关于基于事实的科技政策研究理论的认识.docx

关于基于事实的科技政策研究的理论与方法的认识摘要 在领会以事实型数据为基础，综合集成“事实型数据+专用方法工具+专家智慧”的科技情报研究方法论的基础上，总结经验，深入思考，提出一些心得体会。关键词 科技情报工作 事实型数据 研究方法 专家智慧中国科学技术信息研究所贺德方所长提出的以事实型数据为基础，综合集成“事实型数据+专用方法工具+专家智慧”的科技情报研究方法论，是一种科技情报研究模式，基本思路是：在建立和累积、更新信息资源数据库的基础上，针对科技问题，采用各种定量与定性相结合的系统集成方法，对事实型数据进行深入分析，从中发现某种现象、规律，继而通过专家智慧，提炼出可指导实践的政策建议。在听取了贺所长的主题讲座后，受益匪浅，作以下总结。一、认真学习运用各种方法寻找科技调研方向和领域 科技研究方向在我所的工作实践中一直是个短板，结合近几年的课题情况，发现科技情报研究的方向与政府决策方向还有一定的时间差，不能够超前的对相关领域做前期调研，而是等到政府决策层在实地观摩、考察汇总之后才能跟上步伐。资料是我们研究的重要材料，同时也是提供研究方向的重要材料。在很多刊物上，都会刊登一些热点问题、主体问题等之类的征稿，例如：科技日报每期都有热点问题探讨，一线话题探讨，情报学每期都有专题话题、热点探索等。这些都是杂志社收集和整理出来的问题，毋庸置疑，这些问题都是有代表性和社会热点问题，把它们拿去加工一下，就可以成为一个研究方向。还有就是一些科研机构每年都会有刊登一些课题研究指南，一些大学、机构的招标课题等等。 为此，我认为应在研究生学习过程中，认真领悟课堂上导师提到的关于如何立题的方法。调研课题的选题要有针对性，要深入领会政府决策层的意图，联系相关地区的差异与国家政策指导方向，基于对对策研究的探讨开展选题。我认为好的选题是非常重要的，要具有以下特点：一是新度。一个新颖的研究方向是一个好课题的标志。尤其是在决定课题标题的时候，一个新颖的名称能吸引很多人的目光，课题的关注度自然就高。所以，在寻找课题研究方向时，可以朝这新颖前卫的方向去追寻。二是深度。一个好的课题研究方向，它是基于坚实的理论基础之上的。所以，我认为，选择一个课题研究方向，需要对它有一个深厚的理论基础，并且能灵活地把这些理论的东西运用到课题研究中去，这样，研究方向就不会轻浮，给人以厚重沉稳的感觉。三是硬度。一个好的课题研究方向必须建立在真实的理论和实践上的，这样才会使课题经得起别人的推查考究。在确定了研究方向后，查找出来资料一定要真是确切，这样才能为研究方向提供坚实的后盾。课题资料都应该是真实有效的，是以事实型数据为支撑，才经得起拷问，这样的课题才是有硬度的课题。四是近度。选题要贴近科技领域实际状况，一线化的课题研究是熟知的，最好不去搞深奥的理论研究，只有脚踏实地地站在一线领域上，从一线实际出发，课题才能真正有效。二、调研数据准备充分，定性分析与定量分析相结合在以往的调研过程中，往往在数据收集中不够重视，数据收集不全面，定性分析占主导，这就造成主观意识大于客观分析，调研报告缺乏数据支持，论据不充分。为此在学习过程中，重点学习定量分析方法，学习如何更好地收集调研数据，这样才能夯实调研基础，为今后的课题研究做充分准备，并以公正客观和更有说服力的研究指导科技决策和实践。定量分析有大量数据做支持，更具科学性和说服力。然而一般人往往对定量分析报告中的大量数据会一头雾水，根本看不懂，加上定量分析周期长、费用高，所以更倾向于定性分析。特别是决策者没时间分析大量的数据，所以往往只要定性分析得出一个结论供他参考就行了。 在实际应用中，通常会有几个结论和方案以供选择。如果仅凭“很好、好、一般、不好、差”这几个级别去区分，就很难取舍。往往两三个结论都属于一个级别：好或不好，加上在有几个决策者意见不一的情况下，很难做出令人信服的选择。你好我也好，到底哪个更好？没有数字支撑的定性结果论就失去了说服力。为了将定性分析的结论能有数字支撑，具说服力，有必要对其进行量化。定性量化是一个从模糊到清晰的过程。在数学中有一个分支叫“模糊数学”，它的功用也正是将模糊的数据转化为清晰的结果。量化作为一个过程，不是一蹴而就的，思路就是将定量分析的对象按照合理的方式分解成必要的组成部分，对每个部分依照各自的标准进行评分，然后将各部分的分数乘以权值并相加，所得的分数即是该对象的量化值。 整个过程的关键是分解阶段。要求执行者对分析的对象有系统性的把握，了解分析过程中的各个因素，并能优化分配。分解包括两个方面：分类与分层。分类就是将研究对象中包含的因素分门别类，分层就是不同类别的因素再次分类，并放入下一层次。分解其实就是一个分类、分层再分类的过程，如树枝一样向下延伸下去，形成一个如下图所示的树形结构。在分解时要注意，划分的标准要统一，分类要精细，分层要清晰。