学科服务3.0模式研究与实践

［目的/意义］研究提出学科服务3.0模式,为科学大数据环境下学科馆员团队创新发展提供可借鉴的理论模型和实践参考。［方法/过程］面向科学大数据环境下科学研究新范式新形势,分析学科馆员代际演进趋势,从"创新组织方式" "提高能力素质" "转变工作方式" "拓展服务内容" "提升服务层次" "完善目标追求" 6个维度设计新型组织服务模式,建立"矩阵式+网状式"学科服务团队"双协同"协作体系,创新组织方式,按照"能力专业化""工作精准化"提高能力素质,根据"团队协同化" "过程嵌入化" "合作有温度""品牌高价值"转变工作方式,围绕"四重对象"、沿着科技创新产业链拓展服务内容、提升服务层次,支撑科技管理与决策。在此基础上,以中国科学院某研究所为例开展实证研究。［结果/结论］本研究所构建的学科服务3.0模式在当前科学大数据环境发展下,能有效提升学科服务建设效果,为学科用户提供更好的研究服务与决策支撑。     

大数据环境中的数字资源权益管理:关键问题与应对策略——2021年大数据环境中数字资源权益管理研讨会综述北大核心CSSCI

2021年7月28日,由中国科学院文献情报中心、武汉大学信息管理学院和武汉大学国家保密学院联合主办的"大数据环境中数字资源权益管理研讨会"通过网络会议方式成功召开。会议邀请图书情报、法律等领域的专家学者,围绕"大数据时代图书馆数字资源权益管理:方法与路径"这一主题进行了充分的研讨。本文以会议研讨内容为综述对象,结合国内外研究前沿,分析提出大数据环境中数字资源权益管理面临的四个关键问题和相应的解决路径。     

区域一体化促进公共图书馆高质量发展——以浙江省公共图书馆服务大提升行动为例

区域一体化是实现高质量发展的必由之路。文章提出了公共图书馆区域一体化的4个主要特征,包括服务体系建设一体化布局、文献资源建设一体化推进、基本服务功能一体化实现、阅读推广活动一体化供给。在结合浙江省实施公共图书馆服务大提升行动的主要做法和相关成效的基础上,总结了区域一体化促进公共图书馆高质量发展的几点启示,为其他地区图书馆实施一体化发展提供参考借鉴。     

全国一体化大数据中心背景下档案数据中心的功能架构与推进策略北大核心CSSCI

在全国一体化大数据中心建设的政策背景下.面对传统档案管理模式难以适应数字变革、档案数据服务与时代需求之间存在供需矛盾等治理问题,档案治理工作需要走向“整体智治”,而建设满足一体化需求特征的档案数据中心是贯彻“整体智治”理念、提高档案治理能力的破题所在。档案数据中心的功能架构应集档案数据资源中心、档案数据与业务中心和档案数据应用中心为一体,建设档案数据中心可以从思维转型、顶层设计、主体共建和技术应用四个角度出发,推动档案数据中心的实践落地。     

笃行不怠绘新篇 踔厉奋发向未来——2021年度北京市档案工作回顾

<正>2021年,在市委的坚强领导下,在国家档案局的大力指导下,全市档案部门以习近平新时代中国特色社会主义思想为指导,深入学习贯彻党的十九大和十九届历次全会精神及市委全会精神,全面落实习近平总书记对档案工作的重要批示,以庆祝建党100周年为主线,以推动高质量发展为主题,以党史学习教育为契机,紧密围绕全市中心工作,勇担当,善作为,扎实推动重点、难点工作落地见效,实现"十四五"良好开局。     

面向用户需求的健康领域知识组织与服务框架研究

[目的/意义]目前健康领域知识组织与服务相关研究主要关注知识组织的方法应用探索和单一领域知识库构建,忽视了健康领域的知识服务难以满足用户需求的现实情况。本文旨在探索基于用户健康需求的领域知识组织框架与服务模式,以期提升用户获取健康知识时的体验和满意度。[方法/过程]在梳理用户健康知识需求以及当前健康领域知识组织与服务现状研究的基础上,本文明确了健康知识的分类和健康知识组织的定位与目标,并基于此构建了健康知识组织框架,该框架将知识组织的流程分为健康数据采集、抽取、表示、融合以及可视化五个阶段。在健康领域知识服务研究模块,本文着重探讨了用户需求与知识服务的语义匹配过程,在此基础上设计了健康领域知识服务的模式与流程框架。[结果/结论]文章将用户需求贯穿于健康领域知识组织与服务的全过程,并构建了健康领域知识组织框架以及知识服务模式。在健康知识服务模式设计中,增加了用户需求语义网构建以及需求与知识服务的语义匹配环节,以此为基础给出了健康知识服务的模式与流程。研究成果可用于指导后续健康领域知识组织与服务的实践工作,丰富健康领域知识组织与服务的理论研究。     

厚数据研究综述

文章通过回顾厚数据研究的理论起源和发展,利用WOS和CNKI检索相关文献,梳理国内外厚数据研究现状,剖析和解读研究中的前沿热点和问题,为后续研究提供支持和建议。当前国内外厚数据相关研究主要集中在厚数据定义研究、厚数据应用场景研究和厚数据分析方法研究等方面,未来应继续围绕基础研究问题进行深入探索和改进,并尝试在厚数据融合研究、厚数据方法研究和厚数据应用研究等方面不断进行拓展。