
大数据时代学术期刊的机遇与挑战_数据分析师考试
在数字化再造并融合传统出版的大背景下,就学术期刊而言,其传播方式已经发生巨大变化,数字化、新媒体融合已成期刊传播新常态。在近日中国社会科学院图书馆(调查与数据信息中心)、国家期刊库(NSSD)举办的“大数据时代的学术期刊数字出版??机遇与挑战”研讨会上,学术期刊如何应对大数据时代的机遇和挑战,成为关注的主题。
主动适应“大数据”时代
据社科院图书馆数据网络部主任杨齐介绍,为适应“大数据时代”的需求,中国社会科学院国家期刊库项目组对643种学术期刊的网站建设进行了详细的调研分析,包含社科基金资助期刊195种,非社科基金资助期刊448种,并公布了调研结果。从调研数据中发现,目前大部分学术期刊在大数据时代的数字出版及开放获取意识有待提升,对于数字化和新媒体融合发展前景及方向还在探索之中。
专家认为,从表面上看,“大数据”的概念及其价值更多的是为IT业和企业营销领域所关注,但从深层次看,传媒业将是受到大数据时代冲击较大的行业。在大数据时代,与学术期刊处于同一环境体系的学术创新模式、学术研究范式、知识形态、知识获取、知识交流及处理机制的改变,将直接影响着学术期刊的生存和发展。
“大数据”深刻地改变着学术期刊的边界,使学术期刊面临新的挑战和机遇, “大数据”将造就新意义上的中国学术期刊。因此,各个学刊必须积极主动探索以学术期刊为纽带的大数据全产业链和新业态发展路径,应用大数据技术,跳出传统学术期刊的编辑出版流程局限,实现以学术期刊为纽带的学术研究全流程传播。
数字化时代的诸多挑战
当前,来自数字化潮流的挑战使得学术期刊正经历着一场革命。这场肇始于传播,继而扩展至整个编辑出版流程的革命,使学术期刊抛掉了纸本载体而实现了更为迅捷的网上编辑和传播,在传播流程中,数字化传播已成为学术期刊的主流渠道。学术期刊以综合性为主的结构和分散的布局导致以原期刊为单位的数字化传播意义不大,而经过汇集和重新编排后更能适应读者的需求,大型期刊数据库网站做的正是这样的工作。
另外,当以综合性、分散性和内向性为特征的学术期刊遭遇来自学术国际化、评价数量化和传播数字化的挑战时,处境更是日益艰难,而自然科学期刊尤甚,每年以10万篇计的优秀稿源的流失,使得国内一些顶尖学术期刊也面临着前所未有的稿源荒,更遑论一般期刊了。优稿的外流必然带来学术前沿的失守和读者的流失,使得学术期刊在数字化时代面临着诸多挑战,急需创新观念,走出一条数字化发展的新路径。
对此,中国社会科学院调查与数据信息中心副主任赵胄豪表示,通过高层次的文化碰撞,刷新旧有理念,加速学术期刊数字化、网络化的建设步伐;变革学术期刊投稿、编审、出版、传播及阅读的方式与途径;积极探索哲学社会科学领域学术期刊数字化转型、新媒体应用、开放获取及网络化建设等方面的问题,这是今后学术期刊适应数字化之路的重要途径。
加快数字化转型步伐
在如何探索学术期刊数字化转型上,中国科学院文献情报中心编辑出版中心主任初景利从数字出版环境与技术、学术期刊建设要素、期刊质量与影响力、传播能力的关系、数字出版平台建设、语义出版、开放获取出版等多方面详细介绍了科技期刊的经验,并提出六方面建议:一是期刊质量是期刊的生命;二是学术期刊编辑须承担社会责任与使命;三是采取综合措施提升期刊的传播力与影响力;四是重视数字出版与数字化刊群建设; 五是善于知识分析工具的开发与利用; 六是加强技术的研发和投入。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16