本期荐读 | 情报学与情报工作发展论坛（2018）纪要

1

引言

大数据和人工智能时代给情报学和情报工作带来了机遇和挑战,传统的情报思想、教育、理论、方法以及工作都需要发生根本的变革。情报学与情报工作如何改变、如何发展,如何真正在社会治理、政府决策、科技进步、国家安全中发挥更大作用、凸显情报本质、“引领”科学研究,是每一位情报学人和情报工作者必须认真面对的问题。

2018年11月10日,“情报学与情报工作发展论坛(2018)”在武汉隆重召开。本次论坛由中国科学技术情报学会、全国高等学校图书情报专业学位教育指导委员会、武汉大学共同主办,武汉大学信息资源研究中心、武汉大学信息管理学院、武汉大学大数据研究院、华中师范大学信息管理学院共同承办,并得到了武汉市科学技术协会、《图书情报知识》编辑部、《信息资源管理学报》编辑部的大力支持。武汉大学信息资源研究中心主任李纲教授主持了开幕式,武汉大学人文社会科学研究院张发林副院长对各位专家学者的到来表示了热烈欢迎,武汉大学人文社科资深教授马费成教授、北京大学信息管理系赖茂生教授和华中师范大学副校长夏立新教授对论坛的召开表示热烈祝贺。我国科技情报学界、社会科学情报学界、军事安全情报学界、医学情报学界的一百余名专家学者,以及《图书情报知识》《情报理论与实践》《情报杂志》《信息资源管理学报》等学术期刊代表参加了此次论坛。

2

会议主旨报告

论坛邀请来自不同情报领域的5位专家作主旨报告,分别是武汉大学人文社会科学资深教授、武汉大学大数据研究院院长马费成教授,中国科技信息研究所党委书记赵志耘研究员,南京大学信息管理学院苏新宁教授,湖南省科学技术信息研究所周斌所长,湖北省科学信息研究院院长李勇研究员。 北京大学信息管理系主任李广建教授和武汉大学信息管理学院副院长陆伟教授共同主持了大会主旨报告。

2.1 大数据中的知识关联

马费成教授指出随着大数据处理技术和机器学习技术的发展和应用,大数据中的知识正在迅速地被发现和积累,原始的行业大数据正逐步演变为知识大数据。基于大数据的知识组织、价值发现和精准信息服务是信息管理相关学科领域的重要研究课题。大数据的价值信息(或知识)主要源于大数据中蕴含的事物之间广泛存在的各种关联,这些关联从本质上来说是一种知识信息的关联,通过对事物间的基本关联情况进行分析归纳,可以形成关联模式并进一步发现新的关联。大数据价值分析、发现与创造的根本目的是发现和挖掘潜藏的知识关联的结构模式,并对关联化的知识信息进行有效组织管理,将其应用于生产生活实践中以产生更多的价值。

与传统知识关联所界定的知识单元之间的静态序化联系不同,大数据中知识关联不仅包含知识信息的静态关联状态,也包含从价值稀疏的大数据中逐步凝练出密度递增的知识信息的关联化过程。因此,根据知识的发现、演变特点引入动态特征,将知识关联定义为人们在创造和利用知识信息的活动中因其某种内在或外在的逻辑联系而使其显式关联的行为及状态。大数据知识关联存在四种模式:①分类知识关联模式。分类知识关联是描述事物间类别关系的分类知识,是各种知识的基础,也是大数据知识关联的多层次、多刻面等结构特征的来源。②时空知识关联模式。时空知识关联是描述时空环境中,事物状态、形式和结构有效关联与变化的知识,是大数据知识关联的可演化特征的来源。③统计知识关联模式。统计知识关联是事物间依赖于统计方法认知的可能存在但未由概念表示的知识关联。大数据价值分析和发现工作注重事物之间的统计相关性,其是价值分析发现的重要来源。④主题知识关联模式。主题知识关联模式由分类、时空、统计知识关联模式融合而成,通过对数据中各种典型事件类别和其他重要主题引起的事物信息关联进行分析,归纳各类主题的相关事物信息在分类、时空以及统计等方面的关联特征,进而总结主题知识关联的结构与分布模式。

马费成教授介绍了两个金融大数据应用实例:①银行股权结构分析。基于银行股权结构图,通过频繁子图挖掘、关键模式识别、溯源分析、可视化展示等,可以实现对交叉持股、资本系和实际控制人等典型金融问题的分析与监管,规范金融体系规章与制度,抑制系统性风险的出现。②“知融”知识服务平台。平台基于典型金融大数据关联模式和逻辑表示模型,以RDF为底层数据储存模式,构建了企业基本面画像、股权结构画像,动态更新企业信息并实现对全国所有企业及其他相关方的全关联,提供基本的信息服务,如信息查询功能、可视化展示功能等。

