基于大數(shù)據(jù)的科技評價方法研究

高霞

（鄭州航空工業(yè)管理學院，河南　鄭州　45500001155）

?

基于大數(shù)據(jù)的科技評價方法研究

高霞

（鄭州航空工業(yè)管理學院，河南鄭州45500001155）

［摘要］科技評價對象所涉及的數(shù)值、圖像、聲音具有全媒體、多維度、跨時間的特性，挖掘和運用這些海量數(shù)據(jù)，轉化為直觀的、隨時間和空間變化的、以圖形圖像呈現(xiàn)在同行評議專家面前，可以有效提高評價的效率和效果。通過建立眾包模式、數(shù)據(jù)整合和提取規(guī)則知識、將科技評價結果應用于實踐、建立評價過程交互式可視化的流程以構建基于大數(shù)據(jù)的科技評價模式，這種模式存在著觀念陳舊過時、數(shù)據(jù)挖掘能力、大數(shù)據(jù)處理速度、科技評價數(shù)據(jù)安全等方面的挑戰(zhàn)。

［關鍵詞］大數(shù)據(jù)；科技評價；數(shù)據(jù)密集型方法

1　相關研究綜述

科技評價是判斷科技活動及其價值的認識活動，是基本的學術評價機制，是科學共同體和科學技術發(fā)展內(nèi)在的要求，如對重大科學發(fā)現(xiàn)的優(yōu)先權的識別，或者科學共同體內(nèi)部的學術評價，目的在于促進學術交流、建立科學規(guī)范、引導研究方向。科技評價還是對科技活動進行預測、決策、管理的手段，是政府制定科技政策的依據(jù)，以及配置科技資源和進行有效管理的重要手段。就科技評價的形式看，無論事前評價、事中評價、事后評價，無論立項評審、中期評估、結題驗收、績效評價，無論政策評價、項目評價、機構評價、人才評價、成果評價，無論內(nèi)部評價、外部評價，都需要借助于一定的數(shù)據(jù)支撐，數(shù)據(jù)越豐富，結果越可靠。科技評價中的同行評議法、文獻計量法、經(jīng)濟計量法、多指標科技評價法同樣也需要數(shù)據(jù)的支撐［2］。而目前以云計算為代表的技術創(chuàng)新大幕襯托下的大數(shù)據(jù)，將原本很難收集和使用的文本、圖像、聲音等充分利用起來，挖掘和運用這些海量數(shù)據(jù)，預示著新型科技評價方法的產(chǎn)生與應用。

同行評議是科技評價的一種基本方法，由相同或相近領域的專家學者以提問的方式進行科技評價，包括被評議對象、評議專家、評議標準三個要素。17世紀，英國皇家學會采取了與類似同行評議的做法評議學者的入會申請和會員的學術論文。1930年代，美國評價科研項目經(jīng)費申請時率先引進了同行評議制度，此后歐美多數(shù)國家也采用這種措施，此后成為國際學術界通行的學術水準評價手段。同行評議過程中的公正性問題實際上是怎么樣客觀和無偏見進行科技評價，涉及專家熟悉程度的不同、評價標準的高低、評價結果偏離度的差異進行量化，學者們從不同的角度歸納了同行評議機構利益沖突的治理對策、學術不端行為的抑制、學術純潔的保證等具有方法論和實踐操作意義的結論，實際上，同行評議就是同行專家利用其較高的決策能力對科技評價對象所呈現(xiàn)出的不完全數(shù)據(jù)進行評判，同行評議不可能離開數(shù)據(jù)的支撐作用［3］。文獻計量方法、經(jīng)濟計量方法、多指標科技評價方法就是利用數(shù)學、統(tǒng)計學、文獻學為一體，借助于多維數(shù)據(jù)，注重量化的知識體系進行科技評價。

