數據密集、語義、可視化與互動出版:全球科技出版發展趨勢研究

　　[編者按]　“交流是科學的本質”，而以學術期刊和學術專著為代表的科技出版是300多年來全球科學交流活動的根基。從20世紀下半葉開始，以計算機和網絡為核心的數字技術持續改變著科技出版的文獻型態、業務模式、資源獲取方式乃至出版者、圖書情報機構與同時作為作者和用戶的研究人員之間的關系。本刊約請“武漢大學‘70后’學者學術發展計劃”數字科學交流團隊成員撰寫了一組有關科技出版最新發展趨勢的文章。其中《數據密集、語義、可視化與互動出版：全球科技出版發展趨勢研究》廣泛探討了全球科技出版領域的幾個顯著發展趨勢；《語義出版：數字時代科學交流系統新模型》集中論述語義出版這種科技出版的新形態；《不同載體環境下學術期刊文獻被引規律實證研究》分析了在紙質載體和紙質—數字混合載體等不同載體條件下，學術期刊論文被引情況的變化；《科學交流中的著作權責任分析：基于P2P共享環境的分析》討論新型技術條件下科學交流和科學出版中的著作權責任問題。
　　[摘　要]　探討全球科技出版領域呈現的數據密集型出版、語義出版、可視化出版與互動出版等趨勢。指出數據密集型出版從宏觀層面構建海量數據的框架藍圖，為科學范式的轉變提供基礎環境；語義出版通過對各種文獻進行標引關聯，從微觀層面鋪設結構化數據的基礎設施，解決數據和信息的機器理解問題；可視化出版作為重要的直觀表達工具，從文獻組成部分、文獻架構、文獻網絡三個層面最大限度地提升科研人員獲取信息的效率和效果；互動出版目前以學術維基出版物和全新的同行評議為主要特色，既是“無形學院”在網絡環境下的延伸，也滲透于正式科學交流中，從讀者和用戶層面打破科學信息開放、共享、交流的主要障礙。
　　[關鍵詞]　數據密集　語義出版　可視化　互動
　　[中圖分類號]　G237　　[文獻標識碼]　A　　[文章編號]　1009-5853(2012) 04-0073-08
　　1990年代末以來，數字化技術潮流急劇地影響并改變著全球科技出版的整體面貌。跨國科技出版集團紛紛完成了紙質期刊和圖書的數字化，并實現了較好的營收。其中斯普林格出版集團1996年啟動旗下期刊的數字化轉檔工作，2004年完成包括過刊在內所有紙質期刊的數字化工作。2011年，約翰·威利出版公司數字化的學術類產品與服務收入達9.99億美元，占學術類出版總收入的59%[1]。然而，這一波科技出版和科學交流的發展植根于科學研究本身的范式轉換[2]，因此其表現不限于數字技術推動的載體遷移與升級，而是朝著增強型科學出版和交流的方向發展，并集中體現在數據密集型出版、語義出版、可視化出版和互動出版等方面。從科學出版和交流的內容來看，新增海量數據將轉化為有效的結構型數據，并向著語義和智能出版方向發展；從科學出版和交流的工具來看，科技文獻將普遍采用3D圖像、視頻、動畫、虛擬現實等多種媒介呈現方式和技術；從科研成果的組織方式來看，科學信息和內容將根據用戶需求從線性向非線性組織方式發展，并表現出更強的交互性特征。
　　1　數據密集型出版
　　歷史上每一次重大變革都源于需求與現實的可能性，數據密集型科學的誕生也是歷史發展的必然。一方面，科學領域的數據量呈爆炸性增長態勢。到2020年，全球以數字形態存在的數據總量將是2009年時的44倍，達到35澤字節（zettabytes）[3]。以生物醫學文獻為例，其增長率每20年翻一番，截至2008年該領域編目在冊的文獻已達1800萬篇，其中當年新產生的文獻80多萬篇。研究顯示，在目前的知識接收方式和狀況下，若想在流行病學領域保持領先地位，研究者平均每天大約要花21小時進行閱讀。正如東尼·海（Tony Hey）在《第四范式：下一次科技革命》中所言：專家們正在被大量數據淹沒。另一方面，借助性能更加強大的計算機，對海量數據進行計算和挖掘已成為可能。因此，如何幫助科研人員突破紛繁數據的遮蔽，發現隱藏在海量數據之中的重要規律，成為數據密集型科學所要解決的核心問題。而數據的出版、存儲、解析、交換和再利用成為解決科學問題的關鍵。
