大數據環境下圖書館數據資源服務模式的探討與實踐
——以“慧源共享”數據大賽為例*

南京藝術學院圖書館 王莉

數據已經成為當下信息社會的推動劑，每個行業和領域都身在其中，已然是重要的生產因素。人們對于海量數據的挖掘和運用，促進了社會生產力的發展，掌握數據便是掌握了未來。本文對第二屆“慧源共享”全國高校開放數據創新研究大賽的重要組成部分——學術訓練營前后的工作作了梳理和總結，并對下一步的大賽作了展望。

長三角地區在教育方面發展較快，對數據的匯聚、流通、共享和開放要求較高，為了鼓勵高校師生和相關研究者利用開放數據，通過各種工具進行研究、應用，把各種力量集合起來培養、提升大學生的數據素養，在上海市教育委員會、上海市經濟和信息化委員會的指導與支持下，復旦大學圖書館、上海市教育委員會信息中心和上海市科研領域大數據聯合創新實驗室聯合長三角如浙江大學圖書館、南京大學圖書館、安徽大學圖書館等地區的各行業企業和各個高校，向全國高校師生舉辦第二屆開放數據創新研究大賽系列活動。

1 研究背景

近年來全世界、全中國，各行各業都在談大數據、數據的重要性，大數據、數據倉儲、數據治理、數據管理等概念層出不窮。更有“得數據者得天下”的說法，毛基業說：以前數據和軟件是結合的，現在數據成資產了，擁有數據數據者擁有天下。新華網報道稱：我國大數據產業發展將迎來“黃金期”，產業聚集將進一步特色化發展，技術融合創新將更加深入，工業大數據對智能制造的賦能效應將進一步釋放，政務大數據將成為提高政府服務效能的有力支撐，大數據安全和數據跨境流動將成為國家和社會關注的焦點。圖書館行業具有對各種新興信息技術和理念的高度敏感性，不少圖書館設立了新的和數據收集管理分析有關的部門，或者在圖書館相關部門設立了數據管理崗位。謝嘉蕙等研究圖書館的科研數據崗位與人員設置情況，認為我國研究圖書館應積極開展數據管理，豐富研究內容，以需求為導向培養優秀數據館員。左志林通過調研數據館員環境、管理機制和實踐，重點對北京圖書館、復旦圖書館研究，借鑒國外的先進經驗、結合我國高校和政策等實際情況，提出適合我國高校圖書館發展數據館員的道路。圖書情報專業期刊《現代圖書情報技術》也改名為《數據分析與知識發現》，刊物主要轉向數據方面的研究內容。

2 賽程

數據大賽系列活動于2020年4月至12月開展，具體分為三個部分：

（1）“數據悅讀”學術訓練營（4.23-6.18）：面向高校師生，請各個行業和領域的數據科學家，進行專題講座，在線直播，形成課程。

（2）數據競賽（4.23-10.31）：大賽提供圖書館業務數據、電子資源訪問行為數據、互聯網采集數據、特色數據4類數據共16個高價值數據集。參賽團隊可自定選題或參照選題指南開展研究，以研究論文+論文海報+研究數據（以上為必交內容）+數據應用（選交內容）的形式參與競賽。大賽鼓勵選手圍繞抗擊疫情和社會經濟恢復等熱點問題開展研究。

（3）成果孵化（11.1-12.31）：通過出版大賽優秀論文集、推薦發表優秀獲獎論文、推薦出版優秀數據、支持優秀成果落地轉化、推薦實習等途徑，為參賽團隊提供更多機會和支持。

3 “數據悅讀”學術訓練營

3.1 訓練營巡回站點概況

學術訓練營從復旦大學圖書館首站開場，歷經華東師范大學站、上海大學站、上海交通大學站、上海外國語大學站、上海海洋大學站、上海電力大學站、南京大學站、上海師范大學站、浙江大學站、上海財經大學站、安徽大學站、東華大學站，最后以復旦大學站收尾，一共13站，形成一個完美的閉環。

訓練營講座場場爆滿，報名團隊也穩中有增。使得“數據”這個詞在4月到6月之間成了個高校關注的話題。在總站和分站的努力下，每次數據訓練營的人數非常可觀，最低一場人數2500人次，最高一場人數5900人次。各站具體人數如圖1所示。

圖1 數據訓練營各站線上參會人數Fig.1 Number of participants on each station line of data training camp

3.2 訓練營導師

3.2.1 訓練營導師基本信息

大賽數據訓練營邀請了各領域專家30名，他們學科背景、專業所長不同，從多個角度解讀了數據、大數據對社會、對行業的作用，從他們的講座和報告中我們能看出當今社會數據的重要性。

3.2.2 訓練營講座題目

題目是內容的最直接體現，學術訓練營的30名導師的講座，內容包羅萬象，涵蓋了生產生活中的很多場景，講座題目如下。

大數據、第四范式與AI；政務大數據價值及應用場景；基于用戶行為日志的推薦系統；電力大數據的挑戰與應用展望；能源電力大數據的挖掘技術和方法；能源時空數據庫建設：夯基礎、立潮頭；數據分析方法及其在海洋大數據中的應用；人口大數據：歷史、現實和未來；數據驅動企業創新式管理；大數據時代的對象代理數據庫系統TOTEM；大數據與大科學；基于時空大數據的北京市城市空間格局分析；用數據說話：專家科研能力評估；超大型城市公共數據治理探索；數據治理與機器學習：從理論到實踐；大數據可視化賦能電子商務；數據敘事：如何讓大眾更好地理解數據？；文本挖掘的應用；新冠疫情的公共危機屬性及對中國宏觀經濟的影響；在線社交網絡用戶行為研究；我國智慧城市的發展變遷與思考。

