高端交流平臺建設需要把握知識服務的發展大勢

張智雄

國家科研論文和科技信息高端交流平臺建設是強化國家戰略科技力量的重要舉措，其最終目標是促進科研信息數據的高效開放共享和廣泛傳播利用，全面提升對科研活動的服務保障水平。

以前，學術交流平臺對科研活動的服務保障被稱之為信息服務，而現在，這種服務被越來越多的國內外學者稱為知識服務。當前，國際上重要學術交流平臺的知識服務正在經歷著深刻的發展變革。國家科研論文和科技信息高端交流平臺建設需要借鑒當前國際上重要學術交流平臺的知識服務的經驗，把握好當前知識服務發展的大趨勢，順勢而為，乘勢而上，提升平臺建設的效能。筆者認為當前國際上重要學術交流平臺有以下幾大趨勢，值得引起我國高端學術交流平臺建設相關人員的密切關注。

1? 從內容匯聚轉向對科研活動全生命周期的支撐

內容匯聚是學術交流平臺的基礎。國際上的重要學術交流平臺一般都擁有上百種或上千種的期刊資源。這些期刊資源能夠源源不斷地為平臺提供知識內容，早期的學術交流平臺主要實現這些多來源知識內容的有效匯聚、集中揭示和集成服務，構建起了以內容匯聚和銷售為主的業務模式。

然而，僅僅是內容的匯聚是不夠的，對科研活動的全生命周期進行支持是當前國際上重要學術交流平臺的服務理念。早在2010年，麥克米倫科學與教育集團（Macmillan Science & Education）前首席執行官安尼特·托馬斯（Annette Thomas）就認識到出版商必須找到除銷售論文內容之外的方式為研究人員提供更有價值的支持。為此，她提出了“出版商的新任務是在科學研究過程中的每一個環節為科研人員提供支持”的重要論斷，并創建了數字科研公司（Digital Science），開發和集成各類工具，以支持科研人員搜索閱讀文獻、了解基金項目機會、跟蹤同行科研動態、進行科研實驗、發布研究成果、共享研究數據、監測其工作影響等的科研活動[1]。目前Digital Science培育和支持了眾多知名品牌，如Altmetric、Dimensions、Figshare、ReadCube、Overleaf、Labguru等，以全方位地對科學活動進行支持。

對科研活動的全生命周期進行支持，讓科學家能夠有更多的時間專注于科研發現，這已成為國際上重要學術交流平臺的知識服務理念。

2? 從傳統期刊論文出版發行轉向開放、透明、高效學術交流體系的構建

學術交流體系是存在于科學界中，有效支持科研成果的發表發布、評審評價、交流傳播和保存利用的一套系統。學術交流平臺最重要的作用就是支撐學術交流體系的運作。

近年來，隨著網絡化、數字化、智能化技術的發展，人類交流的方式和方法也在不斷改進，科學界對學術交流體系的要求也越來越高。傳統封閉的同行評議期刊論文交流已不能滿足現代科研交流的需要。科學界越來越認識到傳統學術交流體系在時效性、開放性、透明性等方面存在著一些需要改進的問題。

國際上一些重要的學術交流平臺已充分認識到這種學術交流體系的重大變革性要求，并已在積極布局，努力構建支持開放獲取、預印本交流、數據出版、開放出版、透明同行評審、開放評論等新需要的學術交流體系。例如，Springer Nature通過BMC已有效支持論文的開放獲取出版，愛思唯爾（Elsevier）于2016年收購了社會科學研究網（Social Science Research Network，SSRN）以構建基于論文手稿交流的預印本平臺[2]，泰勒-弗朗西斯出版集團（Taylor & Francis）于2020年初收購F1000 Research以支持開放研究、開放出版、數據出版、透明同行評審等[3]。

盡管上述新型學術交流產品尚未成為目前國際學術平臺的主打產品，但國際學術平臺的搶先部署，預示著開放、透明、高效的學術交流體系必然是未來發展的重要方向。

3? 從信息的檢索獲取轉向內容的分析研究

10年以前，國際學術交流平臺提供者都習慣于把自己看成是文獻數據庫提供商（Literature Database Provider）或者是出版商（Publisher）。但近年來，國際學術交流平臺提供者對自己的定位已發生了重大變化。很多的學術交流平臺提供者不僅僅把自己看成是數據庫商、出版商，更是知識內容分析服務的提供者。例如Elsevier早在2015年左右就把自己定位為信息方案提供者（Provider of Information Solutions），Wiley則一直認為自己是內容方案的提供者（Provider of Content Solutions），而現在的Elsevier和科睿唯安（Clarivate）都聲稱自己是信息和數據分析的領導者（Leader in Information and Analytics）。