　　其實早在上世紀70年代，世界科學技術情報系統（UNISIST）提出的UNISIST科學交流模型就將表單渠道作為交換科學信息和研究成果的渠道之一。該渠道包含的主要內容便是科技數據[4]。該模型的提出在當時極富預見性。它指出未來科學數據必將以一種獨立信息源的方式存在并被加以處理。而當科學項目產生的數據量步入千萬億字節的時候[5]，圍繞科研成果所展開的數據加工、組織、發布等一系列出版活動也將發生根本變化。今后科研成果的出版將實現數據與文獻的充分融合。正如吉姆·格雷（Jim Gray）所說：“所有科學文獻都上網，所有科學數據都上網，而且它們之間具備可互操作性。”(見圖1)這也使得基于數據重用的薈萃分析（Meta-analysis）等研究方法得以施展：研究者可以從互聯網上調用前人存儲的數據直接納入自己的數據集中，用以分析或檢驗自己的研究。由歐盟資助的“促進科學記錄永久存取項目”（PARSE Insight）發布報告，針對數據與文獻相互整合的需求提出7大標準，分別是可獲取性、可發現性、可解析性、可重用性、可引用性、可管理性和長期保存性[6]。
　　要實現上述科技出版和科學交流的發展目標，必須有開放標準、互操作協議與相應的制度規范予以保障。技術標準和協議涉及數字對象標識（DOI）、開放資源定位協議（OpenURL）、資源描述框架（RDF）、元數據獲取協議（OAI-PMH）等，主要用以實現信息對象的標識、定位及交互使用；目標是將全球的數據集合起來，形成龐大的動態數據集供科研人員使用。2011年，美國科學基金會（National Science Foundation，NSF）開始要求所有基金項目申請者提交相應的數據管理與共享計劃[8]，以便對研究過程中產生的數據進行有效管理。從2012年4月開始，自然出版集團為旗下《自然神經科學》（Nature Neuroscience）開設補充信息提交系統，并對相關數據信息進行嚴格的同行評議。另外，由多家期刊聯合發起的國際數據倉儲項目Dryad也為科學期刊文章中出現的科學數據集提供登記、描述、保存和公共獲取服務[9]。但從PARSE Insight調查結果來看，科研人員對科學數據出版的認知狀況不甚理想，67%的科研人員對DC、OAI-ORE、OAI-PMH等數據交換標準一無所知[10]。此外，科研人員、出版商、圖書館及數據中心等利益相關者的訴求也存在差異。其中，科研人員和圖書情報機構比較關注數據存放的安全性和數據的版權歸屬。前述調查顯示41%的被調查者認為版權問題是阻礙數據分享的主要問題[11]。出版商則比較關注如何建立跨組織的數據獲取和檢索規范等問題。
　　未來的科研將建立在密集型數據及其出版、利用的基礎之上。這無疑具有劃時代意義。在此過程中，除了技術標準不斷創新、數據開放性與互操作性等前提條件，能否貫徹開放科學的發展理念或許是未來科研和科技出版活動能否健康發展的更深層次的決定因素。
　　2　語義出版
　　早在提出“語義網”概念之初，蒂姆·伯納斯-李（Tim Berners- Lee）這位萬維網的締造者就將語義網與科技出版緊緊聯系在一起了。近幾年，隨著語義網相關技術不斷成熟，語義出版在科技出版領域得到普遍重視。2011年5月，世界語義網大會首次開設語義出版研討會，并就語義網技術對出版業未來的影響以及如何建立語義對象模塊等話題展開討論[12]。2012年，歐洲學術出版會議（Academic Publishing in Europe，APE）將主題定為“語義網、數據和出版”[13]。全球知名的學術與專業出版商協會（Association of Learned and Professional Society Publishing，ALPSP）則將“語義網發展”設為關注的熱點話題之一[14]。所謂語義出版，根據大衛·香頓（David Shotton）等人的定義，即一種旨在增強期刊文章的語義，使其能被計算機自動獲取，并使其鏈接至語義相關文獻，并以可行方式提供文章數據的獲取途徑，或者整合不同文章數據的全新出版形式[15]。
