大數據背景下高校科研數據管理政策研究

薛雙

摘 要：信息技術的持續創新和廣泛應用，推動科學研究進入大數據時代，既給高校科學研究管理帶來了新機遇，也提出了新挑戰。新技術理念的出現需要新的管理思維，通過分析科研數據管理出現了哪些新的特征，在充分了解大數據管理的基礎上探討在當前環境下高校科研管理模式革新的新思路，對未來科研數據管理的研究方向做進一步思考。

關鍵詞：大數據; 互聯網; 科研數據管理

引言

科研數據作為對自然，社會現象和科學實驗等活動的定量記錄，是科學技術發展的重要基礎。科學研究和商業在內的各個領域已被推向前所未有的“大數據”時代，能夠可視化日益龐大和復雜的數據，是科學研究必須適應的一個新事實。高校作為科研前沿，積累了大量的科研數據。如何在如此大量的信息中有效管理科研數據是科研管理的重中之重。

1大數據時代科研數據管理新特征

1.1 形式多樣化

大數據時代，科研數據的來源不再是單一的文本數據，而是變成了視頻等各種形式的多媒體數據。隨著信息化程度的不斷提高，各種非標準化數據的比例會越來越高，傳統的關系數據庫對數據結構的一致性要求越來越高，無法處理如此龐大的混合數據集。大數據技術將使用更先進的信息技術對元數據進行打包、分類和過濾，以獲得過去未被注意到的細節和新發現。例如，新興的分析工具Spark是一個在大數據時代快速處理數據分析的框架。它易于操作，不需要用戶的任何編碼知識。一些大型軟件供應商（如Microsoft和Salesforce）引入了新的分析工具：Microsoft R Server和Lightning CRM平臺，非編碼器也可以創建應用程序來查看數據。

1.2 重視關聯性

在傳統數據時代，我們獲得的數據少、結構單一。使用傳統的數學方法，便可以計算出數據之間的因果關系。然而，在大數據時代，數據體量大，結構復雜。研究人員可以從多個方面，視角和領域分析實驗數據，并探索研究對象之間的相關性，而不只是對設計實驗的癡迷和驗證假設。當然，關注關聯性并不意味著放棄傳統的因果關系研究，大數據技術主要處理具有相關性的過程數據。

1.3 預見新趨勢

傳統的科研小數據因果關系的研究資料非常簡單，實驗結果因缺乏多元化的數據來補充的限制，因此實驗結果缺乏擴展性和可持續性。在大數據時代，未來形勢的預測是科研數據的最重要的研究。只有不斷補充數據和不斷豐富模型，才可以預測地更準確，為高校科學研究管理做決策判斷、出臺文件政策提供科學合理的依據。大學如何使用這些數據來產生有價值、有意義的科研成果;如何利用這些數據來預測未來科研發展方向是一個亟待解決的問題。數據挖掘是近十年來信息科學領域備受重視的交叉學科，這門學科興起的因素之一就是能分析過去、指導現在、為未來作決策分析。

2大數據情境下科研管理模式革新

2.1完善高校科研管理數據庫

高校應該主動迎接大數據時代的到來，準確和真實的研究數據庫是一個重要的基礎和前提，為實現科研管理的變化。高校和科研院所可整合科研管理系統，以方便內部科研管理，但仍有待提高許多領域。在不同的高校采用不同制造商的系統將導致不同的科研情況和系統使用情況，以及不同的數據準確性之間的數據兼容性。今后各科研系統要盡量實現數據的標準化，維護人員更新及時、保證數據準確性才能推動大數據時代建設科研管理的基礎變革。

2.2構建科研數據交流與分析平臺

目前，高校科研管理的數據庫作為科研數據的第一手資料，但考慮到數據安全與數據所有權益等原因，機構內的共享平臺，基本未實現開放共享，從而限制了科研數據獲取利用。

2.3 可視化應用

可視化通過提供統計或交互式視覺表現的軟件系統來幫助人們探索和解釋復雜的數據，它能有效簡化提煉數據流，幫助使用者交互篩選有用數據。大數據時代的可視化不同于以往，現今主要是基于并行算法設計技術，高效地處理和分析特定數據集的特性，直觀的可視環境也方便了科研管理人員可從紛雜無序的數據中解脫出來，尋找新的研究切入點。多屏顯示可視化環境通過高速網絡連接的圖形服務器驅動顯示器墻陣列，實現大運算量的并行計算和超高分辨率的顯示的功能，它能從多方面增進研究人員探索的工作效率，促進更好地進行空間思維、促進科研人員之間的溝通。例如：高分辨率的地理航拍圖像是其中一個優勢應用，基于SAGE環境下的JuxtaView軟件以及其并行環境，可快速顯示由多塊高分辨率圖像組成的地理航拍數據顯示，目前得到了廣泛應用。

