论文部分内容阅读
摘 要：随着大数据技术的发展和广泛应用，科技评估方法也迎来了新的发展契机，机遇与挑战并存。科技评估方法通过大数据的平台技术的应用，将带来更加客观、公正、公开、全面的评估结果。本文主要研究了基于大数据的科技评估方法体系，以及科技评估在新技术应用中面临的挑战与解决策略。
关键词：大数据;科技评估;评估方法
一、大数据在科技评估中应用可行性
科技评估是一种判断科技活动及其价值的基本学术评估机制，是科学技术发展的内在要求，它的目的是促进学术交流并建立科学规范，引导研究方向。科技评估是政府制定科技政策的依据，同时也是政府进行配置科技资源并进行有效资源管理的方法，它可以对科技活动进行预测、决策和管理。科技评估有多种评估形式，如事前、事后、事中评估，项目评估、机构评估、人才评估等。定量评估方式需要借助数据支撑，数据的丰富程度决定结果的可靠程度。科技评估对象多样性和复杂性决定了大数据技术在科技评估领域应用的可行性。大数据技术应用在科技评估的战略意义不在于掌握庞大的科技数据信息，而在于对这些含有意义的科技数据进行专业化处理，挖掘并使用这些庞大的数据，并建立新的科技评估方法体系是科技评估的发展方向。随着云计算、大数据、物联网和移动互联网等新一代信息技术的发展，传统企业级IT架构正在朝基于互联网的分布式新架构转型。大数据作为新一代信息技术的核心，正在使科技评估领域走向智能化。大数据在科技评估领域将会发挥自身独特的优势。
二、基于大数据的科技评估方法体系
科技评估要求的高质量的数据需要数据密集型科学计算方法来提供保障，而高质量的数据需要从多模态、多源、实时的数据中获取。
2.1 形成数据中心
科技评估需要有后备数据资源作为支持， 为了能够在数据中心建设过程中取得更多进展， 相关工作人员必须要形成数据共享机制，该机制系统具有可跨领域、跨地区与跨部门使用的功能，主要是可以实现共享数据的目标，科技评估数据中心与相关单位之间形成联系， 同时组建与功能相对应的数据库，开展科技评估数据共享。同时形成数据规范系统， 给数据集成问题与管理问题提供技术层面的必要支持。数据库也将科技评估中所需的数据资源，包括论文、专利、专家、技术等信息进行有效整合，以供检索使用。
2.2 构建采集系统与数据挖掘
数据采集系统主要负责完成大范围的数据采集任务，可采集的相关数据种类丰富。面向各地评估涉及的工作单位，使用者可使用系统给出的表格来填写相应的信息，负责人可保障表格被规填写，辅助登记备案以及验收申报等工作，评估数据也随之变得更加具体与真实。第一步是建立众包模式，众包是自由自愿外包给非特定的大众网络，外包是高度专业化模式，两者相对。众包模式能够融合来自多个领域的众多专家共享信息，汇集群体的智慧，然后利用新的工具去分析、挖掘科技数据，再进行深加工并提煉更多精细的数据。这种评估方式依托数据密集型计算方法，它的优点是更加开放、更专业、成本更低，有利于评估数据的分析计算。第二步开始进行数据的整合和提取。这里的数据整合可以从不同层次、不同角度进行分类，例如按照不同应用领域可以分为逻辑整合、物理整合、应用整合，按照这种方法可以创建具有更多功能的数据库。运用数据密集型方法，不断获取积累评估数据，再实现对数据信息的分析、加工、挖掘，能够更加精细、动态的帮助科技决策，以便更灵活准确的解决科技评估的问题。第三步是实践科技评估结果。交互式可视化即用图形化的方法，把数据的各个属性值用多维数据的形式表现出来，把数据用图像呈现在屏幕上，能够清晰的传达信息，完成交互处理。
2.3 搭设服务平台
具有不同功能的科技评估服务平台均可在科技评估工作中予以必要的作用。 会商平台可通过云计算与互联网服务对不同级别的科技管理部门与科研部门的工作情况进行评估， 并输送其所需要的服务，评价的管理评估方面的工作可被完成;智慧监测平台主要发挥其具有的监测功能，在执行科技评估监测任务的同时，还可帮助审批构建信息，使全国范围内的科技评估工作部门可就审批信息进行交流，分享科技评估结果。 互联网服务平台直接缩减了科技评估工作实施过程中的经费支出与工作时间，提升科技评估数据处理效率。