與之相應，知識內容的分析研究成為了國際重要學術交流平臺的服務重點。例如Elsevier就認為科學研究過程中“分析”無處不在，而Elsevier的主要工作就是讓每一位從事科學研究的人都能夠更輕松地進行“分析”。Elsevier希望幫助科學家更有效地管理他們的研究工作，讓科學家能夠將更多的時間花在實質性的科學研究工作之上。當前的Elsevier以內容出版為根基，正在積極構建各類知識內容分析的解決方案，以服務于科研的需要[4]。

4? 從分類主題組織揭示到知識內容的精細整編

通過對文獻進行分類、對文獻標注主題詞來揭示科技論文的內容，并以此對科研論文進行組織管理，提供論文的分類導航和檢索查詢服務，這是文獻數據庫普遍采用的方法。隨著一些新技術方法的應用，一些新的語義豐富化技術也在不斷應用于文獻知識內容的挖掘處理，如自動分類、自動語義標注、知識圖譜關系構建等。但是從知識組織加工的層次來看，這些工作依然屬于淺層次的分類主題組織揭示。

現在的國際學術交流平臺除了關注論文內容本身的組織揭示之外，更加關注文獻內容之上相關領域知識的精細化組織整編。一些國際學術交流平臺已經培育出很多有價值的知識服務產品，例如，美國化學文摘社（Chemical Abstracts Service，CAS）的SciFinder，Springer Nature的SpringerMaterials、AdisInsight，Elsevier的Reaxys、Knovel、ClinicalKey等。這些產品以文獻內容為基礎，在專業人員的組織整編之下，有效實現了相關知識內容的集成匯聚，成為化學物質、化學反應、材料研究、藥物研發等研究領域非常有用的專業知識工具。

5? 從傳統信息技術到現代智能技術的廣泛應用

信息技術是國際學術交流平臺的重要支撐。各類信息技術，如全文索引、檢索查詢、數據庫、網絡技術，乃至數據挖掘、自然語言處理、機器學習都能夠促進學術交流平臺的建設。

近來，基于大規模深度學習的現代人工智能技術在國際學術交流平臺中發揮著重要作用。例如，利用深度學習技術方法來探測特定領域的新興研究趨勢，通過自動畫像技術揭示相關研究主體的重要方面，利用認知技術從大規模文本或圖像數據集中抽提出相關的知識內容等。

一些重要的學術交流平臺（如美國化學文摘社，CAS）也充分認識到大數據能夠為深度學習帶來性能上的大幅提升。因此利用已有的數據資源，為相關領域提供智能化解決方案，已經成為這些學術交流平臺的一種重要服務手段。例如，CAS充分利用自身已有的大規模、高質量的化學反應數據支持Bayer公司對相關化合物合成方案可行性的預測，結果顯示預測的準確率提高了32%[5]。

6? 守正創新，高質量、可信賴的內容是永不過時的主題

科學需要嚴謹、科研成果要值得信賴。國際學術交流平臺對此有著非常明確的認識，都十分關注平臺所提供內容的質量水平，明確聲稱自己所提供的內容是高質量、可信賴的內容。

例如，Elsevier認為其提供的信息都是可信賴的信息（trusted information），并且認為Elsevier一直與學術界合作共同保管和驗證知識，其所開發的每一個工具都建立在值得信賴的信息之上。Springer Nature認為其所提供內容是來源可信的（trusted source），并把自己認為是學術記錄的驗證者和保存管理人，所提供內容具有獨立性和嚴謹性。美國化學學會出版社（ACS Publications）則認為其所提供的內容都經過了可靠的同行評審（trusted peer review），從而保證了所提供內容的質量。而CAS的SciFinder則明確提出，其所提供的信息是專業科學家而非機器人收錄的、值得信賴的有關化學物質、反應數據和參考文獻的集合。

這些都意味著，提供高質量、可信賴的內容在國際學術交流平臺的建設中是一個永不過時的重要主題。

參考文獻：

[1] Digital Science - A new model for innovation in scholarly communication [EB/OL]. [2021-02-24]. https：//www.digital-science.com/wp-content/uploads/2016/02/Research-to-Reader-Phill-Jones.pdf.

[2] ELSEVIER. SSRN—the leading social science and humanities repository and online community—joins Elsevier[EB/OL]. [2021-02-24]. https：//www.elsevier.com/connect/ssrn-the-leading-social-science-and-humanities-repository-and-online-community-joins-elsevier.

[3] Taylor & Francis Newsroom. F1000 research joins Taylor & Francis Group[EB/OL]. （2020-01-10） [2021-02-24]. https：//newsroom.taylorandfrancisgroup.com/f1000-research-joins-taylor-francis/.

[4] ELSEVIER. Elsevier at a glance empowering knowledge [EB/OL]. [2021-02-24]. https：//www.elsevier.com/__data/assets/pdf_file/0011/874667/ELS-brochure-PDF-2019.pdf.

[5] CAS. Predicting new chemistry： impact of high-quality training data on prediction of reaction outcomes[EB/OL]. [2021-02-24]. https：//www.cas.org/resources/whitepapers/predicting-new-chemistry.