　　目前支撐語義出版發展的技術和標準包括可擴展標記語言（XML）、資源描述框架（RDF）、Web本體語言（OWL）、簡易內容聚合（RSS）、SPARQL協定與RDF查詢語言、簡單知識組織系統（SKOS）等。借助這些技術，語義出版可以實現許多標志性功能。其中最主要的是為文本添加語義標簽，實現其與外部資源的鏈接。英國皇家學會（The Royal Society of Chemsitry，RSC）利用國際化學聯合會（International Union of Chemistry，IUC）的化學術語匯編對旗下《分子生物系統》（Molecular BioSystems）期刊文章中出現的術語進行標記，在讀者點擊術語后會彈出頁面顯示化學式等相關信息[16]。還有針對文章摘要、參考文獻等部分進行的語義標記，可結合本體技術深入挖掘文獻價值。例如《歐洲生化學會聯合會快報》（FEBS Letters）中一篇研究蛋白質之間相互影響的論文就采取結構化的數字摘要形式，通過XML語言將文章中所有關鍵數據和結論以機讀形式展現[17]。牛津大學研究小組開發的“引文類型本體”（CiTO）可根據援引關系類型、引文體裁、引文版本以及是否經過同行評審等標準對參考文獻進行多種方式的排序[18]。這些功能的實現，有利于提高科研人員的工作效率，使其從繁復的資料收集、整理和比對等勞動中解放出來，將精力集中到資料分析和觀點提煉上。
　　在語義出版從理念構想到實踐的發展過程中，一系列應用工具的開發起到了關鍵作用。借助這些工具，出版者甚至創作者本人就能基于對文獻內容的理解進行語義標記。這樣可以大大減輕后期語義充實的工作量和難度，是提高語義出版效率的良策。2004年，自然出版集團針對臨床醫生和科學家提供免費的在線參考文獻管理工具Connotea，該工具能夠快速方便地保存、組織、標記、分享和下載參考書目[19]。2009年，全球最大的跨國科技出版集團愛思唯爾推出“愛思唯爾大挑戰競賽”，邀請科研人員描述并設計語義出版的工具原型[20]。同年，微軟與知識共享組織（Creative Commons）針對Word 2007開發了一種本體插件[21]，該插件可以借助相關領域本體與受控詞表在科學文檔中添加語義鏈接，從而提高相關文獻在語義網環境中的利用價值。目前，針對科技文獻的語義充實主要有人工和機器自動兩種處理方式。就商業應用而言，后者顯然更具有吸引力。湯森路透的應用程序OpenCalais是自動語義標引技術的典型代表，于2008年2月啟動服務。一般用戶將非結構化的HTML、TXT或XML文檔提交至Calais系統，系統借助自然語言理解技術和龐大的數據庫資源迅速對文檔進行語義分析，識別出人物、公司、地點、事件等相關實體，并將經過語義標記的文檔返回給用戶[22]（見圖2）。該程序自發布以來每天收到來自9000位用戶的上百萬份文檔處理請求，為進一步滿足用戶需求，路透于次年1月發布Calais 4.0版本[23]。該版本除了保持原有的元數據標記功能外，還引入了全球元數據傳輸層以進一步實現與其他用戶分享語義元數據的目標。
　　科技出版語義化的理想狀態是基于龐大的語義網基礎設施，利用RDF、OWL、SPARQL等技術與協議使科學論文和數據關聯，并引入相關領域本體，支持科研人員采用基于語義相關的非線性閱讀方式。但目前的發展還面臨如下障礙：首先，語義出版核心技術性能還有待提高，主要表現在實體與本體概念的自動識別上。比如OpenCalais盡管在識別人物、地點、機構上表現出色，但是面對生物學等特定領域的術語則表現一般。針對這一問題，目前已開發出相應的文本挖掘和自然語言處理工具。如開源應用軟件AKTive Media[25]通過多個本體庫或受控詞表對相關概念進行標記。此外一定的人工干預依然必不可少。美國公共科學圖書館（the Public Library of Science，PloS）旗下期刊《被忽視的熱帶疾病》（PLoS NTD）針對一期雜志所進行的語義增強實驗需要10人協作工作大約一周時間。其次，相關標準仍需完善。語義出版涉及大量互操作、數據交換、字體編碼、標識注冊等技術標準和網絡協議，尤其在未來將嵌入更多本體的情況下，標準制定和推廣至關重要。由英國聯合信息委員會（Joint Information Systems Committee，JISC）支持的語義出版和引用本體（Semantic Publishing and Referencing Ontologies，SPAR）整合了FaBiO、CiTO、BiRO 以及 C4O等通用本體系統中的基本屬性，目的是提供面向出版以及引用的語義本體描述[26]。
