大數據時代科研管理系統云平臺架構探析

王堯堯 戰洪飛

(1.寧波大學 科學技術處；2.寧波大學 圖書館與信息中心，浙江 寧波 315211 )

0 引言

科研管理信息系統的建設是高校信息化建設的重要組成部分，在高校的發展過程當中，信息化水平的高低是衡量高校整體素質和綜合競爭力的一個重要標準。隨著大數據、云計算和人工智能的不斷發展，高校普遍意識到用信息化手段進行科研管理的迫切性。當前很多高校都建立起自己的科研管理系統，但是很多系統在職能部門之間存在 “數據孤島”和不必要的數據冗余。例如教師辦理離職退休手續、科研經費到賬手續等，往往需要往返于多個部門之間，效率較低[1-4]。科研人員在科研系統，無法直接獲取相關學科背景的個人或者團隊，導致聯合申報、跨學科申報無法實現[2]。電子科技大學基于復旦天翼開發的科研-財務管理系統，打通了財務-科研的壁壘；哈工大自2014年起，構建了從項目預申報、立項、過程管理到結題驗收的全生命周期的日常審批及知識產權管理全流程科研管理信息系統；清華大學根據自身校情自主開發了集2個網站和13個子系統的科研信息系統，形成具有自主知識產權的科研管理平臺[5]。無論是高校自主研發，還是購買市場上較為成熟的如易普拉格、復旦天翼等公司開發的科研管理信息系統,系統架構都從傳統的C/S(客戶端/服務器)架構，發展到基于Web的B/S( 瀏覽器/服務器)架構,系統功能從簡單的數據錄入、數據查詢到數據統計功能，能夠保證以科研項目的管理為主體，以經費管理為抓手，宏觀層面把控科研全生命周期，微觀層面實現對項目、經費、成果等科研活動的全過程、全要素和全生命周期的動態監控，但是還遠遠不能滿足科研管理的組織協調和策劃布局功能需要。

科研管理不同于一般的行政管理，是一項集策劃、協調和服務于一體的業務管理工作，對科研活動起到引領、支撐和服務的作用[6]。大數據作為一個嶄新的技術手段和思維方式，給人類帶來了數據挖掘和應用的巨大價值。維克托·邁爾-舍恩伯格在《大數據時代》中指出，大數據時代最大的轉變就是，放棄對因果關系的渴求，取而代之關注相關關系[7]。利用以數據為基礎的決策來解決諸多領域問題，成為大數據時代的顯著特征，數據驅動決策應運而生，將隱含在海量科研數據中的隱形知識顯性化，利用決策支持工具幫助相關人員做出決策[8-10]。Williamson指出數據本身對校長和教師將其用于學校改進目標而言，并不是很有用，只有當數據轉化成了信息，在學校改革和發展中才具有重要意義[11]。Halverson在2007年從微觀角度提出數據驅動教學系統(DDIS)模型，根據數據反映出來的現象指導教學實踐及其改進計劃，從而充分彰顯技術變革教育的力量[12]。Romero等用Moodle學習平臺的日志數據進行了數據分析，通過統計、聚類、分類、關聯規則挖掘、可視化技術等多種方法進行數據挖掘，提出了一種學習日志挖掘模式[13]。因此，大數據時代背景下，科研管理應該由集權化、程序化的管理模式向科學意義上的設計、規劃、決策輔助的治理模式演化，這對于當前的科研管理系統是個挑戰，需要基于科學規劃與升級數據驅動的科研管理信息系統。

隨著區塊鏈技術的去中心化、公私鑰數據加密、數據不可篡改等特性的不斷發展，公開數據可以透明共享，也能保護數據信息隱私和數據安全[14]，給科研管理能力現代化建設帶來了機遇和挑戰。高校應積極主動引入大數據和云計算等先進科學技術，實現科研數據的云集成，促進科研管理信息系統的建設升級和科學規劃，更好地為廣大教師的科研工作提供技術服務支撐。本文結合大數據時代，面向業務管理能力科學化、現代化的現實需要，提出數據驅動的云平臺加分布式模式的科研管理系統構建模式，通過云端的科研數據與相關業務部門數據的互聯互通，創生新的基于多源數據的云平臺系統，為科研管理決策提供基于多源大數據技術支撐的決策輔助，實現科研管理的科學組織及動態決策。