2.4 個性化、專業化服務

數據不僅可以通過被收集，存儲，組織和分析等手段讓研究人員找到研究學科發展的規律，捕捉自己的研究方向;也可通過個人終端的研究項目和研究團隊的信息，了解各研究時間和項目的進度;甚至每個研究者的思維態度，能力和方法都因此而有跡可循。科研數據管理者可由此及時、準確地為研究者提供所需要的各種資源、指導和幫助，使高校科研管理真正實現精準服務。

3科研數據管理面臨的挑戰

3.1 數據計算方法需優化

從系統角度看待科研數據處理，未來計算的研究方向主要包括以下幾個方面：批量計算主要考慮的是針對典型應用進行定制化的性能優化，解決數據計算中的存儲瓶頸問題;流式計算后續的研究要設計并優化流式計算中的資源調度策略，同時實現數據流速高時處理速度快和數據流速低時能耗低兩個目標。這些計算模式并不是相互獨立的，也可以相互配合，滿足同一應用范式在不同階段對數據計算結果的要求。

3.2 專業人才缺乏

高校科研管理部門利用好現在和未來的海量數據、海量技術，需要專業性的數據人才，這些專業人才對科研數據資源的成功管理和利用起關鍵性作用。他們需要具備利用快速變化的網絡技術和數據技術的能力，參加相關的教育和培訓活動，以便使用和管理這些科研數據。高校可通過開設數據科學相關的專業和課程對科研管理人員進行專業培養，促進數據科學理論的發展，加快人才隊伍的建設。

3.3 數據的安全和隱私問題

信息技術中，數據的安全和隱私一直是重中之重。隨著數據量的增大，數據面臨更嚴峻的安全風險和威脅，科研管理部門需要制定相應的安全訪問策略，確保數據訪問的授權和安全。數據的隱私問題包括兩個方面：一是個人隱私的保護，隨著數據采集技術的發展，在用戶無法察覺的情況下，個人隱私信息可以被更容易地獲取;另一方面，即使得到用戶的許可，個人隱私數據在存放、傳輸和使用的過程中，也有被泄露的風險。因此，大數據時代的隱私保護或將成為新的命題。

結論

大數據時代的到來，給高校科研數據管理工作帶來了挑戰，為順應時代發展，高校科研數據管理工作必須不斷進行完善。高校需要優化數據計算方法、加強科研人員隊伍的建設、提升高校科研發展水平、對高校科研數據的安全和隱私問題加強重視并提高相應的監控手段，更好地促進高校科研數據管理工作的發展。

參考文獻

[1]維克托·邁爾-舍恩伯格，肯尼思·庫克耶.大數據時代：生活、工作與思維大變革[M].盛楊燕，周濤譯.杭州：浙江人民大學出版社，2013.

[2]CODATA中國全國委員會.大數據時代的科研活動[M].北京：科學出版社，2014.

[3]邢文明，吳方枝，司莉等.高校圖書館開展科研數據管理與共享服務調查分析[J].圖書館論壇，2013（6）：19-25，61.

[4]孟祥保，李愛國.國外高校圖書館科學數據素養教育研究[J].大學圖書館學報，2014（3）：11-16.

[5]楊鶴林.從數據監護看美國高校圖書館的機構庫建設新思路——來自 DataStaR 的啟示[J].大學圖書館學報，2012（2）：23-28.

[6]李曉輝.圖書館科研數據管理與服務模式探討[J].中國圖書館學報，2011（5）：46-52.

[7]唐燕花.高校科研數據管理服務實踐研究及建議[J].圖書情報工作，2016（24）：130-138.

[8]胡紹君.面向科研數據管理的高校學科館員能力建設研究[J].圖書情報工作，2016（22）：74-81.