　　語義標記之于科技出版，就如同基礎設施對于城市未來發展的作用，意義是不言而喻的。正如世界語義網大會針對語義出版提出的看法——更多結構化帶來更多自由[27]，科技語義出版必將朝著深度標引、靈活利用的方向發展。在此過程中，出版商、編輯、作者與計算機之間需要建立更加緊密的合作關系，最終為科研用戶創造高效、精準的基于語義的閱讀體驗。
　　3　可視化出版
　　早期的科學文獻受制于當時的技術條件，往往僅限于文本和二維圖表等表現形式。隨著具有大規模運算能力的計算機的出現以及相關算法的成熟，多媒體與可視化技術工具在科技出版活動中得以廣泛應用。2011年2月，國際科技信息委員會（The International Council for Scientific and Technical Information，ICSTI）在微軟的華盛頓雷蒙德園區召開的“科學交流的多媒體與可視化創新”主題研討會主要就科技導向的多媒體創新、大規模數據挖掘與可視化、圖像索引與分析、人機交互、虛擬情境等話題展開討論[28]。
　　從科技出版實踐來看，可視化技術的應用大致可分為文獻數據可視化、文獻架構可視化與密集型數據可視化等。其中文獻數據可視化主要建立在文獻中實體對象或數據語義標記的基礎上，并用大量高清圖像、視頻、Flash應用等多媒體方式代替傳統的文字或二維圖表加以呈現。由于動態可視化的形象展示，讀者能夠更加直觀深入地理解相關概念、物質結構和模型等對象。目前相關試驗主要在自然科學領域展開。美國圣奧拉夫學院的羅伯特·M. 漢森（Robert M. Hanson）教授開發出一款針對化學、結晶學、材料、分子生物學領域3D化學結構的Java應用Jmol[29]。它可用于諸多文獻中化學結構的形象展示，幫助讀者直觀地理解復雜的化學結構。由美國光學學會（Optical Society of America，OSA）和美國國家醫學圖書館（The United States National Library of Medicine，NLM）合作的“互動科學出版”項目通過為作者提供相應的軟件工具，幫助其將發表的文章鏈接到2D和3D圖像數據集；而讀者則可借助工具仔細瀏覽并分析圖像以提升對文獻信息的理解[30]。牛津大學研究小組開發了“論點支持工具提示框”（Supporting Claims Tooltip）[31]。當用戶將鼠標懸停在經過標記的文本上時系統會彈出窗口提示參考文獻信息；而針對一些特定化學物質，系統還會顯示該物質的化學結構式。自然出版集團在“超越紙質載體”實驗項目中提到，在信息空間中需要將期刊文章從二維實體轉化為三維實體[32]。它旗下的《自然化學》（Nature Chemistry）、《自然化學生物學》（Nature Chemical Biology）等雜志為文中出現的術語概念提供豐富的可視化表達。
　　基于文獻架構層面的可視化使原本單調的線性敘述方式被一種更富于層次感的結構所取代，帶給用戶全新的閱讀體驗。因此，針對文獻架構的可視化創新受到大型出版商的密切關注。2009年6月，愛思唯爾正式推出“未來的論文”實驗項目[33]。該項目充分利用可視化技術對文本和圖像進行層次化展現，讀者可以根據自身興趣逐層深入挖掘內容；另外，文獻采取圖解型摘要等呈現方式，有助于讀者迅速切入與自身研究興趣相關的結論或數據。在不斷的試驗中，愛思唯爾逐漸意識到不同學科在可視化需求上的顯著差異，并得出結論不存在“一刀切”的解決方案。因此在2011年，愛思唯爾針對企業管理、電化學、材料科學、數學與計算機科學、古生物學等7個學科門類分別設計了論文原型框架和可視化方案。該項目特色體現在三個層面：首先，呈現方式(Presentation)采取三欄窗格視圖，左側導航條主要是對文獻的整體概覽，中間是文章的主體內容，右側是一些補充信息和附加特性[34]。第二，文獻內容（Content）包括重點內容高亮顯示、圖像式摘要、視頻摘要、互動圖表與樹形圖等[35]。第三，文獻上下文(Context)包括數據倉儲與評價數據集（Evaluation Datasets）、實驗流程圖、公式演示等[36]。該項目的創新之處在于打破原來基于紙質載體的線性層級結構，將核心文本與補充信息有機地整合到統一的文獻架構中，實現內容價值的增值。此外，荷蘭SURF基金會等資助的“增強型出版物”項目著力打造全新的語義出版物[37]。借助Incontext Visualization工具，項目組將語義出版物的底層RDF架構以可視化方式展現出來（如圖3）。讀者可以清晰地了解圖書與章節，章節與作者，視頻與圖書等實體之間的關系。該項目不失為出版物架構可視化的創新。