1 基于云平臺的科研管理系統架構探索

科研管理系統云平臺是一個基于云計算、面向服務、大數據、高性能計算等先進信息技術的政府-高校-企業-研究機構的協同支撐環境，它為實現大范圍異構分布環境下的政產學研間提供信息集成共享、聯合申報、科研協作、科研儀器共享、動態數據監測等功能，服務于科研過程管理的全流程，包括項目的申報、到款、立項、中期檢查、結題等全流程管理。同時將科研獎項、論文、專利、著作等成果信息、科研平臺信息、人事數據、財務數據、地方服務信息以及系統之外的申報指南信息、企業技術需求信息、歷年各高校的立項信息等規模龐大的海量數據虛擬化，形成虛擬資源并聚集在虛擬資源池中分布式存儲，提高了系統的可靠性、可用性和拓展性。不同用戶可根據使用需求租用云端數據，獲得所需的各類服務資源，實現資源的高效共享與協同。健全“企業出題、高校解題、政府助題”的創新協同機制，實現基于云平臺的政產學研的有機融合、信息互聯互通、協同溝通、資源共享等，體現五位一體的構思與理念，面向國家戰略、地方需求、面向科研產業鏈的管理能力支撐。科研管理系統云平臺的服務體系構思如圖1。

圖1 科研管理系統云構思體系

科研管理系統的云共享平臺的分成三層，基礎層、平臺層和應用層。三層架構之間不一定有依賴關系，可以獨立對外提供服務，云平臺架構圖如圖2。

圖2 科研管理系統云共享平臺體系架構

基礎層主要為實施科研管理提供基礎的支持，包括計算資源、存儲資源、網絡資源、交換資源等硬件設施、大數據套件、云平臺套件、中間件等軟件設施，各類基礎的數據庫，申報指南信息主題庫、企業技術需求，轉移轉化信息主題庫。

平臺層包括共享信息平臺、科研儀器共享平臺、動態數據監測平臺、聯合申報平臺、科研協作平臺。

(1)信息資源共享平臺。包括高校內部部門之間的數據共享(比如科研-財務數據中的預算信息、經費支出信息、經費結余信息、合作單位信息等共享),科研-人事數據共享(含人員的調離-退休信息，引進人才質量與科研業績情況之間的互動反饋，人才職稱評定與科研成果之間的關聯關系等)，政產學研之間的信息共享，科研儀器等資源共享。提供需求信息、技術轉移轉化信息、教師的科研成果信息的發布機制，用戶在服務平臺上發布信息，提供信息檢索、智能申報推送、個性化推薦等服務。

(2)動態數據監測平臺。從項目預申報、立項、過程管理、經費使用到結題驗收的全生命周期的日常審批及知識產權、科研成果、科研機構管理全流程動態數據監測平臺，實時掌握科技發展動態。包括對經費使用情況、階段性科研成果、結題成果及結余經費情況，進行公開公示；對科研人員的離職退休情況，高水平人才的流失情況進行預警分析，高效運營人才引進，科學謀劃人才布局。

(3)聯合申報平臺。指在高校重大項目、獎項、平臺的申報期間，高校、企業、研究機構之間可以快速查詢相關領域專家，積極主動組建科研合作團隊，實現優勢組合。高校之間、研究機構之間充分發揮多部門協同、跨部門聯合作戰，突出優勢資源整合，推動跨領域、跨單位整合創新。

(4)科研協作平臺。指提供信息共享、協作研討和聯合技術攻關平臺。比如新冠肺炎爆發期間，按照中央應對新冠肺炎疫情工作領導小組的部署，在國務院應對新冠肺炎疫情聯防聯控機制統一安排下，科技部會同衛健、藥監、教育等12個部門組建科研攻關組和14位院士專家組成的專家組，聚焦臨床救治和藥物、疫苗研發、檢測技術和產品、病毒病原學和流行病學、動物模型構建5個主攻方向的重點任務，緊扣湖北武漢等抗疫一線救治的迫切需求，部署47個應急攻關項目，全力開展疫情防控科研攻關[15]。

應用層包括科研人員畫像系統、學科評估系統、人才評價系統、專家推薦系統、智能申報推送系統等。

2 云共享科研系統的應用平臺建設思路

2.1 基于多源數據融合的學科生態布局系統

美國學者伯頓·R·克拉克認為，由學科和事業單位共同組成的學術組織形成了一種特殊的矩陣結構[16]，學科是大學最基本的運行單元和最基層的學術組織單位[17]。學科水平與大學發展水平之間呈高度正相關，學科水平在很大程度上影響大學的國際地位和學術聲譽[18]。高校十分重視學科的發展，很多學者提出建設一流學科的評價指標，周光禮提出建設世界一流學科應以“學術隊伍、科研成果、學生質量、學術聲譽、社會貢獻”等維度作為衡量學科發展的關鍵因素[19]。學科建設應該充分尊重學科生態的共生性和學科發展的不均衡性，學術組織在制訂學科規劃時應該維持不同學科之間交叉、滲透，促進形成學科網絡及學科群落，避免扶植一個學科消弱另一個學科的做法[16]。