2.2 大数据、人工智能对情报工作的影响与启示

赵志耘研究员表示随着科技地位的提升,情报工作变得越来越重要,但随着时代背景的大变化,情报研究的体系框架包括理论基础都受到很大的冲击。这种影响不是在业务操作层次的,而是分析范式与业务模式上的,我们需要在情报体系、数据战略、技术布局等不同层次积极应对。传统情报分析是以分析为核心的,而在人工智能技术的推动下,未来的情报分析将回归到情报本身的关注。人工智能技术发展将给情报的工作理念、分析业务流带来根本性影响,情报分析范式,甚至情报范式都会发生深刻变化。从具体领域来看,开源情报的重要性将日益强化,而从情报作用来看,情报安全在国家战略中的重要性也将日益突出。这种影响最终会构成对情报机构人才团队的挑战。人工智能技术的发展极大地推动了情报工作的变革,特别是机构角色与分析范式的变化。从微观分析业务流来看,传统情报循环将被重塑为一个数据驱动的以关键情报课题为目标的分析流程,数据与分析将构成情报研究支撑环境的核心要素。基于人工智能技术,情报研判工作的重点将由描述转向预测, 由显性结果分析转向潜在关联挖掘。这些人工智能推动的情报工作变革,最终将转化为对情报机构人才技能结构的挑战,也正是这种变革,才使情报安全对国家战略能力的重要性日益突出。

变革中情报工作体系的重构具体应包括:①将大数据和人工智能技术提升情报能力纳入到国家安全的范畴;②设立专业机构统筹面向情报工作的新技术研发;③适应资源体系的变化,采用开放式创新的模式,提高人工智能时代的情报能力;④积极布局大数据和人工智能相关的前瞻性研究,包括基础理论、应用技术和战略前沿等方面的研究;⑤推动面向情报核心环节的应用项目的发展,例如情报收集和获取、情报分析、预测研判等领域。赵志耘研究员建议设立专门的机构强化整个情报体系的协同,将数据资产上升到战略高度,提高对数据资源的控制力,凭借技术的优势将网络安全作为情报战的主战场,将人工智能的优势转化为情报对抗的优势等。

赵志耘研究员建议:①强化顶层设计,构建智能环境下的国家情报体系;②针对科学数据建立审查机制,实现数据的治理和管控;③基于大数据和人工智能技术建立国家级的情报监测和预警平台;④建立新型共享的专业情报知识库;⑤在国家层面设立专项的资金资助未来可能应用于情报研究的一些前瞻性技术,特别是针对独特性问题的技术解决方案。

2.3 情报学前沿研究与未来影响展望

苏新宁教授指出学术人员应该厘清研究前沿和研究热点两者之间的关系,研究热点未必是研究前沿,研究前沿也未必是研究热点。情报学是一个应用型学科,学科发展跟随国家需求和社会发展而发展。影响未来情报学研究和发展的背景包括大数据时代背景、国家安全与发展国策背景、国家智库战略背景、科技进步与社会发展背景、学科发展背景和国际大环境背景等。

苏新宁教授对2017年9月—2018年9月发表的5000余篇情报学论文的研究领域分布进行分析,从研究热点中总结出了以下五项前沿研究:①情报学理论与方法的研究,大数据环境下应注重对情报学理论与方法创新的研究,同时也要注重军民情报融合发展,包括理论融合和方法融合;②学科建设与情报工作变革研究,学科应重新进行目标定位,未来的情报学人才应该是引领型人才、服务型人才的共存,情报学的工作既要接受任务型的工作,也要开展我们自己的情报工作;③情报治理与安全情报研究,情报治理是对与情报有关的人、财、物和政策的研究,安全情报研究和社会治理方面的情报学方法研究也是未来的研究前沿;④情报技术领域的研究,包括情报检索研究、通过情报学的手段发现预测型的知识、知识组织研究和语义挖掘应用研究;⑤学术评价研究,应进一步开展学术评价研究,让学术评价真正地评价学术。

目前情报学发展已经取得了许多方面的突破,例如:①数据挖掘技术与科研评价的融合成果,引入认知计算、语义挖掘等计算技术方法,评价对象也摆脱了仅面向题录信息的表面信息分析,深入到了文本内容分析、语义分析;②知识组织从传统走向融合的组织技术,传统知识体系向更广阔的网络信息资源融合的方向拓展,用户检索、知识发现和创新驱动的知识组织已成为主流;③情报学与情报工作未来发展路径设计,情报学和情报工作视野开始拓展到国家战略层面,面向国家安全与发展的情报学理论方法、情报学教育与情报体系建设开始初现端倪。