2.4 建立基于大数据科技评估模型
在数据挖掘基础上，系统能够智能形成评估对象知识图谱，获取知识图谱对象涉及的成体系的科技要素。基于大数据的分析实现智能比较和智能预测等功能。按照科技评估中的智库 DIIS 评估等理论方法，建立智能的数据分析体系，将评估工作人员繁琐的流程智能化和标准化。最终智能形成有关评估报告文档和图表，获得智能化的结论和预测结果以及智能决策建议。
三、 大数据在科技评估中运用面临的问题及解决策略
在信息时代的背景下，大数据在科技评估的道路上还有很长的路要走，这里不仅包含思维方式转变的挑战，而且存在科技评估的数据越来越复杂，评估数据的挖掘技术也不成熟，评估结果实践起来困难等问题，如何解决这些问题，需要深入分析探讨。
3.1改变陈旧的科技评估观念
传统的科技评估一般都有预设的程序用来获取数据，基于大数据的科技评估是从庞大的数据规模中进行数据抽取，并且这些数据间毫无关联。相对于大数据的科技评估来说传统的科技评估对象相对封闭，多是静态、个态化的，大数据科技评估对象则是动态的、系统化的、也更为开放。传统的科技评估人员需要具有专业的统计学、数学及信息科学的知识，基于大数据的科技评估人员则需要具有较强的创新思维和敏锐的数据洞察力。与传统科技评估相比，最重要的是科技评估人员需要有思维的创新。人是最主要的因素，一定要培养具有创新思维的科技评估人才的意识。树立创新思维，提高创新水平，为科技评估人员提供创新渠道，激发他们的创造力和工作热情，才能促进科技评估行业的发展。 3.2数据类型多样化，需提高数据挖掘能力
大数据的科技评估数据来源非常广泛，如来自互联网、物联网或者更为复杂的物理信息系统。大数据下的科技评估指标数据模态差异大，如关系数据、矢量数据、流数据等。另外，大数据的科技评估指标数据价值密度不高，实时性能也不高，大量的信息相互不关联，这些特征增加了数据提炼的难度。由此可见，基于大数据的科技评估过程更加复杂，需要科技评估人员有更强的数据处理能力和方法。对此，应当放弃常驻内存的小数据，改变评估数据分析流程的算法，采用有效的数据过滤方法，实现精准整合和高效高质量的数据提取。
3.3创新科技评估管理模式
科技评估信息随着信息技术的发展产生了跨界传播，个人信息安全、知识产权问题、隐私数据安全等问题随之产生。为了解决这些问题，应当建立强大的安全防御系统，来保障科技评估数据存储的安全性和避免数据的多副本与容灾机制，发现和识别安全漏洞等技术问题需要新的工具和新的算法。传统的科技评估是凭借经验或者直觉进行科技评估，而大数据下的科技评估则需要新的管理模式以及决策方案，这些都将会对强化评估结果有一定的指导作用，为了实现智能科技决策就必须持续学习，进一步创新科技评估方法并加以应用。总而言之，基于大数据的科技评估融合了知识工程和计算机系统，由传统的知识模型转化为计算机模型，对多种评估方式进行了比较和甄选，并提供人机交互式的科技评估。
四、结束语
在現代化的今天，将大数据分析技术应用于科技评估可以更加全面的、深入的挖掘庞大而多源的动态数据，从传统的科技评估模式到智能科技模式，为科技评估对象的甄选和实施提供了有力的支持，同时为了解决大数据在科技评估中面临的障碍，需要在利用大数据的基础增加智能的数据分析方法，采用更恰当的科技手段保障科技评估成果的真实性、客观性、科学性。
参考文献
[1] 康兰平.我国科技评估的法律实现机制研究——以国外科技评估立法实践为分析视角[J].自然辩证法通讯，2018，40（7）：98-105.
[2] 史梅洁.浅析大数据时代云会计在税收业务中的应用[J].消费导刊，2017，（23）：216，218.
[3] 胡雪龙，周晓剑，黄卫东等.带运行规则的中位数控制图设计[J].工业工程与管理，2018，23（2）：173-179.
[4] 张丽华，田丹，曲建升等.中国学者发表会议论文的领域差异性与载体差异性研究[J].情报杂志，2018，37（6）：133-140.
[5] 王燕，施筱勇.Web of Science高级检索的检索式构建[J].中国科技信息，2017，（15）：63，65.