在科研管理系統云平臺架構中，搭建學科評估系統(見圖3)。根據人才的學術專長和研究領域所在的學科，科研成果所屬的學科，可以區分不同學科領域標簽。學科評估中，利用大數據的分析方法，將科研成果、人才培養、師資隊伍、社會服務等多源指標數據通過實體融合、實體對齊、模式匹配等技術進行數據集成[20]，從學科條件、學科發展環境、學科產出等綜合評估學校目前的各個學科發展現狀，通過比較K-平均、K-均值等劃分聚類分析方法和基于模型的聚類方法，如神經網絡方法，獲取最優分類器。將各學科分類為優勢學科與弱勢學科、優秀學科與潛力學科等。根據學科的分類結果，尊重學科的專業性和綜合性，選擇學科分化、學科綜合或者學科交叉方式，促進學科的發展。在今后的學科布局過程中，重點培育優勢學科，進行資源傾斜，以優勢學科為點，以點帶面，從線到片，帶動高校學科群的建設，依此推動高校科研發展。科研管理平臺上的學科評估系統，將會推動高校決策人員前瞻性地思考大學的學科系統結構，立足優勢學科、挖掘潛力學科、揚長補短，構建多元發展、多級支撐、優勢突出、結構合理、創新驅動的新型學科體系結構。

圖3 基于云平臺學科評估布局系統構建過程

2.2 基于多源數據融合的科研人員評價系統

2020年2月，教育部、科技部印發了《關于規范高等學校SCI論文相關指標使用 樹立正確評價導向的若干意見》，通知明確要求破除“唯論文”等不良導向，打造中國高質量科技期刊。國家部委提出“破五唯”之后，人才評價模式需要發生轉變，改革人才評價導向機制，教學、研究、服務等方面也將納入績效考核。肖小溪、周建中提出質量評價和績效評價兩種科研人員評價模式[21]，很多學者應用聚類-因子分析、層次分析方法等，客觀定量的科學計量指標，對科研人員進行評價[22-23]，劉學等提出在評價主體方面，指令性項目承擔者由任務績效評價，成果轉換項目承擔者由市場評價，基礎研究項目承擔者由同行評價[24]。因此，在科研系統中，將服務經濟社會發展，推動科技成果轉化，同行專家評價等信息納入數據來源層。

科研人員的評價，應包括師德師風、學術能力和學術專長，科研人員評價系統見圖4。在科研系統建設中，首先將各類人員數據信息整合，利用聚類分析技術，可以根據人才的年齡結構和科研學術能力等，設置K值為2，將科研人才分類為青年拔尖人才和骨干頂尖人才；利用孤立點挖掘技術，比如某位引進的年輕老師科研業績特別突出，系統中賦予學術標簽“科研卓越人才”。科研管理系統可以針對教師的發展現狀，采用一對一的個性化分析，為每位科研人員提供科研未來的導引參考，提出今后人才發展戰略，為科研人員的職業謀劃提供優化方向，以期達到精細化智慧管理和精準科研服務。

圖4 基于多源數據融合的科研人員評價系統

2.3 智能科技信息推送服務

智能申報推送系統的數據層來源于云端數據資源池，這是實現個性化推薦的關鍵，包括科研人員的科研行為數據，也包括企業的技術需求信息和申報指南信息，歷年立項項目信息，分別構成User、Item、Event三張表。具體的推薦過程如圖5所示：首先，進行基礎的數據計算，完成科研項目和科研人員的特征工程。其次，進行推薦算法的選擇，即數據策略層，完成數據的召回和排序，遴選出要推薦的候選集合。縱向項目申報推送平臺的數據召回，根據申報通知中的限項條件、職稱要求、年齡條件等；橫向科研項目申報推送平臺，對接企業的技術需求和合作意向，項目評審專家推薦，根據評審項目的研究內容、學科分類等，進行關鍵詞檢索、信息提取、自動摘要等自然語言處理(NLP)，通過協同過濾(CF)、奇異值分解(SVD)、混合矩陣分解(HMF)、Item2Vec和最簡單的人工規則，以及深度神經網絡(DNN)等模型進行數據召回。推薦數據的排序，結合科研人員的特征工程和標簽體系，通過快速定位匹配可能潛在的符合申報條件的教師，個性化推薦給相關申報老師、企業研發人員或國家科技部、教育部等專家評審系統。