三、创新数据库建设方法，充分利用数据库文献资源信息的来源可以分为三个层次，最初的信息源的来源是政治、经济、军事、文化和社会生活的各个领域，第二层次是现实生活中的各类媒体以及网络，包括各种通讯社、报社、杂志、出版商、书商、因特网、信息中介机构以及他们所采集、发布、传播的信息产品和服务。第三层次的信息源是社会历代流传和积累下来的文化遗产和社会活动成果，如文化典籍、文化遗存等。我认为创新数据库建设要坚持一下几点：一是特色数据库建设最终目标是为读者服务，所以应该始终坚持以用户为中心。在选题、方案拟定阶段，应该积极邀请目标用户参与其中，提出意见和建议。事实上，图书馆视角往往与用户相差甚远。以我馆“中国东盟法律文献数据库”建设为例，通过召开三次用户论证会，发现图书馆原来拟定的建设内容有60%以上是用户认为无价值、不必要的，并及时根据用户实际需要进行了调整。二是在内容建设上，改变以馆员为主体的模式，建立以用户为主体的提交、甄别、评判和组织模式。用户既是使用者，又是建设者。从而提高数据库内容与用户需求的契合度，提高用户对特色库的认同度，并最终提高利用率和服务实效。用户为中心的建设模式，还可以更好的解决全文型数据库的版权问题。通过弹性版权授权方式，由用户自主圈定自己的作品使用许可范围和使用许可程度，添加有关许可的信息，构建一个合理、灵活的著作权体系，倡导、鼓励对知识创作成果合法地分享与演绎。三是利用多维激励机制。百度文库的一大贡献是Web2.0的自由分享理念进行了约束。想自由获取，先积极分享。特色数据库建设不一定照搬百度文库付费下载的模式，但是可以参照建立自己的积分式多维激励机制。馆员、用户在提交、甄别、评判和组织数据资源时，可以获取相应的积分。项目管理者依据积分来评判贡献，并给予奖励，以调动馆员、用户参与积极性。四是摒弃当前各个馆都自己搭建特色数据库建库系统，分散建设，元数据收割的模式。参照百度文库，运用云计算的最新技术，构建一个特色数据库建设的云平台。各个馆均在云平台上建设自己的特色数据库。物理上，各个馆可以自行选择全文对象数据存储在云平台中或存储在本地。逻辑上，各个馆可以自行选择元数据共享或全文数据贡献。这种模式，可以让各个图书馆节省大笔系统软件购置、维护成本，将有限的财力、物力和人力投入资源建设；可以方便地实现联合建设；可以自然形成数据实时更新的特色数据库中心门户；可以便捷的实现资源发现和资源共享。现今，我们在使用过程中对第二层次的信息源的利用较多，因为具有易流动性和易分享性。然而，由于网络信息的纷繁复杂，各种来源的、被加工过的二次信息由于信息加工者在认识上的差别而不可避免地出现不同程度的失真，因此在研究之前寻找准确、真实、适用、具体的原始信息和数据的工作必不可少，科技情报机构必须扎扎实实地积累、构建服务于特定对象、目标的事实型数据资源库，从而形成自己的优势。例如对人才交流网站的关注和数据统计，就可以在一年或是二年的时间段中分析处理得出人们职位、平均工资、学历状况和年龄分布状况，这些数据对今后在各个领域的调研和政府决策处理过程中会起到支撑作用。四、对于数据库资源的加工和处理工作有待提高数据加工处理服务是利用数据处理软硬件资源，针对用户的需求，对有关数据进行加工或分析处理，并将得到的数据加工产品或分析处理结果以合适的方式提供给用户的服务。通过这类服务，可以减轻用户在本地数据处理软硬件资源上的时间、资金投入，从而可以更加关注科学研究问题本身。现今，各类商业数据库非常多，但是缺少协调一致的分类标准，造成用户在检索过程中需要对各类数据库进行重复检索，极大地浪费时间、资源。同时，也应该认识到，数据库统一标准的建立，是一个长期的过程，科技情报所需要统一协调工作，整合人力资源，共同将这项工作做好。结合我所现在开展的科技统计分析平台建设工作，我认为可以在数据处理服务方面有所突破，不仅仅局限于当今较为流行的数据检索方法，也可以尝试使用软件集成的方式将数据检索加工作为一项亮点工作来做。五、各种数据分析方法各有千秋，优势与短板并存一般而言，数据分析方法有逻辑思维分析法、专家调查法、时间序列分析法、回归分析法、层次分析法、引文分析法、内容分析法、聚类分析法、经济信息分析法、竞争情报分析法、专利分析法、科技信息分析法、工程项目信息分析法等。综合而言，每个分析方法都是针对某一范围的问题有效，有时还会用到几种分析方法的综合应用，然后做出综合结论。这表明我国在数据处理分析方面有深层次的开发和高效益的利用，但同时也表明，没有能够综合各类问题的分析方法。贺所长提出的以事实型数据为基础，综合集成“事实型数据+专用方法工具+专家智慧”的科技情报研究方法论，是综合各类方法，能够普遍适用的数据分析处理方法，并在案例研究的实际应用中具有前瞻性、针对性和指导性。六、实践证明，以事实型数据为基础的方法已经取得了广泛关注日本学术振兴会、日本文部省学术情报中心和日本国立情报研究所信息资源研究中心等机构从1997年开始共同资助基于科技信息的文本分类、机器翻译、数据挖掘与文本挖掘等主题的国际测评学术会议，推进基于事实型数据的深度挖掘的方法与技术的研究工作，而且在2008年12月刚举办的200