作者简介：杨春林 1980年4月，性别男，民族汉，籍贯河南省新乡市，最高学历博士研究生，职称讲师，研究方向：前沿技术科技评估，邮编100081，单位：科技部科技评估中心。
关键词：大数据;科技评估;评估方法
一、大数据在科技评估中应用可行性
科技评估是一种判断科技活动及其价值的基本学术评估机制，是科学技术发展的内在要求，它的目的是促进学术交流并建立科学规范，引导研究方向。科技评估是政府制定科技政策的依据，同时也是政府进行配置科技资源并进行有效资源管理的方法，它可以对科技活动进行预测、决策和管理。科技评估有多种评估形式，如事前、事后、事中评估，项目评估、机构评估、人才评估等。定量评估方式需要借助数据支撑，数据的丰富程度决定结果的可靠程度。科技评估对象多样性和复杂性决定了大数据技术在科技评估领域应用的可行性。大数据技术应用在科技评估的战略意义不在于掌握庞大的科技数据信息，而在于对这些含有意义的科技数据进行专业化处理，挖掘并使用这些庞大的数据，并建立新的科技评估方法体系是科技评估的发展方向。随着云计算、大数据、物联网和移动互联网等新一代信息技术的发展，传统企业级IT架构正在朝基于互联网的分布式新架构转型。大数据作为新一代信息技术的核心，正在使科技评估领域走向智能化。大数据在科技评估领域将会发挥自身独特的优势。
二、基于大数据的科技评估方法体系
科技评估要求的高质量的数据需要数据密集型科学计算方法来提供保障，而高质量的数据需要从多模态、多源、实时的数据中获取。
2.1 形成数据中心
科技评估需要有后备数据资源作为支持， 为了能够在数据中心建设过程中取得更多进展， 相关工作人员必须要形成数据共享机制，该机制系统具有可跨领域、跨地区与跨部门使用的功能，主要是可以实现共享数据的目标，科技评估数据中心与相关单位之间形成联系， 同时组建与功能相对应的数据库，开展科技评估数据共享。同时形成数据规范系统， 给数据集成问题与管理问题提供技术层面的必要支持。数据库也将科技评估中所需的数据资源，包括论文、专利、专家、技术等信息进行有效整合，以供检索使用。
2.2 构建采集系统与数据挖掘
数据采集系统主要负责完成大范围的数据采集任务，可采集的相关数据种类丰富。面向各地评估涉及的工作单位，使用者可使用系统给出的表格来填写相应的信息，负责人可保障表格被规填写，辅助登记备案以及验收申报等工作，评估数据也随之变得更加具体与真实。第一步是建立众包模式，众包是自由自愿外包给非特定的大众网络，外包是高度专业化模式，两者相对。众包模式能够融合来自多个领域的众多专家共享信息，汇集群体的智慧，然后利用新的工具去分析、挖掘科技数据，再进行深加工并提煉更多精细的数据。这种评估方式依托数据密集型计算方法，它的优点是更加开放、更专业、成本更低，有利于评估数据的分析计算。第二步开始进行数据的整合和提取。这里的数据整合可以从不同层次、不同角度进行分类，例如按照不同应用领域可以分为逻辑整合、物理整合、应用整合，按照这种方法可以创建具有更多功能的数据库。运用数据密集型方法，不断获取积累评估数据，再实现对数据信息的分析、加工、挖掘，能够更加精细、动态的帮助科技决策，以便更灵活准确的解决科技评估的问题。第三步是实践科技评估结果。交互式可视化即用图形化的方法，把数据的各个属性值用多维数据的形式表现出来，把数据用图像呈现在屏幕上，能够清晰的传达信息，完成交互处理。
2.3 搭设服务平台
具有不同功能的科技评估服务平台均可在科技评估工作中予以必要的作用。 会商平台可通过云计算与互联网服务对不同级别的科技管理部门与科研部门的工作情况进行评估， 并输送其所需要的服务，评价的管理评估方面的工作可被完成;智慧监测平台主要发挥其具有的监测功能，在执行科技评估监测任务的同时，还可帮助审批构建信息，使全国范围内的科技评估工作部门可就审批信息进行交流，分享科技评估结果。 互联网服务平台直接缩减了科技评估工作实施过程中的经费支出与工作时间，提升科技评估数据处理效率。
2.4 建立基于大数据科技评估模型