科技評價方法需要數(shù)據(jù)的支撐，突破常規(guī)數(shù)量級的大數(shù)據(jù)時代為科技評價提供了有效的工具，其可以高效處理和有效利用科技的經(jīng)濟價值、地理空間和涉及領域，保證科技評價過程公正、科學、可行。2008年，Nature推出了“Big data”專刊專門探討大數(shù)據(jù)的研究，范圍涉及互聯(lián)網(wǎng)技術、超級運算、生物醫(yī)學等方面。大數(shù)據(jù)報告“Big data，big impact：New possibilities for international development”在2012年達沃斯世界經(jīng)濟論壇上發(fā)布后，如何利用大數(shù)據(jù)創(chuàng)造良好社會效益的研究日益受到重視。2013年聯(lián)合國“Global Pulse”報告闡述了大數(shù)據(jù)時代各國的機遇和挑戰(zhàn)，美國政府的“Big data research and development initiative”計劃就是為了研究如何從大型復雜數(shù)據(jù)集中提取知識。大數(shù)據(jù)的研究還處于起步階段，主要集中于數(shù)據(jù)挖掘相關算法、應用、理論方面的研究，集中在部分高等院校、研究所和公司開展研究，在金融業(yè)、電信業(yè)、網(wǎng)絡相關行業(yè)應用廣泛，此外零售業(yè)、制造業(yè)、醫(yī)療保健、制藥業(yè)及科學領域大量使用了大數(shù)據(jù)技術［4］。大數(shù)據(jù)的出現(xiàn)伴隨著新的處理工具和新技術的出現(xiàn)，大數(shù)據(jù)的分析處理工具和技術是推動大數(shù)據(jù)發(fā)展的核心力量之一。憑借適合非結構處理和大規(guī)模并行處理等優(yōu)勢，以MapReduce和Hadoop為代表的非關系數(shù)據(jù)分析技術成為主流技術。2012年5月，以“大數(shù)據(jù)科學與工程—一新興的交叉學科”為主題，香山科學會議組織討論了大數(shù)據(jù)的理論與工程數(shù)據(jù)研究、應用方向，重點是大數(shù)據(jù)分析算法和大數(shù)據(jù)系統(tǒng)效率。華為公司提出了提供的基于x86服務器的Smart Vision大數(shù)據(jù)處理技術，引發(fā)數(shù)據(jù)基礎架構的創(chuàng)新。如何高效地處理大數(shù)據(jù)、合理地利用大數(shù)據(jù)，如何融合關系數(shù)據(jù)庫和非關系數(shù)據(jù)庫，如何處理數(shù)據(jù)的不確定性和數(shù)據(jù)質(zhì)量的關系，跨領域的數(shù)據(jù)處理方法如何移植等仍需要不斷地探索發(fā)現(xiàn)［5］。但毫無質(zhì)疑的是大數(shù)據(jù)的預測性作用日益凸顯，大數(shù)據(jù)決策模擬可以最大限度地降低科技決策風險和成本，彌補科技決策方案中存在的漏洞，利用大數(shù)據(jù)協(xié)調(diào)科技決策相關的部門、事務和政策，避免決策對象邊界模糊而引起的決策效能抵消，預知未來的事態(tài)變化做出警告，都將發(fā)揮重大作用。

2　基于大數(shù)據(jù)的科技評價思路與方式

由于大數(shù)據(jù)所表現(xiàn)的4V（volume、variety、velocity、value）特征，科技評價要求的高質(zhì)量數(shù)據(jù)應當從多源、多模態(tài)、實時動態(tài)的數(shù)據(jù)中提取，需要運用數(shù)據(jù)密集型科學（Data Intensive Science）的計算方法區(qū)分哪些數(shù)據(jù)應該舍棄、哪些數(shù)據(jù)應該保留，確定哪些數(shù)據(jù)是結構化還是非結構化，確定數(shù)據(jù)資源與評價目的之間的最佳結合方式是什么。數(shù)據(jù)密集型計算的數(shù)據(jù)量級為TB或PB級，利用多種來源的海量時空數(shù)據(jù)，采用數(shù)據(jù)并行方法實現(xiàn)大數(shù)量并行計算的應用，實驗、分析、模擬與發(fā)現(xiàn)科技評價的目的。數(shù)據(jù)密集型計算與云計算密切相關，云計算（Cloud computing）的基礎是互聯(lián)網(wǎng)絡共享資源的算模式，以數(shù)據(jù)密集型計算技術支撐的服務端的商業(yè)模式，按用戶的動態(tài)需要計算、儲存、網(wǎng)絡、軟件等資源，提供任何人、任何時間、任何地點、任何信息的需求服務，將改變整個信息產(chǎn)業(yè)鏈，CPU、存儲、服務、終端、操作系統(tǒng)及應用軟件都將隨之改變［6］。在數(shù)據(jù)密集型科學之上的科技評價不僅關心科技數(shù)據(jù)建模、科技事件描述、科技組織、科技文檔保存、科技活動分析、建立科學數(shù)據(jù)基礎設施，而且關心基于數(shù)據(jù)的、開放協(xié)同的研究與創(chuàng)新模式構建，關系如何利用泛在網(wǎng)絡及其內(nèi)在的交互性和開放性進行科技評價可計算化，利用海量科研數(shù)據(jù)進行知識對象化。數(shù)據(jù)密集型科學正在從計算科學中分離出來，用海量數(shù)據(jù)進行科技評價，必將影響到社會科學的研究模式，這就是Jim Gray所謂的“第四范式（the fourth paradigm）”。