情报学未来可能的重要突破包括以数据密集型科研范式为契机,将情报学打造成横断性学科;以繁荣哲学社会科学计划为契机,建立科学的评价体系;以智库战略为契机,将情报体系融入国家决策支持系统。情报学研究发展趋势主要包括:①情报学研究对象的知识化、Intelligence化;② 情报学研究方法的技术化、智能化;③情报学理论变革的大数据思维化;④情报组织的语义化;⑤面向决策支持的情报服务进一步细化、深化,即精准情报研究。苏教授指出情报学突破的重要意义包括创建横断性学科,为科技发展提供动力;凸显情报的智慧,全程嵌入助推决策;创新知识组织方法,提升信息资源的情报价值

2.4 竞争情报服务产业与企业创新发展的实

践与思考

周斌所长介绍了湖南省竞争情报工作体系的建设,包括湖南省科学技术信息研究所的基本情况、业务模块、竞争情报历程、合作情况和竞争情报工作体系等。

湖南省科学技术信息研究所在竞争情报服务产业创新与企业创新方面展开了一系列的实践探索。在竞争情报服务产业创新方面,周斌所长对产业转型升级存在的问题、产业竞争情报需求和相应的竞争情报服务方案进行了梳理。竞争情报战略在产业发展中起支撑作用,推动区域从顶层设计主导产业方向,推动内部各系统协 同,监 测 产 业 变 革 趋 势 与 风险,围绕产业链指导和开展招商、合作、服务、环保、培育等工作,为产业转型升级和重大项目决策实施提供智力支撑。 在竞争情报服务企业创新方面,周斌所长对企业生命周期不同阶段面临的发展问题、情报人员投入和产品创新竞争情报需求进行了总结,竞争情报战略促进内部各系统协同,监测市场格局、宏观环境,科学对接资源,为企业战略规划、新产品开发、风险防范、市场开发、重大合作项目谈判提供智力支撑。

新形势下竞争情报引领产业与企业创新面临的关键问题包括:①需求识别问题,如何识别各层面的情报需求,将情报更好地融入科技决策中;②供给能力问题,如何提升自身情报分析与服务能力,提高情报服务的价值;③供给与需求融合问题,如何有效推广竞争情报,提高情报决策的接受度和认可度。 周所长表示可以采取精确识别政府、企业和投资机构的情报需求,通过基础数据支撑、分析能力提升和产业经验积累提升情报供给能力,通过线上推广与培训、政府采购服务和个性化服务推广等方法加强需求与供给对接融合等解决方案。最后,周所长从海量基础数据的分析、情报分析产品的创新与应用、精准服务的开展与推广等方面讲述了其对新形势下的竞争情报服务设想。

2.5 湖北省科学信息研究院的情报工作实践

与思考

李勇院长首先介绍了湖北省科学信息研究院的机构背景,包括全国科技情报工作机构体系、单位性质、职责定位、工作内容等,以及湖北省科学信息研究院的业务体系。

他接下来分析了当前该院开展情报工作面临的挑战,包括:①科技情报市场格局巨变的挑战,以互联网普及、信息获取机会极大均等化为分野,科技情报市场的信息要素供给由紧缺、供不应求向充裕、供过于求根本转变,产(商)品形态由约等于信息的情报向必须对信息进行综合分析加工的情报根本转变,总体格局由卖方市场向买方市场根本转变。面临格局的变化,单位和职工均存在反应迟钝、惯性思维等现象。②用户需求品质增长带来的挑战。随着互联网的发展,服务提供者与用户之间的信息势差急剧缩小,用户需求品质由通识性信息服务向个性化、定制化的情报服务跃迁,这种变化对科技情报工作提出了更高的要求。面对这种挑战,单位和职工存在应变迟缓、惰性作祟等现象。③深化履行公益职能的挑战。省级科技情报机构主要的公益职能包括科技决策咨询、科技创新公共服务、省域行业示范带动等三个方面,当前工作现状离职能目标责任要求还有不小差距,爬坡过坎的任务艰巨。面对这一挑战,单位和职工还存在认识不足、目标不明等现象。④机构科技情报工作能力的挑战。面对以上种种形势变化,单位科技情报人员还存在情报意识不够、情报方法不明、情报工具不足等现象。

为应对上述挑战,李勇院长分享了目前湖北信息院采取的应对措施,即从制定服务(产品)清单、规范服务(产品)标准、机制举措配套等方面推动业务供给侧结构性改革,大力实施业务品质提升工程,推动业务高质量发展。

