问题:基于信息资源的管理与治理、信息资源的保障方法、信息资源的深度加工、信息资源的规范分析、信息资源的快速洞见、信息资源的产品化研发、信息资源的资产化管理。图4。表2。参考文献42。