科技評價的數(shù)據(jù)密集型方法首先建立一種“眾包（crowd sourcing）”模式。眾包與外包相對，外包強調(diào)的是高度專業(yè)化，眾包強調(diào)的是自由自愿外包給非特定的大眾網(wǎng)絡。眾包模式融合來自不同領域的眾多科技評價專家的共享信息，融合群體智慧，利用新工具去分析、呈現(xiàn)、挖掘科技數(shù)據(jù)，進行深度加工與提煉，從評價數(shù)據(jù)中提煉出更多精細的知識。這種評價方式圍繞數(shù)據(jù)密型計算方法的應用，以開放、專業(yè)、低成本的建立數(shù)據(jù)驅(qū)動型的科技評價協(xié)同組織，開發(fā)相應的具有可擴展性的評價數(shù)據(jù)分析算法，以提供科技戰(zhàn)略決策。

科技評價的數(shù)據(jù)密集型方法第二步是進行數(shù)據(jù)整合和提取規(guī)則知識。通常情況下，從不同的層次、不同的角度看，數(shù)據(jù)整合與系統(tǒng)整合、存儲整合、數(shù)據(jù)庫整合、數(shù)據(jù)集中的意思比較接近，是共享或者合并來自于不同應用領域的數(shù)據(jù)，以創(chuàng)建具有更多功能的數(shù)據(jù)應用，包括物理整合、邏輯整合和應用整合三種方式，即為實現(xiàn)統(tǒng)一管理和快速反應而把多設備整合為較少幾部更大型的設備［7］；通過系統(tǒng)管理軟件等手段虛擬化集中管理物理上分散的數(shù)據(jù)資源；通過整合服務器、存儲、數(shù)據(jù)庫而實現(xiàn)數(shù)據(jù)整合；通過匯聚、整合、共享和深度挖掘數(shù)據(jù)，對評價數(shù)據(jù)深度分析，創(chuàng)造性地進行多數(shù)據(jù)源管理，形成規(guī)則知識挖掘機制，以便從評價數(shù)據(jù)中提取規(guī)則知識，獲得評價對象系統(tǒng)、全面、最新的知識，實現(xiàn)由數(shù)據(jù)到信息、由信息到知識的轉化和升華，并利用提取的知識對科技決策能實時、動態(tài)地發(fā)揮輔助和支撐功能。通過數(shù)據(jù)密集型方法，不斷積累和動態(tài)獲取評價數(shù)據(jù)，能更加精細和動態(tài)的輔助科技決策，更迅速、靈活、準確的理解和解決科技評價問題，

科技評價的數(shù)據(jù)密集型方法第三步是將科技評價結果應用于實踐。將數(shù)據(jù)挖掘技術應用于科技評價后，還要創(chuàng)新性地結合科技領域的特點和特定問題，創(chuàng)新同行評議小組成員結構，專家彼此之間多維度地協(xié)作，自由、精確、及時地貢獻和獲取信息，持續(xù)、高效、靈活地實時交互，針對同一個評價對象，整合分析跨地域、跨行業(yè)、跨部門的海量數(shù)據(jù)，個體決策與群體決策相結合，增強綜合功效，形成系統(tǒng)智慧［8］；在實際的科技評價過程中，先構建數(shù)據(jù)驅(qū)動型的科技評價戰(zhàn)略，保證數(shù)據(jù)相關者之間的利益均衡，注意知識產(chǎn)權和數(shù)據(jù)隱私保護，解決好數(shù)據(jù)安全性問題，促進數(shù)據(jù)有效共享，實現(xiàn)科技評價的主旨和目標。