关于如何推动新形势下情报学与情报工作联动发展,李勇院长建议,应进一步明晰情报学研究与情报服务行业产业发展之间的辩证逻辑关系,进一步加强情报学的产业应用场景研究及适配工具研发,进一步推动面向情报工作队伍开展情报意识、思维、方法、工具等职业继续教育培训。

3

圆桌论坛

来自全国情报学各个领域的30余位专家代表针对中国情报学学科发展、军民情报学协同发展与融合、数据科学对情报学之影响和情报学学科教育与人才培养等论题进行了深入讨论。武汉大学王晓光教授主持圆桌论坛,南京大学孙建军教授作总结发言。各位专家的意见和建议汇总如下。

3.1 情报学学科发展

(1)情报学学科发展方向

技术环境、政策导向、人文要求等不断地变化,大数据时代改变着情报学和情报工作有学者认为未来情报学发展方向可能受技术驱动、需求拉动和价值铸造等因素的影响(王芳)。情报学的发展很大程度上依赖于信息技术的发展,当前大数据技术等不断发展的信息技术为学科带来了良好的机遇 (邱均平、王芳);人才培养需求和国家重大需求给学科带来了多元的发展方向(王芳),地方情报学界应更多地关心安全问题和发展问题,应尽可能与社会发展、政府决策联系在一起,充分地向智库转型(高金虎);学科发展应有一定的价值观和价值引领(王芳)。

在新时代,情报学的分析对象应该从信息深入到数 据,加工目标应该由信息提升到知识,研究重心应该由信息回归到情报,还应该进一步强化学科的智能过程和决策功能、提升情报学和情报工作的战略功能(王知津)。情报学与情报工作要迈向智慧化,智慧元素包括思维(战略思维、跨界思维和工程思维等思维能力)要和时代接轨、大数据要与智慧结合、情报学技术的发展要凸显领域的话语、学科教育要注入情报活力、发展路径要兼容军民情报领域的命题体系并面向国家治理体系和治理能力的现代化等(孙建军)。

在新的信息技术环境下,信息问题和情报问题普遍存在于各个领域,情报学应加强定量化研究,为人文社会 科学研究提供方法支持(邱均平),将学科变成基础性、方法性的学科(曹树金)。图书馆学和情报学学科来源不同,情报载体也发生了变化,应理顺情报学和图书馆学学科的关系,淡化图书情报一体化的观点(王知津、吴晨生、高金虎)。

情报学和情报工作应不忘初心,坚持“耳目尖兵参谋”的社会定位和“广、快、精、准”的工作要求;应牢记使命,面向智能,面向战略,服务于国家创新和安全发展,建设具有中国特色的情报学和情报工作(王知津)。

(2)加强情报理论研究

情报学是一门实践性和应用性很强的学科,在扩大情报学应用面的同时,应加强基础理论建设和核心理论的构建与创新,加强对情报学理论和规律的解释(邱均平),促使情报理论更好的指导情报实践(吴晨生、朱庆华、王芳);在新的应用场景,很多理论方法可能都需要更新,在应用中固化、积累和总结理论,以加强情报学基础理论的研究,辐射学科的影响(韦景竹、马费成、王曰芬);应采取开放的态度加强其他学科方法理论的引进和应用(朱庆华)。

(3)加强情报学应用

信息问题和情报问题普遍存在于各个领域(曹树金),情报学应加强应用。一方面,情报学在国家战略、社会经济和科学技术发展方面的应用还不够,情报学研究的影响和应用的社会影响有限,应加强学科的应用,坚持学科的纵深化发展,体现学科发展的特色,促进社会的进步(邱均平、王晰巍)。例如:选择一些重点领域如金融、健康、文化、社会治理等,运用情报学学科的基本理论、方法和手段研究解决不同领域中的问题,辐射学科的影响(马费成、陆泉)。

另一方面,多学科、多维度的交叉研究带来了更多的研究机会,促进了学科的发展(邱均平、王晰巍)。例如:在与管理学领域、制造领域等交叉研究过程中,可以对业务过程中产生的商业大数据、工业大数据等进行深度的数据分析并找到商业价值,在与艺术领域等交叉研究过程中可以围绕人机交互进行行为分析等(王晰巍)。此外,在科学研究过程中,高校应加强与产业结合,及时了解产业前沿(王晰巍、黄水清)。