圖5 基于云平臺的科研申報個性化推薦系統構建過程

個性化推薦的過程中建立中外合作單位信息庫，促進學校教師與企業、國際合作的概率，加強合作交流，更好促進學校科研成果的轉移轉化，充分發揮管理人員的溝通交互的橋梁作用。科研專家推薦與申報推薦類似，都是利用大數據技術實現個性化的推薦。主要是向企業、政府機構推薦相關的評審專家、相關領域的技術專家系統。例如企業的技術需求“工業視覺檢測技術研究，包括攝像頭、多視頻顯示控制界面、應用于機械臂抓物”，企業發布的信息，利用數據分析方法中的監督學習進行分類處理，確定歸屬的學科，一級學科控制科學與工程，二級學科模式識別與智能系統。科研管理系統中，檢索相應學科的研究人員，再根據人員的學術專長、近期的科研成果、績效業績、同行評價等數據進行算法排序，將最優的科研人員或者科研團隊推薦給企業，推動企業的精準出題。不斷深化高校—政府—企業—研究機構之間的高效協同，促進企業產業端與高校技術端的精準對接，促進政產學研數據實現互聯互通和科研資源的高效協同。

2.4 數據驅動的科研決策輔助分析

科研項目包括教師申報科研管理中的上級主管行政部門下達的科研項目，教師申報的企業事業單位委托的項目，也包括教師申報的科研獎項、科研平臺等。以國家自然科學基金青年基金項目為例，從云平臺獲取科研人員的多源數據，分析人員的年齡、性別、職稱、畢業的院校、在校期間發表SCI/EI論文數、在研的廳市級項目數、在研的省部級項目數、發表SCI/EI論文數、授權發明專利數、培養學生數、授課數等人員屬性數據進行數據處理，實現二元化和離散化，如表1所示。對已立項的國家青年基金項目數據進行關聯分析，找到數據之間的關聯規則，通過計算置信度和支持度來評估關聯規則，完成剪枝候選項集，建立頻繁項集。其中國家自然科學基金青年基金的的立項作為固定項，其他人員屬性數據作為組合項，探究這些項之間的關聯規則，通過關聯分析，挖掘項目立項和科研人員某些屬性同時出現的規律和模式，從而對今后的人才引進提供參考，對科研規劃提供輔助性決策意見。

表1 二元化分類和連續屬性離散化后的國家自然科學基金青年基金項目數據

科研項目立項數關聯分析也可以用于科研申報項目立項率的預測。根據歷年科研項目中的立項信息，建立了科研項目立項的關聯分析，可以預測科研人員申報的立項率。對科研管理人員，對于重點、重大的科研項目成果的申報，可以根據歷年立項的科研成果中科研人員信息進行特征提取和特征選擇，從而獲取科研人員的特征工程，通過機器學習完成數據建模和分析，預測哪些教師獲批立項的概率大，從而重點關注和有效組織科研人員進行申報。

2.5 科研管理云平臺用戶畫像系統

隨著互聯網技術的快速發展，“用戶畫像”廣泛用于企業的產品設計和產品運營，由此驅動產品智能。科研人員畫像系統，如圖6，是基于科研系統的基礎數據，探究這些信息之間的相互關系，將隱藏在教師承擔的科研項目、科研成果、科研平臺等背后的信息，轉化為顯性的知識，同時結合教師的科研學術經歷信息、科研社交數據、服務地方信息、同行專家信息，實現知識共享和創新，賦予科研人員不同的標簽。同時結合高校信息中心中的科研人員的人才培養情況、學術交流情況、學術兼職情況以及應用支撐平臺，進行數據分析與挖掘，建立統一的科研人員信息描述框架，形成科研人員研究領域的查詢統計、學術評價和標簽體系。

圖6 科研人員畫像系統構建模式

疫情期間，正值國家社科基金和國家自科基金，兩大基金的申報時間。很多教師受疫情影響，申報項目的科研合作受限。學校發展對創新型人才、復合型人才的需求越來越高，學科交叉越來越頻繁，通過科研人員畫像系統，科研管理人員可以充分把握學術發展的內在規律，質與量并重，構建學校的學術評價體系，解決教師申報過程中找不到相關領域專家的難題。

3 結語

很多高校的科研系統，教師使用訪問頻率并不高，如何充分利用大數據的數據挖掘優勢，綜合學校的科研能力、科研潛力、科研方向的分析，使科研人員切實體會到大數據驅動的科研管理的高效率、高質量的精準服務，立足科研人員、科研團隊成員和教師的專業特長與學術特點，尊重學術群體的主體地位，努力為他們提供個性化的學術研究服務，將是今后科研管理系統建設的重點。科研管理系統作為高校科技工作戰略決策關鍵的一環，在大數據時代，應逐漸意識到使用大數據的潛力和對常規化的業務流程工作的優化所起的重要作用，因此在系統建設中，更加突出以人為本，強調科研管理的主動性、能動性、精細化管理。一方面充分利用大數據帶來的技術革新，將科研日常性工作流程打通，減少常規性工作中工作量的消耗；另一方面，輔助科研管理人員將更多的精力投入到頂層設計謀劃中，瞄準世界科技前沿，聚焦國家重大戰略需求和地方發展需要，突出基礎性、戰略性、引領性，為教師提供個性化精準服務，為高校科研工作高質量發展提供有力支撐。