科技評價的數(shù)據(jù)密集型方法第四步是評價過程交互式可視化。交互式可視化是借助于圖形化手段，將數(shù)據(jù)的各個屬性值以多維數(shù)據(jù)的形式表示，將數(shù)據(jù)轉換成圖形或圖像在屏幕上顯示出來，有效地傳達思想觀念，清晰有效地交互處理、傳達與溝通信息。評價過程交互式可視化就是在科技評價過程中，把科技評價數(shù)據(jù)包括數(shù)值、圖像、聲音轉化為直觀的、隨時間和空間變化的、以圖形圖像表示的物理現(xiàn)象呈現(xiàn)在同行評議專家面前。通過科技評價數(shù)據(jù)深度挖掘過程的可視化方法進行人機交互，尋求規(guī)則知識的發(fā)現(xiàn)，通過人機交互式評價，讓同行評議專家的知識融入到規(guī)則知識挖掘建模過程中，形成交互式挖掘算法和模型可視化。在大數(shù)據(jù)環(huán)境下的科技評價過程中，基礎設施應當包括互聯(lián)網(wǎng)服務體系和評價數(shù)據(jù)處理中心，關鍵技術是可視化交互分析和評價數(shù)據(jù)的深度挖掘，通過智能終端和互聯(lián)網(wǎng)提供科技評價數(shù)據(jù)管理及分析。設計啟發(fā)式的科技評價可視化交互分析引擎，需要建立計算平臺和相應的算法庫以便能處理大規(guī)模海量評價數(shù)據(jù)，并能與其他系統(tǒng)有效對接。

3　基于大數(shù)據(jù)的科技評價障礙分析

在大數(shù)據(jù)環(huán)境下的科技評價能夠面向需求提供可行的解決方案還有很長一段路程，首要的是面臨著思維方式轉型的挑戰(zhàn)，評價數(shù)據(jù)更加復雜，評價數(shù)據(jù)價值挖掘技術不成熟，不能有效的指導實踐，基于大數(shù)據(jù)的科技評價并不是將大數(shù)據(jù)技術簡單移植過來就可以的，獲取、處理、共享科技評價數(shù)據(jù)的方法需要創(chuàng)新，深度挖掘數(shù)據(jù)價值的方法需要創(chuàng)新，科技評價理念和科技評價機制有待實質(zhì)性突破等等都阻礙科技評價的大數(shù)據(jù)技術方法的應用，

3.1傳統(tǒng)的科技評價觀念陳舊過時

傳統(tǒng)的科技評價一般是按照事先設定的程序獲取數(shù)據(jù)，基于大數(shù)據(jù)的科技評價則是從規(guī)模巨大的、彼此可能毫無關聯(lián)的數(shù)據(jù)流/集中進行數(shù)據(jù)抽取；傳統(tǒng)科技評價的對象大多是靜態(tài)、個態(tài)、相對封閉，基于大數(shù)據(jù)的科技評價對象則是動態(tài)、系統(tǒng)、開放、整合；傳統(tǒng)的科技評價人員具有統(tǒng)計學、數(shù)學、信息科學等專業(yè)知識，基于大數(shù)據(jù)的科技評價則要求評價人員具有創(chuàng)新性的思維、多學科背景、敏銳的洞察力［9］。運用大數(shù)據(jù)進行科技評價，目前缺少評價數(shù)據(jù)整合技術及方法，缺少有效的數(shù)據(jù)過濾技術與方法，缺少新興技術如Hadoop的支撐，這些技術上的障礙可能很快突破，最重要的是科技評價思維上的轉變，要以觀念創(chuàng)新為先導，人才是最積極、最活躍的因素，樹立培養(yǎng)評價人才和數(shù)據(jù)深度挖掘技術人才優(yōu)先的思想，正確認識評價數(shù)據(jù)的潛在價值，探索新的評價模式下的具體應對手段，管理決策部門要把創(chuàng)新驅(qū)動的理念貫穿在科技評價的每一個環(huán)節(jié)中，要樹立創(chuàng)新理念，搭建創(chuàng)新平臺，拓展創(chuàng)新渠道，延伸創(chuàng)新觸角，提高創(chuàng)新水平，最大限度地調(diào)動各方面同行評議專家和相關科技人才的積極性和創(chuàng)造性。