3.2 军民情报学协同发展与融合

中国情报学的发展具有中国特色,不同领域的情报学有不同的起源(王知津、赖茂生、高金虎、周晓英)。有学者认为中国情报学发展面临两种范式:信息范式和情报范式,信息范式面向发展,具有支持大众、公开 共 享、普 惠性、群体化、信息量大等特征,其重点是合理组织和提供服务,综合性大学中信息管理领域的情报学研究范式多数是信息范式;而情报范式面向安全,具有支持决策、保密和有限共享、个性化、内容量少等特征,其重点是深度分析,军事情报学、安全情报学等领域情报学研究范式多数是情报范式(周晓英)。 学者们普遍认为应该承认我国情报学存在不同的研究范式,information science和intelligence studies属于不同的研究领域,其基本界限是清晰的(赖茂生、周晓英、高金虎等)。

情报学是社会科学和多学科交叉形成的学科,很难形成一种非常特定的研究范式(马费成),但在情报应引领决策等理念方面,各领域情报学研究存在共性(高金虎)。学者们认为不应过度区分各领域情报学研究范式的不同,但也不应单纯简单地融合各个领域的情报学(周晓英、屈健),而应以谨慎的态度和开放包容的心态求同存异、取长补短、协同发展(赖茂生、高金虎、马费成、王芳),可以相互借鉴和利用一些理论、方法和工具等(赖茂生、高金虎)。

学者们提出情报学应面向精细化发展(周晓英),从发展与安全并重的视角出发,开展相关行业和相关领域的情报工作和情报学的研究(马海群、屈健),解决各自领域的问题,并共同探讨如何应对情报元素的不一致性和情报场景的差异性等问题(马海群)。也有学者考虑到竞争情报学研究对象的广泛性和情报工作的对抗性,认为未来情报学比较好的研究范式是竞争情报的研究范式结合科技情报学数据挖掘、情报分析等方面的先进技术(高金虎)。

3.3 数据科学对情报学的影响

大数据时代改变着情报学和情报工作,各个领域业务过程中产生大量数据,例如工业大数据等,而信息问题和情报问题普遍存在于各个领域,情报学理论研究和应用研究的研究粒度已经达到数据层面,数据基础上的细粒度研究为情报学研究提供了非常宽广的研究对象(黄水清)。

情报学的核心和精髓是情报分析,数据时代,情报学的分析对象应该从信息深入到数据(王知津),应聚焦于人工智能(吴晨生),关注情报技术的发展,掌握数据科学的方法和技术,同时还应开发更适合于情报分析的软件和工具(王知津),洞察数据中的价值并从数据中挖掘价值(贾韬),由数据驱动决策(马续补、郭骅)。与会专家普遍认为情报人应发挥情报学的特色和优势,如数据洞察能力、情报感知和情报刻画能力等,抓住机遇,从数据到情报,支持管理决策(王延飞、李玉海、郭骅、贾韬、马续补等)。

3.4 情报学学科教育与人才培养

(1)情报学学科教育

学者们认为应调整和改革课程体系以培养情报人员更好地应对领域和行业对引领者的高要求(秦春秀、高金虎),应更多地关注总体国家安全观中涉及到的各种议题(高金虎),在原有核心课程的基础之上增设数据科学、人工智能、情报技术和工具、生物信息学等新兴和交叉课程(邓小昭、马续补、陆泉、刘伟成);打造学科共享的在线课程平台,向学生提供更多的选修课课程(王晰巍);搭建更好的实践环境和数据平台,尤其是实践基地的建设(王晰巍、陆泉)。

(2)情报学人才培养

人才培养最根本的是围绕社会需求(李玉海)。学者通过调研发现企业在大数据和人工智能的时代背景下,对情报学专业人才的需求主要围绕技术类、产品运营类、管理类三种岗位,对情报学专业人才能力的需求主要集中在数据收集和处理能力以及计算机语言能力方面(王晰巍)。同时,业界对于情报分析技术人才也存在大量需求(马续补)。

在人才培养定位中,应强化情报意识的培养,即不仅需要培养情报学人才对情报的洞察力、敏锐性,而且还要培养反情报意识与情报安全意识(邓小昭);加强 数 据 收 集 和 处 理 能力、情报分析能力以及计算机语言能力的培养(王晰巍);强化情报呈现技能,包括语言表达能力、报告撰写能力、沟通能力等的培养,促使学生考虑不同用户的类型特征、需求呈现和情报成果表达(邓小昭、王晰巍)。

*原文载于《信息资源管理学报》2019年第1期122-127页，欢迎个人转发，公众号转载请联系后台。

-- END --

相关往期推文：

界世的你当不

只作你的肩膀

无

信息资源管理学报

长按|识别二维码|关注

空·

点击“阅读原文”转至官网