在数据挖掘基础上，系统能够智能形成评估对象知识图谱，获取知识图谱对象涉及的成体系的科技要素。基于大数据的分析实现智能比较和智能预测等功能。按照科技评估中的智库 DIIS 评估等理论方法，建立智能的数据分析体系，将评估工作人员繁琐的流程智能化和标准化。最终智能形成有关评估报告文档和图表，获得智能化的结论和预测结果以及智能决策建议。
三、 大数据在科技评估中运用面临的问题及解决策略
在信息时代的背景下，大数据在科技评估的道路上还有很长的路要走，这里不仅包含思维方式转变的挑战，而且存在科技评估的数据越来越复杂，评估数据的挖掘技术也不成熟，评估结果实践起来困难等问题，如何解决这些问题，需要深入分析探讨。
3.1改变陈旧的科技评估观念
传统的科技评估一般都有预设的程序用来获取数据，基于大数据的科技评估是从庞大的数据规模中进行数据抽取，并且这些数据间毫无关联。相对于大数据的科技评估来说传统的科技评估对象相对封闭，多是静态、个态化的，大数据科技评估对象则是动态的、系统化的、也更为开放。传统的科技评估人员需要具有专业的统计学、数学及信息科学的知识，基于大数据的科技评估人员则需要具有较强的创新思维和敏锐的数据洞察力。与传统科技评估相比，最重要的是科技评估人员需要有思维的创新。人是最主要的因素，一定要培养具有创新思维的科技评估人才的意识。树立创新思维，提高创新水平，为科技评估人员提供创新渠道，激发他们的创造力和工作热情，才能促进科技评估行业的发展。 3.2数据类型多样化，需提高数据挖掘能力
大数据的科技评估数据来源非常广泛，如来自互联网、物联网或者更为复杂的物理信息系统。大数据下的科技评估指标数据模态差异大，如关系数据、矢量数据、流数据等。另外，大数据的科技评估指标数据价值密度不高，实时性能也不高，大量的信息相互不关联，这些特征增加了数据提炼的难度。由此可见，基于大数据的科技评估过程更加复杂，需要科技评估人员有更强的数据处理能力和方法。对此，应当放弃常驻内存的小数据，改变评估数据分析流程的算法，采用有效的数据过滤方法，实现精准整合和高效高质量的数据提取。
3.3创新科技评估管理模式
科技评估信息随着信息技术的发展产生了跨界传播，个人信息安全、知识产权问题、隐私数据安全等问题随之产生。为了解决这些问题，应当建立强大的安全防御系统，来保障科技评估数据存储的安全性和避免数据的多副本与容灾机制，发现和识别安全漏洞等技术问题需要新的工具和新的算法。传统的科技评估是凭借经验或者直觉进行科技评估，而大数据下的科技评估则需要新的管理模式以及决策方案，这些都将会对强化评估结果有一定的指导作用，为了实现智能科技决策就必须持续学习，进一步创新科技评估方法并加以应用。总而言之，基于大数据的科技评估融合了知识工程和计算机系统，由传统的知识模型转化为计算机模型，对多种评估方式进行了比较和甄选，并提供人机交互式的科技评估。
四、结束语
在現代化的今天，将大数据分析技术应用于科技评估可以更加全面的、深入的挖掘庞大而多源的动态数据，从传统的科技评估模式到智能科技模式，为科技评估对象的甄选和实施提供了有力的支持，同时为了解决大数据在科技评估中面临的障碍，需要在利用大数据的基础增加智能的数据分析方法，采用更恰当的科技手段保障科技评估成果的真实性、客观性、科学性。
参考文献
[1] 康兰平.我国科技评估的法律实现机制研究——以国外科技评估立法实践为分析视角[J].自然辩证法通讯，2018，40（7）：98-105.
[2] 史梅洁.浅析大数据时代云会计在税收业务中的应用[J].消费导刊，2017，（23）：216，218.
[3] 胡雪龙，周晓剑，黄卫东等.带运行规则的中位数控制图设计[J].工业工程与管理，2018，23（2）：173-179.
[4] 张丽华，田丹，曲建升等.中国学者发表会议论文的领域差异性与载体差异性研究[J].情报杂志，2018，37（6）：133-140.
[5] 王燕，施筱勇.Web of Science高级检索的检索式构建[J].中国科技信息，2017，（15）：63，65.
作者简介：杨春林 1980年4月，性别男，民族汉，籍贯河南省新乡市，最高学历博士研究生，职称讲师，研究方向：前沿技术科技评估，邮编100081，单位：科技部科技评估中心。