3.2多樣性數(shù)據(jù)類型挑戰(zhàn)數(shù)據(jù)挖掘能力

基于大數(shù)據(jù)的科技評價指標數(shù)據(jù)來源多樣，如來自物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、復雜物理信息系統(tǒng)；基于大數(shù)據(jù)的科技評價指標數(shù)據(jù)模態(tài)差異大，如圖數(shù)據(jù)、關系數(shù)據(jù)、XML數(shù)據(jù)、矢量數(shù)據(jù)、標量數(shù)據(jù)、流數(shù)據(jù)等；基于大數(shù)據(jù)的科技評價指標數(shù)據(jù)價值密度低，實時性可能也很低，大量信息不具有相關性，對知識進行提純的難度高，需要生成、存儲、處理和分析大量數(shù)據(jù)。因此，基于大數(shù)據(jù)的科技評價過程更加復雜，需要掌握挖掘算法的有效性和可伸縮性，需要對現(xiàn)有架構、組織體系、資源配置進行重組，需要更強大的科技評價數(shù)據(jù)處理能力和手段，需要能對多模態(tài)數(shù)據(jù)進行融合計算，需要從多源、多模態(tài)、實時動態(tài)的數(shù)據(jù)中提取高質(zhì)量數(shù)據(jù)的評價數(shù)據(jù)過濾方法，放棄常駐內(nèi)存的小數(shù)據(jù)集，打破評價數(shù)據(jù)分析流程的算法效率瓶頸，解決大型數(shù)據(jù)庫中的數(shù)據(jù)同時導入問題，隨著數(shù)據(jù)規(guī)模的不斷增大，實現(xiàn)精確整合和發(fā)現(xiàn)數(shù)據(jù)規(guī)律的指標融合計算技術解決途徑［10］。

3.3處理大數(shù)據(jù)的速度挑戰(zhàn)其時效性

基于大數(shù)據(jù)的科技評價指標數(shù)據(jù)規(guī)模會變得越來越大，分析處理的時間相應地越來越長，這與信息處理要求越來越高的時效性非常矛盾；當評價數(shù)據(jù)規(guī)模達到一定閾值時，數(shù)據(jù)維度和規(guī)模呈PB級增長，線性復雜度的算法都難以接受，小數(shù)據(jù)條件下無從顯現(xiàn)的特征不斷涌現(xiàn)，需要有效的人工智能算法和求解方法。傳統(tǒng)的科技評價往往忽視或漏掉博客、碎片化交流、搜索痕跡、移動工具數(shù)據(jù)、傳感設備數(shù)據(jù)等網(wǎng)絡數(shù)據(jù)，這些數(shù)據(jù)可能恰恰是科技評價的關鍵數(shù)據(jù)，基于大數(shù)據(jù)的科技評價就是充分利用這些數(shù)據(jù)，深度發(fā)掘其關聯(lián)規(guī)則和現(xiàn)實價值，從復雜的關系或網(wǎng)絡中直接獲取數(shù)據(jù)和規(guī)則知識，通過對多源、多模態(tài)和異構數(shù)據(jù)進行實時分析，有助于我們深刻了解科技評價對象，得出其中隱含的模式、未知的關聯(lián)及其他知識，較之傳統(tǒng)的因果關系更具有實用性和精準性。

3.4科技評價數(shù)據(jù)安全挑戰(zhàn)實踐指導

科技評價信息隨著技術的發(fā)展發(fā)生跨邊界傳播，安全保密、知識產(chǎn)權、個人信息、隱私數(shù)據(jù)等問題相伴而生，需要建立相應的強大安全防御體系保障數(shù)據(jù)存儲的物理安全性以及數(shù)據(jù)的多副本與容災機制，發(fā)現(xiàn)和識別安全漏洞，這就需要新的算法與新的分析工具，缺乏新的數(shù)據(jù)類型與新的數(shù)據(jù)分析技術是阻礙科技評價結果具有實踐指導作用的重要方面。相對于傳統(tǒng)憑借經(jīng)驗和直覺的科技評價，基于大數(shù)據(jù)的科技評價如果能夠發(fā)現(xiàn)創(chuàng)新管理模式和決策方案，將會強化評價結果的實踐指導作用，實現(xiàn)智能決策和持續(xù)學習，需要進一步創(chuàng)新評價方法的應用。

總之，基于大數(shù)據(jù)的科技評價需要融合知識工程與計算機系統(tǒng)，利用人的知識經(jīng)驗和知識工程等方法來處理難于或不適宜用常規(guī)評價的復雜系統(tǒng)問題，由知識模型轉化為計算機模型，實現(xiàn)對科技評價的可視化，對多種評價方面進行比較和遴選，提供人機交互式評價。