3.2.3 訓練營講座內容關鍵詞匯聚

30位專家的講座從宏觀到微觀，圍繞國計民生，各個行業，詳細闡述了他們的觀點，數據詳實、觀點新穎，給廣大參會者分享了一個個學術盛宴。從報告中提取核心關鍵詞，這些關鍵詞反映了報告的內容和趨勢。下面是排前20位的關鍵詞。

大數據；數據庫；技術；AI；科學；管理系統；趨勢；元數據；數據管理；采集；存儲；分析；人工智能；知識圖譜；本體；機器學習；數據；管理；數據安全；數據共享。

3.2.4 訓練營讀者關注話題關鍵詞匯聚

講座結束后，會有互動環節，互動環節所提的問題，正是與會者關注的話題，從這些問答中提取核心關鍵詞，如下為排前20位的關鍵詞。

大數據；互聯網；物聯網；數據資源；國際影響力；發展現狀；知識圖譜；人工智能；數字人文；學科本體；機器學習；區塊鏈；數據共享；數據治理；社交媒體；數據；數據拼接；迭代分類；數據清洗；可視化。

4 大賽報名情況

本次數據大賽通過各省圖工委、高校數字圖書館聯盟、圖書館、合作的政府部門、期刊雜志社、自媒體等，通過主頁、郵件、微博、微信公眾號、QQ專業群、微信專業群以及廣大用戶的口口相傳，獲得了高校和相關團體的高度關注，關注人數和報名參賽團隊呈持續增長勢頭，報名參賽數為755支隊伍，報名參賽的學校分布在全國各地，有29個省市自治區都有人員參加。報名參加的院校共有187所，報名人數位列前10的是：上師大112、浙大70、武大34、東華大學32、安大26、復旦24、上財19、上對外經貿18、南大17、武漢理工17。

5 大賽數據集

3C的快速發展，全球數據爆炸式增長。人們發現海量的數據、復雜的數據是人類發展的重要經濟資產，有效的數據分析與挖掘將推動國家、企業乃至整個社會的高效、可持續發展。數據，已經滲透到當今每一個行業和業務職能領域，成為重要的生產因素。人們對于海量數據的挖掘和運用，預示著新一波生產率增長和消費者盈余浪潮的到來。我國把數據、大數據的應用提到了戰略層的意義，認為這是關系國計民生的重要事實依據，“掌握數據就是掌握了未來”的概念已經深入人心。在這種背景下，上海地區相關部門率先舉辦了“慧源共享”全國高校開放數據創新研究大賽。

數據集包括：高校圖書館業務數據集、上海市中小學生圖書館借閱數據集、復旦大學ERU數據集、CADAL用戶行為數據集、萬方數據知識服務平臺期刊文獻用戶行為日志、中小學生數字圖書館單頁閱讀記錄數據集、百度貼吧自閉癥吧用戶發帖回帖數據集2017-2019、美國新聞記者招聘數據集、上海高新技術企業數據集、上交所科創板企業數據集、長三角地區社會變遷調查數據集、當代中國社會生活資料書信數據集(百姓家書)、第二屆學生“好問題”征集評選活動數據集（首次提問）、e成科技簡歷脫敏數據集、中國流動人口動態監測調查數據集、全國中小學曉黑板直播課堂互動數據集。

6 數據大賽小結及展望

本次數據大賽前期已經結束，目前是參賽選手利用數據進行研究的階段。總結前期賽事，特點如下：

（1）國家重視、政策保障。上海地區發起的數據大賽，有地方政府、科研機構、數據公司、高校等多方面的牽頭與協調，進展非常順利。（2）組織有力、宣傳到位。復旦大學圖書館成立專門組織來進行這項工作，聯合廣大主辦單位，采取全方位矩陣式宣傳，使得公眾的知曉度、認知度和參與度空前高漲。（3）輻射范圍廣、參賽高校多。從數據地圖可以看出，全國有29個省市有高校參加了數據大賽，共有187所高校報名參與了大賽，共有755支隊伍。（4）數據收集范圍廣、數據條目多。這次大賽數據集包括16個大類別，基本能滿足研究者使用，參賽隊伍也可以使用自有數據來進行研究。（5）學術訓練營專家多、話題廣。這次邀請的30位專家來自不同的行業和領域。所講內容無不是事關數據核心和行業前沿的。聽來十分開闊眼界，也為第二步的基于大賽數據進行創新研究指明了方向。

數據大賽目前進行后面的階段。從整個大賽看來，今年的規模遠大于2019年，展望下一階段以及后續賽事，應該可以看到：

（1）今年大賽參賽隊伍眾多，成果應該非常多，對于獎項的競爭也會非常激烈，我們期待那些讓人眼前一亮并且能夠落地的創新成果展示在大眾視野。（2）賽事規模會進一步擴大，聯合主辦的圖書館會進一步增多，參賽院校和隊伍也會越來越多。（3）數據集會進一步擴大，能盡可能覆蓋各個行業的數據，真正形成全國范圍的“大數據”。（4）大賽會更開放，開放的思想、開放的數據，才能孕育出創新的成果。