　　此外還有基于密集型數據的可視化創新。當前天文學、生物學、地球科學等領域的科學家往往要面對無比龐大的信息量，而且其中蘊含復雜的變量關系。這就需要借助可視化分析工具對復雜現象進行直觀表達，從而提高科研人員的信息獲取效率，并發現信息分析中存在的盲點。2002年，勞倫斯利弗莫爾國家實驗室（Lawrence Livermore National Laboratory，LLNL）針對流體動力不穩度進行模擬產生的數據量達到幾十兆兆字節。為此，實驗室通過可視化分析方法對流體基礎模型進行確認，深入把握細節特征，最終在基礎物理方面提出有創見的觀點[39]。還有，由瓦爾里奧·帕庫西（Valerio Pascucci）主導開發的可視化工具ViSUS[40]在處理大型科學數據集上發揮了重要作用。它將時序要求嚴格的算法（time-critical algorithms）與逐行多重解析數據結構（progressive multi-resolution data-structures）進行耦合，實現端到端的數據流優化。除此之外，斯普林格利用龐大的作者信息數據庫推出在線可視化工具AuthorMapper。它將作者信息與谷歌地圖技術相結合，實現基于文獻作者位置和地理狀況的科研趨勢分析[41]。
　　科學的目的在于揭示事物的本質規律。如果遵循這一法則，無論今天的科學內容與運算達到多么復雜的程度，人類依然需要清晰直觀地了解事物的基本面貌。對于文獻所包含的專業術語、數據乃至文獻本身等，人們希望圖像、視頻或其他多媒體呈現方式能夠幫助理解其中的抽象概念和結構。這也是科技出版可視化的價值所在。
　　4　互動出版
　　打破傳統的單向“傳播”模式轉而形成作者與用戶之間的雙向 “交流”，這是互聯網環境下開放科學倡導的前進方向。一直以來，科技出版業也在促進科研工作者之間的互動交流。從方式上看，主要包括以博客、社交網絡等為代表的互動交流方式；以學術維基（wiki）為代表的動態出版方式；還有以開放式同行評議為代表的互動評價方式。
　　當博客最先興起時，這一嶄新的交流平臺就得到科技出版機構的積極采納。2006年，自然出版集團為評議專家和作者分別開設Peer-to-Peer博客與Nautilus 博客[42]。同年PLoS的官方博客成立[43]。這些科學博客的建立為學者之間分享信息和評論提供了便利。近幾年，互動性更強的社交網站如推特（Twiiter）、臉書（Facebook）等進入科學交流領域，成為用戶、作者、編輯、出版商等各種角色的主要交流渠道。目前多數科技出版商都開通社交網絡賬號以便與用戶交流分享。此外，在線社區是用戶之間溝通交流的另一重要平臺。PLoS Hub把眾多臨床實驗方面的開放存取文獻收集起來，對某一課題有共同興趣的科研人員可以在社區分享他們的意見和知識[44]。同時，一些優秀的內容可以經PLoS Hub發表到PLoS旗下的相關期刊。從收稿到發稿一般只需3周時間，而且出版費用相對低廉。美國化學學會（the American Chemical Society，ACS）創辦的專業網絡社區ACS network主要方便用戶了解化學界的最新進展、分享知識信息并實現充分互動[45]。英國皇家學會（The Royal Society，RS）提供的社會化書簽服務（Social bookmarking）允許用戶對個人喜歡的文章添加標簽、保存及分類并與他人分享，從而擴展閱讀范圍。