4　結語

在大數(shù)據(jù)環(huán)境下，傳統(tǒng)的科技評價方法需要應用新的數(shù)據(jù)分析技術，通過快速采集、發(fā)現(xiàn)和分析數(shù)據(jù)，從中提取有價值的信息，形成一種有效的可做決策依據(jù)的“洞察力”。基于大數(shù)據(jù)的科技評價以全面、集成的視角開展深入挖掘海量、多源、動態(tài)的數(shù)據(jù)，通過對大數(shù)據(jù)的交換、整合和分析，從定性到定量有機集成人的知識、經(jīng)驗和智慧與各種客觀數(shù)據(jù)，設計可視化的交互式界面，為科技評價對象的遴選和實施提供理論和方法支持，為尋求大數(shù)據(jù)環(huán)境下科技評價規(guī)則提取新思路和新方法，形成大數(shù)據(jù)環(huán)境下的科技評價模式，揭示科技評價的運行規(guī)律，將知識更廣泛而深刻地傳播，為科學的決策發(fā)揮作用，帶來大知識、大科技、大利潤和大發(fā)展，具有較強的適用性和可拓展性。構建大數(shù)據(jù)環(huán)境下的科技評價規(guī)則，充分利用大數(shù)據(jù)，發(fā)現(xiàn)新知識，創(chuàng)造新價值，需要具有前瞻性思維的實干型領導者制定相應策略并貫徹執(zhí)行，需要大數(shù)據(jù)資深分析型人才、管理人才、技術人才的支持。

參考文獻：

［1］Cloud computing，the free encyclopedia. http://beagood boy.iteye.com/blog/

［2］Anal S，Walker D. Creating Social Contagion Through Viral Product Design: A Randomized Trial of Peer Influence in Networks［J］. Management Science，2011（9）: 248-256.

［3］鄒賀檢.大數(shù)據(jù)時代的機遇與挑戰(zhàn)［J］.求是，2013（2）: 31-32.

［4］郭亞軍.科技評價理論、方法及應用［M］.北京:科學出版社，2007.

［5］邱均平，文庭孝.評價學理論、方法、實踐［M］.北京:科學出版社，2011.

［6］陳衍秦.科技評價方法分類及研究進展［J］.管理科學學報，2004（2）:73-75.

［7］李建中.大數(shù)據(jù)的一個重要方面:數(shù)據(jù)可用性［J］.計算機研究與發(fā)展，2013（6）:22-23.

［8］馮芷艷等.大數(shù)據(jù)背景下商務管理研究若干前沿課題［J］.管理科學學報，2013（1）:105-107.

［9］林志剛，彭波.大數(shù)據(jù)管理的現(xiàn)實匹配、多重挑戰(zhàn)及趨勢判斷［J］.改革，2013（8）:8-10.

［10］繆其浩.大數(shù)據(jù)時代:趨勢和對策［J］.科學，2013（4）: 56-57.

Research on S&T Evaluation Method Based on Big Data

Gao Xia
（Zhengzhou Institute of Aeronautical Industry Management，Zhengzhou Henan 450015）

Abstract：S&T evaluation involved numerical，image，sound have the characteristics of all media，multi-di?mension and time-cross. Mining and using these huge amount of data and transforming to intuitive ones which change with time and spaceand are presented in front of the peer review expertsin graphical images，can effec?tively improve the efficiency and effectiveness of the evaluation. Through the establishment of crowd-sourcing model，data integration and knowledge on extraction rules，we applyscience and technology evaluation results in?topractice，and construct evaluation process with interactive visualization in order to promote the construction of science and technology evaluation pattern based on big data. This pattern has challenges such as obsoleteidea，data mining capacity，speed of big data processing，security of S&T evaluation data and other aspects.

Keywords：Big Data；S&T evaluation；Data Intensive Method

作者簡介：高霞（1980.10-），女，副教授，研究方向:創(chuàng)新管理與公共管理的教學與研究。

基金項目：國家社科基金（14BJL004）；河南省社科規(guī)劃課題（2013CZZ011）；河南省政府招標課題（2015B049）；河南省教育廳人文社科研究項目（2015-QN-023）。

收稿日期：2015-10-19

［中圖分類號］G311

［文獻標識碼］A

文章編號：1671-0037（2015）11-27-4