京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02