　　除了借助博客、社交網絡、在線社區等平臺提供的互動交流方式，另一種促進創作者與讀者之間信息交互的方式，即基于學術維基的動態出版物也在科學交流領域浮現。從某種程度上說它是維基百科在學術領域的應用。在2008年第9期《自然遺傳學》（Nature Genetics）中，羅伯特·霍夫曼（Robert Hoffmann）專門介紹了生命科學領域的Wikigenes[46]。該網站整體上秉承維基百科的開放理念，用戶可以對網站的每一篇文章進行修改，同時可以查看文章的動態更新情況，不同于維基百科的是，Wikigenes更注重科研人員的價值訴求并通過相應的技術手段保證其在科學領域的應用價值。其中最具代表性的是對用戶細粒度（fine-grained）貢獻的認可，用戶對文獻中任一細節進行的修正都能獲得該細節部分的署名權利。同時，其他用戶根據每個細節的內容價值對相應貢獻者進行評價(如圖4)。通過這種貢獻評價機制，Wikigenes在保障科學交流互動性的基礎上提升了用戶的參與積極性。目前，類似的學術維基網站已有30家左右，比較著名的包括生物學領域的OpenWetWare、地球科學領域的Encyclopedia of Earth以及多學科的Scholarpedia、Citizendium等[47]。盡管具體機制各有差異，但它們普遍堅持科學交流的開放性和互動性。由于用戶參與程度更高，作者與讀者之間的界限趨向模糊。
　　同行評議作為一種質量控制機制，一直是科技出版的重要組成部分。在全新的數字化環境中，原有的封閉式評議機制也逐步向著開放互動的方向發展。著名的開放存取期刊《大氣物理化學》（Atmospheric Chemistry and Physics，ACP）就采取互動式同行評議方式[48]：首先，投稿在通過預篩選程序以后以“討論論文”名義發表在期刊網站ACPD（Atmospheric Chemistry and Physics Discussions）上；討論期結束后，作者根據公開的同行評議和互動討論結果修改論文；然后編輯決定接受或者拒絕接受修改稿。魯茲·伯曼（Lutz Bornmann）等人對ACP在2001—2006年間的1111篇來稿進行跟蹤研究，證明其新型同行評議系統是有預測效度的：它將來稿中質量最高的論文揀選出來予以發表[49]。此外，愛思唯爾的投稿系統EES 同樣支持作者、評審人和編輯之間基于平臺實時溝通以討論論文修改等問題[50]。
　　正如著名的開放科學數據“潘通原則”（Panton Principle）所提出的，科學研究是建立在對已有知識的建構、重用和批判吸收的基礎上的[51]。開放數據的本質是倡導科學互動，由此實現科研成果的價值增值。在此目標下，為科研用戶之間的互動交流提供堅實的技術和機制保障，將是科技出版創新繁榮的必由之路。
　　5　小　結
　　在科研信息化（e-science）環境下，科技出版已不再是一種孤立的靜態存在，而是動態地嵌入到整個科研生命周期圍繞數據展開相應活動。“第四范式”所強調的數據探索本質上是一個互動創新過程，需要科研工作者相互協作，準確定位信息，發現內在的關系，然后探討解決方案。鑒于其面臨的大規模數據及分析的復雜性，該領域迫切需要相應的可視化工具予以直觀表達。而要實現大規模數據融合，數據集本身是否具有良好結構，標記粒度是否足夠細，它們之間的互操作性如何等又是必須解決的問題。在此過程中，密集型數據出版、語義出版、可視化出版和互動出版之間并不存在嚴格的分界線，而是體現出相互交織的特點，共同服務于科學交流的價值目標。面對全新科學范式帶來的強大動力，全球科技出版唯有從技術、制度以及科技出版各利益相關者本身入手進行創新，才有可能迎來真正的繁榮。
　　注　釋
　　[1]Jim Milliot. Wiley Posts Gains in Sales and Earnings in Fiscal 2011[EB/OL].[2012-02-10].http://www.publishersweekly.
　　com/pw/by-topic/industry-news/financial-reporting/article/47637-wiley-posts-gains-in-sales-and-earnings-in-fiscal-2011.html
　　[2]微軟研究院的科學家吉姆·格雷（Jim Gray）提出當前科學研究已經發展到“第四范式”，即基于海量數據基礎的科學探索。參見：Tony